典型文献
基于时空谱特征的遥感影像时间序列变化检测
文献摘要：
相较于常见的双时相遥感影像,时间序列遥感影像包含更丰富的地表信息,能够缓解"异物同谱"、"同物异谱"的影响,因而在变化检测中具有重要作用.但是目前时间序列遥感影像变化检测方法大多基于像素展开,忽略了像素和周围环境的空间关系,导致变化检测结果"噪声"现象明显.基于此,提出了一种基于时空谱特征的时间序列遥感变化检测算法(change detection based on spatial-temporal-spectral features,CDSTS).首先,利用灰度共生矩阵和局部统计计算方法,从Landsat时间序列遥感影像中提取每个像素点的时间、空间(纹理和统计)和光谱特征;其次,通过每个像素在不同波段上的时间序列表现规律,自动筛选出时序特征异常点,并与连续变化检测和分类法(continuous change detection and classification,CCDC)检测结果融合获取高精度变化/未变化训练样本点;最后,利用上述样本点及其对应的时空谱特征训练支持向量机分类器,并基于该分类器对全图进行分类.结果表明,CDSTS算法在变化区域检测精准度方面明显优于常用的时间序列变化检测算法CCDC和土地扰动连续监测方法(continuous monitoring of land disturbance,COLD),总体精度提升了4.8～11.7百分点.
文献关键词：
Landsat;时间序列;变化检测;纹理特征
中图分类号：
作者姓名：
秦乐;何鹏;马玉忠;刘建强;杨彬
作者机构：
湖南大学电气与信息工程学院,长沙 410082;南华大学机械工程学院,衡阳 421000;山东省国土测绘院,济南 250014;国家卫星海洋应用中心,北京 100081
文献出处：
引用格式：
[1]秦乐;何鹏;马玉忠;刘建强;杨彬-.基于时空谱特征的遥感影像时间序列变化检测)[J].自然资源遥感,2022(04):105-112
A类：
CDSTS,检测结果融合,COLD
B类：
时空谱,空谱特征,影像包,异物,遥感影像变化检测,周围环境,空间关系,遥感变化检测,检测算法,change,detection,spatial,temporal,spectral,features,灰度共生矩阵,矩阵和,Landsat,像素点,光谱特征,波段,序列表,时序特征,异常点,分类法,continuous,classification,CCDC,未变,训练样本,样本点,支持向量机分类器,区域检测,连续监测,监测方法,monitoring,land,disturbance,总体精度,精度提升,百分点,纹理特征
AB值：
0.360564
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
