林汤权

关键词：无人机；遥感影像；变化检测；深度学习

变化检测是对比不同时间探测的实体或现象的状态来辨别其状态转变的影像分析技术，在遥感影像解译中具有重要的作用。无人机低空遥感拍摄的高分辨率遥感影像极大地提高了土地利用、环境变化的监测能力。在遥感应用中，我们通过影像处理和数学模型对不同时期的遥感影像与相关特征的变化进行比较分析感知地物的变化。但使用人工干预的传统解译方法进行高分辨率影像的变化检测，其精度易受到影像解译人员主觀因素的影响且处理效率较低。近些年，计算机视觉技术发展日新月异，拓宽了高分辨率遥感影像变化信息提取的思路。本文将对无人机低空遥感影像智能变化检测的实现及其在新型场景中的应用进行探究。

遥感影像变化检测的实质是由于地物光谱特征随时空发生改变，导致不同时期拍摄同地点所形成的遥感影像的光谱效应存在较大偏差，所以对不同时期的遥感影像变化检测可以分析地物的演变。实际上，影像变化检测的内容包含以下三个方面：第一，类型变化：识别目标地表空间的地物类型，并确认类型是否发生转变；第二，位置变化：检测地物发生变化的位置或占地面积；第三，变化趋势：分析地物在时空上的变化规律，并依此预测未来的状态。总的来说，变化检测的内容因应用领域的不同而会有所侧重。在实际应用过程中，往往需要根据遥感影像变化检测任务的需要采用恰当的变化检测算法。

目前，无人机低空遥感影像智能变化检测主要包括三个方面，分别是影像预处理、影像变化信息提取与分析、检测结果输出与应用，本文探讨两时相影像变化检测的实现方案。

在遥感影像中使用多个颜色通道的灰度值来表征地物，从中提取目标对象的特征是变化检测的关键环节。因此，遥感影像变化检测前需要确定检测目标，并收集影像数据和检测目标的空间分布、光谱特性等信息。另外，由于数据质量直接影响变化检测的结果，若能控制由于拍摄平台、气候、光照条件等客观因素造成的成像差异，统一变化检测影像的辐射分辨率，则能较大幅度地提高变化检测的精度。

有别于其他的数字图像处理技术，变化检测主要是解译同地表空间不同时相的影像，具有影像数据量多，影像数据差异大、地物变化复杂等特点。为了凸显影像变化检测的对象，提高影像的解译能力和变化检测的精度，需要对遥感影像数据进行预处理操作，包括几何校正、辐射校正等。在进行影像数据预处理时，不仅要充分考虑到无人机航空拍摄时的各种影像畸变和环境误差，还需要探讨如何优化特征选择以提高数据预处理的质量。

早期以像素为基本处理单元的变化检测方法在识别复杂应用场景或高分辨率遥感影像时计算性能易陷入瓶颈[1]。而现如今无人机采集的遥感影像多为高分辨率，基于像素的变化检测易产生伪变化，若采用面向对象的影像变化检测方法往往会有更高的精度[2]。面向对象的影像变化检测的基本原理是采用面向对象的影像分割方法识别影像中地物并分类，再对不同时相的地物从类别、位置、形状等视角进行比对以发现影像的变化区域。随着深度学习的发展，面对复杂目标对象的特征及关联性的刻画有了新的解决方案。在变化信息提取方面引入一些新知识和模型，如将UNet、注意力机制等应用于影像分割，趋于采用多尺度分割、多数据融合分割以及多种算法相结合的影像分割方式[3]。面向对象的影像变化检测方法的关键在于如何选取有效的目标特征，而基于深度学习的影像分割能自动地进行目标特征提取，从而提高变化检测的自动化程度。

无人机低空遥感技术是对地监测系统的重要补充，它以独特的方式提供高精度、实时的地面观测数据。如城管、城建相关部门利用无人机低空拍摄大比例尺实景影像，通过地物分类检测变化信息，对违法搭建、违法堆放等情况进行解译；环保部门利用无人机遥感平台携带的超高清数码相机对高危江河流域、涉污工厂等进行跟踪调查观测，完成环保执法取证。无人机低空遥感因其独有优势，预计未来还将在智慧城市、数字考古、新农村建设等领域中快速拓展。

参考文献：

[1]刘斌，渠星星，陈相庭.最新的超像素算法研究综述[J].现代计算机（专版），2016（35）：62-65.

[2]眭海刚，冯文卿，李文卓等.多时相遥感影像变化检测方法综述[J].武汉大学学报（信息科学版），2018，43（12）：1885-1898.

[3]陈璐，管霜霜.基于深度学习的城市高分遥感图像变化检测方法的研究[J].计算机应用研究，2020，37（S1）：320-323.

基金项目：2022年福建省中青年教师教育科研项目“基于无人机低空遥感影像的河道垃圾智能识别方法的研究”（JAT220636）。

（作者单位：福建生物工程职业技术学院）