史文中：基于遥感影像的变化检测技术必不可少
我们是关注地理信息跨界创新价值的科技媒体，欢迎点击上方“3sNews”关注我们！
10月22日，由中国测绘地理信息学会主办的2015年学术年会在江西南昌召开。除特邀报告外，会议围绕当今测绘发展现状和趋势，还设立以测绘地理信息装备技术、倾斜摄影测量技术、测绘“一带一路”、地理国情监测等热门话题的分论坛，详具总结我国测绘发展成果，解读和展望测绘技术和市场的未来。
香港理工大学史文中教授做了题为《基于遥感影像的变化检测技术发展与展望》的演讲，介绍了团队在遥感变化检测技术方面的进展和结果等。史教授认为未来会有多传感器数据融合的变化检测，除了光学影像在其他方面，甚至考虑将来卫星的发展，这可能会有实时的变化情况，也会应用机器学习方法，如深度学习等。
以下为演讲实录（未经本人核实）：
我先为大家介绍下遥感影像的变化监测技术发展现状以及回顾。
第一，发展回顾。
应用领域，遥感变化检测这个技术是非常急需的技术，第一步是地理信息检测，就需要自动化的技术来提高我们这个效率，从遥感方面，也就是遥感变化检测，这也可以广泛另外在其他领域，比如说土地利用、农田变化等比较宽的范围。
这个从技术发展，从遥感卫星影象，分辨率越来越高，可以到0.1甚至更高一点。卫星的数量也越来越多，比如说我们国家计划在十年的时间，发射到64颗卫星，分辨率可以到几分钟，这样就很快从一个地区不同时间的影像。接下来我们的技术支持，跟这些不同的时效的影像进行分析。
在变化检测技术体系当中，到现在差不多有40多年的时间。这个工作可以分为从70年代到80年到90，到现在。这个是光学影像，我们在算法上已经经过了40年、50年的研究，但是得到的结果并不理想，我们团队持续做了一些工作，以下介绍下我们研究的主要的内容。
第二，团队研究的主要内容。
这是基于遥感影像变化检测的技术。遥感影像变化检测有一个问题比较重要，即影像匹配的问题。因此，我们的研究主要是匹配好与不好，它的检测到的错误，它的空间上的分布，主要是解决这个问题。这个是我的学生和我一起做的工作。
这个大概是我们一个结论性的东西，如果是中分辨率影像，70%左右的漏洞分布在边缘周围1个像素的范围;如果是高分辨率，50-60%左右像素的情况。
基于空间结构的高分影像分类后变化检测方法。这个是结构元素，这是我们构造结构元素的方法，这是由实际影像，怎么构造整个结构元素，来做变化提取。这是整个检测流程的判断，到最后的质量检测。这是实验分析，因为这个地方是2006年和2008年两个十年影像，来检测它的变化。这个方法来计算，应该适合高分影像。因为国家地理国情，或者是我们做国土资源部的普查、调查影像，现在都是用了影像分辨率比较高，所以这个算法，主要是从这个方向来考虑。
这个是我们做出来的算法，和现有算法的比较，就可以从细节上看到变化的情况，提取的新的方法，比较好一点。
这个是具体提出来的变化，和实际的体验，得知它发现配套的情况。
另外一个方法，叫可靠性加权的多方法融合变化检测方法。这个方法的基本思想是这样，就是我们在检测的时候，实际上应用比较多的算法，但是每一个算法，可能有自己的缺点和优点。这个算法是两个或者多个算法，在算法本质上有一定的互补性，同时我们有多个变化检测的算法，这样来改善变化检测的能力。这个我们在检测以后，定了几个指标来检测它到了好还是不好。这是构造多个算法加权的问题，如果你拿了三个算法，你比较相信哪一个，比较不太相信哪一个，这个是定权的问题，在定权我们有一定的方法来选择。这种方法融合以后的算法，开发系统等这样的指标，都改善了一些。当然这个改善，不是特别的多。
另外一个叫局部空间信息谱趋势相似性分析的变化检测方法。我们拿来个时间段的影像做对比，最后发现变化，因为大气条件不一样，有时候阴天一点，有时候雾霾重一点。其实你看这两个影像，这是同一个地方，没有变化的，但是由于大气的条件不一样，你看到这个就比较白一点。如果你自动取做这个事情，去判断它是不是有变化，这些地方也变了，但实际上没有变的。
为了解决这样一个问题，就需要构造这样一个信息图的趋势性和相似性的参数，这样构造以后，来做这个比较。这个就解决了由于两次的构造不太好，条件不一样，而有可能误判。这是这么一个思路、流程。
另外一个问题，就是对房屋建筑物的预测，比如说地震以后房屋倒塌。在抢救的黄金时间，我们需要知道哪一些倒塌，哪些没有倒塌，去帮助救援队伍救援。对于后续的时间，对于灾区的重建，房屋倒塌的判别是很重要的。这个工作，就是我们在做房屋损毁，这个是灾前灾后的影像，我们做了一个判断，哪些是全损毁，哪些是半损失。中间做了相似度计算和指标。这个大概是精度在这样一个时间可以达到92%。
另外是引力模型优化的马尔可夫随机场（MRF）变化检测技术。我们提出了这个方法，这个方法核心要解决的问题，就是一些细微的变化，这个算法主要是解决这样的问题。细节我就不讲了。
这个是基于最大期望算法（EM算法，又名期望最大算法）的水平畸变化检测方法。是基于自适应阈值的变化检测技术。我们在设定变化与没变化之间有一个阈值，这个主要是适应阈值，希望这个问题能够自动化的解决。这个是流程、原理，也是在这种情况下，方法比较自动和完善。
这个是基于亚像元分辨率的变化检测技术。就是说，如果我们的影像是米级，但是我希望检测到亚米级的。我们做了一段时间，大概四年左右的时间，Sub-pixel reolution的技术。这个是用了飞行统计的方法来做。
还有一个基于模糊拓扑的变化检测技术。我们将这两个数学的两个分支联合起来，这个工作不是我们做的，是数学领域学者做的工作。我们的工作，是把模糊拓扑学这样数学的方法，引入到影像数据当中，进一步引入到变化检测当中；这个也是一个挺有意思的算法，它主要是以前分两个类别，分得不太清楚的情况下，用这个方法，把分不清的再做一次算法，这个工作主要是解决这方面的问题。
三、遥感图像变化检测系统原型。
我们希望把已有成熟的算法，加上最新研究出来的，针对应用的实际情况和案例，对地理国情检测，可以用这个技术和系统来解决问题。这也是它的功能。
实例方面，我们做一些城市形态的模拟和验证，逐步的从红色到黄色，到蓝色到紫色这样逐步的扩张。根据多年来建成区的情况，变化一个趋势这样的分析。
当然我们也应该把变化检测到的问题和经济社会统计数据的分析结合在一起进行计算，比如说城市的变化，我们检测到变化规律，它跟社会经济、人口、基础设施这样多方面的情况，它的关系是怎样的?就是在我们这个行业里，现在主要做得就是分析，一个是地图分析。这个就是我们做得，比如说城市的中心的扩张，它的生态用地、经济用地、建设用地的变化趋势。城市经济空间值相关，还有城市经济全局和自相关的情况，和它的用地的发展，与空间关系是什么样的。以及交通网络的分析，这个比如说网络的通达性这样的分析。
还有就是对城镇扩张的模拟。我们用这个数学模式和模拟的算法，来对城镇的扩张进行预测。我们一个工作还挺有意思的，就是在城市中心区的预测，大概可以达到86%的准确率情况。比较差一点，是城市边缘的情况。
四、总结与展望。
我想现在我们的工作是：针对不同分辨率、不同检测目标进行像素级、特征级和对象级的变化检测方法;基于不确定性遥感变化检测方法;考虑空间结构的高分影像分类后变化检测方法;灾害变化检测(房屋损毁、地表变形)。
研究展望：多传感器数据融合的变化检测，除了光学影像在其他方面，它的数据量是更加多的，它基于这些多数据的检测，我想是比较重要的方向。这主要考虑将来卫星的发展，这可能会有实时的变化情况。未来我们还会应用机器学习方法，如深度学习等。
3sNews官方微信已经可以评论啦，点击页面右下角的“写评论”就可以在这里留下您的观点，欢迎互动交流。