协同光学与雷达遥感数据的面向对象土地覆盖变化检测

摘要：

西南地区受云、雨天气的影响,高质量的光学数据难以获取,合成孔径雷达数据可以全天时全天候地工作,但其重访周期较长,因此在多云多雨地区协同光学与雷达数据开展土地覆盖变化检测,可以弥补单一遥感数据源的不足,对国土资源调查评估及全球变化研究具有重要的意义.该研究基于2019年眉山地区Sentinel-2光学数据对2016年和2019年全极化Radarsat-2数据生成的差异影像进行面向对象引导分割,提取对象级多维特征,并提出FSO-RF变化检测框架,该框架利用样本间距离度量可分性特征空间优化(Feature Space Optimization,FSO)方法来优化特征空间,结合面向对象的随机森林(Random Forest,RF)分类器实现土地覆盖变化检测,与现有的变化检测算法对比,该研究的变化检测框架在精度上有较大提升,在试验区的准确率达到92.90％,通过抽取具有代表性的样区进行检验,2个样区变化检测结果的准确率分别为95.08％和88.16％.该研究提出的算法框架可以很好地满足城镇、农田等不同地物类别的变化检测需求,在国土资源监测中具有一定的应用价值.

关键词：遥感;检测;合成孔径雷达;随机森林;协同;面向对象

所属期刊栏目：37

分类号：TP79(遥感技术)

资助基金：四川省重点研发项目2020YFG0033

在线出版日期：2022-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：216-224