面向对象遥感影像变化检测：多尺度融合新方法

"冯文卿, 张永军. 利用多尺度融合进行面向对象的遥感影像变化检测[J]. 测绘学报, 2015, 44(10): 1142-1151." 在遥感影像变化检测领域，面向对象的方法已经成为一种主流技术，因为它们能够更好地处理复杂地表结构和多种地物类型。文章“利用多尺度融合进行面向对象的遥感影像变化检测”提出了一个创新性的变化检测策略，该策略主要针对对象级别的变化检测中尺度选择的关键问题。 传统的单尺度分割方法往往受限于特定尺度的选择，可能导致小目标被忽视或大目标被过度分割，从而影响变化检测的精度。为了解决这个问题，该研究引入了多尺度分割的概念。多尺度分割是一种通过在不同分辨率下对图像进行分割的技术，它可以捕捉到不同大小和形状的地物对象。由细到粗的尺度分割过程可以确保从微小到显著的变化都能被有效捕获。 论文中，作者首先应用多尺度分割算法，如Canny边缘检测、Otsu阈值分割或者基于区域生长的分割方法，对遥感影像进行分割，得到一系列不同尺度的对象。这些对象覆盖了从精细到粗糙的不同细节水平，有助于涵盖各种尺寸的目标。 接下来，研究人员采用变化向量分析（Change Vector Analysis, CVA）对这些对象进行分析。变化向量分析是遥感影像变化检测中的常用技术，它通过比较两期影像的像素值差值来确定是否有变化发生。在对象级别，CVA可以计算每个对象的光谱特征变化，包括亮度、色度和纹理等。 然而，单一尺度的CVA可能无法同时获得最优的结果，因此，论文提出了一种融合策略，将不同尺度的检测结果进行整合。这种融合方法可能包括加权平均、最大似然、决策融合等多种方式，旨在提高最终变化检测结果的准确性和可靠性。 通过多尺度融合，不仅可以克服单一尺度的局限性，还能综合考虑不同尺度下的信息，更全面地反映地表变化情况。这种方法对于复杂环境和多类型地物的遥感影像变化检测特别有用，如城市扩张、植被覆盖变化、灾害监测等应用场景。 总结来说，该研究提供了一个新的面向对象的遥感影像变化检测框架，它结合了多尺度分割的优势，通过融合不同尺度的检测结果，提高了变化检测的精度和鲁棒性。这一方法对于理解和监测地球表面动态变化具有重要的科学价值和实际应用潜力。