董岳，王飞

(山东科技大学 矿业与安全工程学院，山东 青岛 266590)

0 引言

变化检测是从不同时刻针对同一地区所获得的遥感影像分析，确定各种地物随时间的变化过程，其实质是地物变化引起地表波谱反射特征的变化，进而导致像元光谱响应的变化[1-3]。随着遥感和信息技术的发展，变化检测已经在不同领域得到广泛应用[4-5]。

现有的方法中如何构造差异影像，并依据差异影像选取变化阈值是变化检测信息提取过程中的两大难点问题。多光谱遥感影像各个波段数据间存在的相关性与冗余性影响变化算法的效率与精度，同时给构造差异影像带来一定的困难。常见的变化检测方法如简单的算术运算法(影像差值、影像比值)、变化矢量分析法(change vector analysis，CVA)[6]等通过各波段简单的算术运算，构造影像间的差异，缺少多波段影像间相关性的处理；利用主成分分析(principal component analysis，PCA)[7-8]、偏最小二乘算法(partial least square，PLS)[9]、多变量变化检测算法(multivariate alternative detection，MAD)[10]提取多波段影像间不相关成分，在变化检测领域有广泛的应用，但是这些统计算法得到的相关因子是前后时期多元变量的线性组合，实现了变量间的去相关处理。但是由于遥感影像的成像周期性，在这期间的地表反射率、传感器等人为不可控因素的变化，不可避免地发生非线性变化的问题。对于变化阈值的设定，传统的影像分割方法如直方图曲率分析、最大类间方差自动分割等不能取得良好的效果，而基于BP (back propagation)-神经网络分类[11]监督分类方法存在训练数据结果不稳定的固有缺陷，会降低整体检测精度。……