GeoHey Lab : 城市的“沧海桑田”
遥感影像变化检测是遥感影像数据处理和应用的重要环节，变化检测就是从不同时期的遥感影像中，定量的分析和确定地表变化的他特征与过程。目前遥感影像变化检测技术在很多领域起到了重要作用，比如土地利用，城区变化和管理规划，农业调查，测绘中的基础地理数据库更新，海洋和内陆水体监测，湿地管理检测管理以及就是侦查及打击效果评估等。
对于提取两幅影像的变化信息，普遍的方式是分类后比较。该方法对多个时相的遥感影像进行分类，使用变化检测矩阵对两类分类图进行逐像元比较，最后提取变化信息。分类后比较法的优点在于它可以直接提取地物的变化类型信息，即可以获得更为详细全面的地物变化信息。下图是分类后比较法变化检测流程图：
我们在此基础上使用深度学习进行影像分类。
卷积神经网络是在多层神经网络的基础上发展起来的针对图像分类和识别而特别设计的一种深度学习方法。对于图像分类与识别有极高的准确度。
实际应用中，需要区分目标识别与图像分类，目标识别是一图一标签，而图像分类或者说图像分割是一图多标签，当识别物为个体目标时，比如一栋楼，这时应当使用目标检测，然后逐对象比较；当识别物为区域类型，如森林，水系，这时应当使用影响分割。
下图是我们使用深度学习进行变化检测的流程图：
后处理时需要去除碎部，平滑区域。
我们主要对北京某区域02年及16年的影像做了城市建筑的变化检测。
上层为02年影像，下层为16年和检测的变化区域影像
绿色区域为棚户区变化为建筑，红色区域为荒地变化为建筑
城市建筑变化检测对城市规划有着重要的意义，以往城市建筑的变化检测基本上采用人工判读影像甚至实地检测，耗时长，效率低。现在影像数据来源方便，在使用深度学习处理遥感影像之后，城市建筑变化检测的效率得到很大的提高。
下面是我们做的一个交互界面
欢迎从GeoHey获取地理和位置相关的数据、知识、服务
访问网站 http://geohey.com
联系我们 contact@geohey.com
长按关注公众号
