基于空间上下文迁移推理的土地利用图斑变化检测方法研究

Land-use parcel change detection is one of the core works in land-use remote sensing monitoring. To extract current changed parcels under guides of historical ones by post-classification change detection, this research combines feature transfer and case-based reasoning and puts emphasis on composite object classification method based on transfer reasoning. Firstly, spatial context including texture and spatial metrics is extracted to characterize parcel. In view of the precision problem in composite object texture extraction, optimization method for spatial distribution of local interest points under constraint of meaningful segments, and spatial information encoding method of texture histogram based on spatial co-occurrence kernel are researched. Secondly, to solve the domain adaption problem encountered when classifying current parcels under the guides of historical ones, feature transfer method which takes domain similarity and feature stability into consideration simultaneously is researched to extract space-time invariant spatial context. Finally, applicability of parcel classification model is enhanced by imposing cost minimization constraint on case-based reasoning model to benefit newly-increasing construction extraction, and model robustness is enhanced by interpolating missing feature using correlated ones. Then, changed parcel is extracted by post-classification comparison. This research will help establish the methodology of land-use parcel change detection based on transfer reasoning of spatial context, and will prompt accuracy and automaticity of parcel change detection.

图斑变化检测是土地利用动态遥感监测的核心工作之一。本项目将特征迁移和案例推理结合，重点研究基于迁移推理的复合地物分类方法，实现历史图斑指导下的现势图斑分类后变化检测。首先，提取由纹理和空间指数构成的图斑空间上下文特征，针对复合地物纹理精确提取的难点，研究图斑有意义对象约束的局部描述子兴趣点空间分布优化方法、基于空间共现核的纹理直方图空间信息编码方法；其次，围绕利用历史图斑案例指导现势图斑分类的域适应问题，研究顾及时空域相似性、特征稳定性的特征迁移方法，提取时空不变的空间上下文特征；最后，构建新增建设用地检测代价最小约束下的案例推理模型以增强分类模型的适用性，研究基于特征相关性的缺失特征插值方法以增强模型的鲁棒性，并通过分类后比较检测变化图斑。通过本项目的研究，建立基于空间上下文迁移推理的图斑变化检测方法体系，提高图斑变化检测的精度和自动化程度。

土地利用信息提取是土地利用动态遥感监测的核心工作内容，业务中采用的目视解译方法不能适应监测范围、频次、工作量的要求，而传统的直接基于遥感影像的分类/变化检测方法由于只能提取土地覆盖信息而无法跨越土地覆盖与土地利用间的语义鸿沟。空间上下文特征是实现土地覆盖到土地利用转换的有效特征，本项目聚焦基于人工/深度空间上下文特征的土地利用信息提取方法，并以高尔夫球场为例，实现了基于人工/深度空间上下文特征的典型复合地物图斑检测。首先，研究了基于人工空间上下文特征的土地利用信息提取方法，建立了从像素到对象到土地覆盖再到土地利用的层级式图斑表达模型，利用在该模型基础上提取得多尺度纹理和空间指数特征建立了土地利用混合分类模型；其次，研究了基于深度特征的土地利用信息提取方法，利用视觉注意力机制引导稀疏滤波器从无标签遥感影像中非监督地学习滤波参数，并利用该滤波参数对卷积神经网络进行初始化，利用少量标签影像对网络进行精调整后可实现土地利用分类；再次，以高尔夫球场为例，研究了基于人工空间上下文特征的典型复合地物自下而上的目标检测方法，通过基本要素提取、靶区组合、空间指数计算、模糊聚类等步骤实现了对高尔夫球场的检测；最后，研究了基于深度特征的高尔夫球场检测方法，针对正样本稀少问题利用多时相遥感影像进行时域增强，并在知识的引导下实现了基于卷积神经网络的高尔夫球场检测。本项目研究成果已应用于典型地区土地利用信息提取和高尔夫球场检测中，在土地利用分类和变化检测、复合地物目标检测等方面具有应用潜力。