摘要：由于街景影像具有地物尺度多样化、地物界限不明确、地物光谱信息复杂等问题,造成应用统计方法、机器学习等方法对复杂度高的街景影像变化检测性能欠佳.因此提出一种结合语义分割模型和图割(GC)的街景影像变化检测方法.该方法首先采用Camvid数据集训练DeeplabV3+网络得到的迁移学习模型对两个时期的街景影像进行语义分割;然后采用GC方法实现消除天空和植被等对街景影像的影响;接着采用变化向量分析(CVA)获取差异影像,最后对差异影像进行二值化和精度评价.研究结果表明,提出的方法总体精度优于大津法(OTSU)、K均值法、Segnet网络迁移学习模型方法和DeeplabV3+网络迁移学习模型方法,是一种可行的街景影像变化检测方法.

摘要：针对多时相遥感影像变化检测存在数据不确定性、检测精度不高等问题,提出了一种结合变化向量分析(CVA)和直觉模糊C均值聚类算法(IFCM)的多时相遥感影像变化检测方法.首先通过CVA构建两个时相遥感影像的差异影像;然后采用直觉模糊C均值聚类算法对差异影像进行聚类得出变化区域和未变化区域;最后对变化检测结果进行二值化处理并进行精度评价.选取两个时相的高分一号遥感影像和Szada数据集影像作为实验数据.实验结果表明,采用提出的方法可有效解决传统方法存在的数据不确定性问题,变化检测精度达到了95.92%和92.70%,是一种可行的遥感影像变化检测方法.研究结果可用于森林动态变化监测、土地复垦利用规划变化分析以及灾损评估.

摘要：洱海作为我国重点保护湖泊“新三湖”之一,近30年间环洱海地带经济发展与人地矛盾的问题日益突出.研究环洱海地区长时间序列的土地利用变化规律,分析人类活动的影响程度对保护治理洱海具有重要意义.基于谷歌地球引擎(GEE)云平台,以1991—2020年7期Landsat TM/OLI影像为基础数据,融合光谱、归一化差异指数和增强型植被指数等特征,采用随机森林方法对环洱海10 km范围进行了土地利用分类,结合土地利用变化图谱、人类活动指数模型定量分析了城镇化背景下环洱海地带土地利用类型的演变趋势及人类活动强度.结果表明:1991—2020年林地、草地面积整体呈减少趋势,主要转出方向为耕地;建设用地面积持续增长,主要转入来源为耕地;水域面积变化较小,湿地呈先增加后减少趋势,上述变化趋势与环洱海地区城镇化快速推进有关;人类活动强度总体逐年上升,以低影响区为主且保持相对稳定.高影响区和中高影响区主要集中于环湖南侧和环湖西侧,中低影响区呈零星块状分布且一直呈减少趋势.