我先為大家介紹下發展現狀以及回顧。
第一，發展回顧。
應用領域，遙感變化檢測這個技術是非常急需的技術，第一步是地理資訊檢測，就需要自動化的技術來提高我們這個效率，從遙感方面，也就是遙感變化檢測，這也可以廣泛另外在其他領域，比如說土地利用、農田變化等比較寬的範圍。
這個從技術發展，從遙感衛星影象，解析度越來越高，可以到0.1甚至更高一點。衛星的數量也越來越多，比如說我們國家計畫在十年的時間，發射到64顆衛星，解析度可以到幾分鐘，這樣就很快從乙個地區不同時間的影像。接下來我們的技術支援，跟這些不同的時效的影像進行分析。
在變化檢測技術體系當中，到現在差不多有40多年的時間。這個工作可以分為從70年代到80年到90，到現在。這個是光學影像，我們在演算法上已經經過了40年、50年的研究，但是得到的結果並不理想，我們團隊持續做了一些工作，以下介紹下我們研究的主要的內容。
這是基於遙感影像變化檢測的技術。遙感影像變化檢測有乙個問題比較重要，即影像匹配的問題。因此，我們的研究主要是匹配好與不好，它的檢測到的錯誤，它的空間上的分布，主要是解決這個問題。這個是我的學生和我一起做的工作。
這個大概是我們乙個結論性的東西，如果是中解析度影像，70%左右的漏洞分布在邊緣周圍1個畫素的範圍;如果是高解析度，50-60%左右畫素的情況。
基於空間結構的高分影像分類後變化檢測方法。這個是結構元素，這是我們構造結構元素的方法，這是由實際影像，怎麼構造整個結構元素，來做變化提取。這是整個檢測流程的判斷，到最後的質量檢測。這是實驗分析，因為這個地方是2023年和2023年兩個十年影像，來檢測它的變化。這個方法來計算，應該適合高分影像。因為國家地理國情，或者是我們做國土資源部的普查、調查影像，現在都是用了影像解析度比較高，所以這個演算法，主要是從這個方向來考慮。
這個是我們做出來的演算法，和現有演算法的比較，就可以從細節上看到變化的情況，提取的新的方法，比較好一點。
這個是具體提出來的變化，和實際的體驗，得知它發現配套的情況。
另外乙個方法，叫可靠性加權的多方法融合變化檢測方法。這個方法的基本思想是這樣，就是我們在檢測的時候，實際上應用比較多的演算法，但是每乙個演算法，可能有自己的缺點和優點。這個演算法是兩個或者多個演算法，在演算法本質上有一定的互補性，同時我們有多個變化檢測的演算法，這樣來改善變化檢測的能力。這個我們在檢測以後，定了幾個指標來檢測它到了好還是不好。這是構造多個演算法加權的問題，如果你拿了三個演算法，你比較相信哪乙個，比較不太相信哪乙個，這個是定權的問題，在定權我們有一定的方法來選擇。這種方法融合以後的演算法，開發系統等這樣的指標，都改善了一些。當然這個改善，不是特別的多。
另外乙個叫區域性空間資訊譜趨勢相似性分析的變化檢測方法。我們拿來個時間段的影像做對比，最後發現變化，因為大氣條件不一樣，有時候陰天一點，有時候霧霾重一點。其實你看這兩個影像，這是同乙個地方，沒有變化的，但是由於大氣的條件不一樣，你看到這個就比較白一點。如果你自動取做這個事情，去判斷它是不是有變化，這些地方也變了，但實際上沒有變的。
為了解決這樣乙個問題，就需要構造這樣乙個資訊圖的趨勢性和相似性的引數，這樣構造以後，來做這個比較。這個就解決了由於兩次的構造不太好，條件不一樣，而有可能誤判。這是這麼乙個思路、流程。
另外乙個問題，就是對房屋建築物的**，比如說**以後房屋倒塌。在搶救的**時間，我們需要知道哪一些倒塌，哪些沒有倒塌，去幫助救援隊伍救援。對於後續的時間，對於災區的重建，房屋倒塌的判別是很重要的。這個工作，就是我們在做房屋損毀，這個是災前災後的影像，我們做了乙個判斷，哪些是全損毀，哪些是半損失。中間做了相似度計算和指標。這個大概是精度在這樣乙個時間可以達到92%。
另外是引力模型優化的馬爾可夫服隨機場變化檢測技術。我們提出了這個方法，這個方法核心要解決的問題，就是一些細微的變化，這個演算法主要是解決這樣的問題。細節我就不講了。
這個是基於em演算法的水平集變化檢測方法。
這個是基於自適應閾值的變化檢測技術。我們在設定變化與沒變化之間有乙個閾值，這個主要是適應閾值，希望這個問題能夠自動化的解決。這個是流程、原理，也是在這種情況下，方法比較自動和完善。
這個是基於亞像元解析度的變化檢測技術。就是說，如果我們的影像是公尺級，但是我希望檢測到亞公尺級的。我們做了一段時間，大概四年左右的時間，sub-pixel reolution的技術。這個是用了飛行統計的方法來做。
還有乙個基於模糊拓撲的變化檢測技術。我們知道這是數學的兩個分支，我們是把這兩個分支聯合起來，這個工作不是我們做的，是數學領域學者做得工作。我們的工作，是把模糊拓撲學這樣數學的方法，引入到影像資料當中，進一步引入到變化檢測當中，這個是我們做的。這個也是乙個挺有意思的演算法，它主要是以前分兩個類別，分得不太清楚的情況下，用這個方法，把分不清的再做一次演算法，這個工作主要是解決這方面的問題。
三、遙感影象變化檢測系統原型。
主要是希望把已有成熟的演算法，加上我們最新研究出來的，大概有20幾篇文章，每一篇文章，都是我們研究的比較新的演算法，把它加進去。也針對應用的實際情況和案例，對地理國情檢測，可以用這個技術和系統來解決問題。這也是它的功能。
例項方面，我們也用這個方法，加上人工的方法，做一些城市形態，逐步的從紅色到黃色，到藍色到紫色這樣逐步的擴張。根據多年來建成區的情況，變化乙個趨勢這樣的分析。
當然我們除了這個以後，也應該把變化檢測到的問題和經濟社會統計資料的分析，就是這種變化，比如說城市的變化，我們檢測到變化規律，它跟社會經濟、人口、基礎設施這樣多方面的情況，它的關係是怎樣的?就是在我們這個行業裡，現在主要做得就是分析，乙個是地圖分析。這個就是我們做得，比如說城市的中心的擴張，它的生態用地、經濟用地、建設用地的變化趨勢。城市經濟空間值相關，還有城市經濟全域性和自相關的情況，和它的用地的發展，與空間關係是什麼樣的。以及交通網路的分析，這個比如說網路的通達性這樣的分析。
還有就是對城鎮擴張的模擬。城鎮擴張的模擬，我們用這個數學模式和模擬的演算法，來對城鎮的擴張進行**。我們乙個工作還挺有意思的，就是在城市中心區的**，大概可以達到86%的準確率情況。比較差一點，是城市邊緣的情況。
四、總結與展望。我想現在我們的工作是：針對不同解析度、不同檢測目標進行畫素級、特徵級和物件級的變化檢測方法;基於不確定性遙感變化檢測方法;考慮空間結構的高分影像分類後變化檢測方法;災害變化檢測(房屋損毀、地表變形)。
研究展望：多感測器資料融合的變化檢測，除了光學影像在其他方面，它的資料量是更加多的，它基於這些多資料的檢測，我想是比較重要的方向。這主要考慮將來衛星的發展，這可能會有實時的變化情況。未來我們還會應用機器學習方法，如深度學習等。
遙感影像自動幾何校正的方法 基於python
1.使用作者寫好的arosics package，進行幾何校正，作者已經封裝的很好了，短短的幾行 就可以實現遙感影像的自動幾何校正，適合於大批量資料的幾何校正，比如我的研究，需要用到時序的資料，手動幾何校正實在太累了 1.首先，使用cmd安裝arosics，在自己的anconda包的路徑下，輸入 p...
批量處理 基於ENVI的遙感影像批量自動配準工具
遙感影像影象配準 image registration 就是將不同時間 不同感測器 成像裝置 或不同條件下 天候 照度 攝像位置和角度等 獲取的兩幅或多幅影象進行匹配 疊加的過程。envi軟體自帶的image registration workflow是乙個自動 準確 快速的影像配準工作流，它將繁雜...
tm影像輻射定標 遙感影像處理的步驟
遙感影像處理的步驟 第一步 幾何精校正與影象配準 引起影象幾何變形一般分為兩大類 系統性和非系統性。系統性一般有感測器本身引起的，有規律可循和可 性，可以用感測器模型來校正 非系統性幾何變形是不規律的，它可以是感測器平台本身的高度 姿態等不穩定，也可以是地球曲率及空氣折射的變化以及地形的變化等。第二...