高 扬，李 艳，黄小赛，吴剑亮，马佩坤

（1.南京大学国际地球系统科学研究所，江苏 南京210023）

针对高分辨率遥感影像提出一种集成PCA和CVA的新方法，提取2个时期房屋的变化。使用第一和第二个主成分作为CVA的输入数据，最大化保留数据信息，减少数据冗余和噪声。数据在CVA过程中，利用向量的改变，从幅度和角度两个方面来表现像素的变化，防止光照不同而产生的系统误差，减少误检测［1-7］。

1 方 法

1.1 数据和预处理

变化检测涉及多时相遥感影像数据的应用［8］。本文所用数据是2个地区不同时间段的20 cm空间分辨率航空遥感影像，每幅影像都有RGB 3个通道并且拍摄于相近的光照条件下。该组实验数据包括了变化和未变化的房屋。其中，有些房屋屋顶颜色重新刷新过，有些房屋有面积形状等改变。在变化检测前，先对影像进行了几何校正以消除图像偏移。

1.2 方 法

1.2.1 主成分分析法

主成分分析也称Karhunen-Loeve变换（简称K-L变换），是一种线性变换。它是一种均方误差最小的最佳正交变换，是在统计特征基础上的多维线性变换［9,10］。转换后的变量彼此间互不线性相关，这些变量就叫主成分，并且按照降序排列。主成分分析法也经常被用来给数据降维。转换前的数据可能具有较强的相关性，而转换后的几个成分彼此互不相关，第一主成分对应的是自协方差最大的成分，它保留了原始数据最多的信息，第二、三等主成分依次包含较少的信息。本文使用了变换后的主成分而不是原始影像作为输入数据，主要是关注PCA正交特征以及数据量的减少。……