利用DSM进行变化检测方法研究开题报告

1. 研究目的与意义

随着社会与经济的迅速发展 ,城市的变化也是迅速并且巨大的。 为了及时掌握这些发展和变化状况 ,就需要不断进行数据更新、需要及时地对城市进行动态地监测与分析 ,以便城市管理者和规划者及时采取措施,保持城市在新的形式下不断地调整和维持其动态平衡。特别是对于已建立了地理信息系统(gis)的城市,如何适应这些变化,及时地更新gis的数据,则是城市现代化管理所面临的一个急需解决的问题。但是传统的人工影像判读方法,作业速度太慢,很难适应现代信息社会发展的需要,且作业员容易疲劳、手工进行数据更新是一项繁琐的工作,因而容易遗漏必要的信息。因此必须研究自动化、半自动化的方法 ,才能及时掌握城市变化的情况,更新 gis中的有关数据。而自动化或半自动化的更新数据将大大提高更新速度。

数字表面模型（dsm)是城市空间信息的一个重要组成部分，包含了地表建筑物、桥梁和树木等要素的高度信息，与数字高程模型(dem)相比，进一步涵盖了出地面以外的其它地表信息的高程，能够广泛的应用于城市三维模型建立、国土资源监控及城市现代化管理等多个方面。

此外，dsm 应用广泛，也对规划和国土资源部门进行地理国情监测具有重要的作用。对于城市来讲，土地利用与土地覆盖的变化是地理国情监测中的一个重要内容，特别是随着我国经济的飞速发展，城市建设的步伐不断加快，其中一些区域的无证搭建、扩建、占用农业用地等违法建设的行为也越来越多。与传统的监测手段相比，利用 dsm 对城市建设进行变化检测，取出不同时间、同一地区的dsm 进行比较，就可以迅速找出新建、改建的建筑物，对国土资源部门及时掌握用地信息，快速、高效监测、督察城市违法建设情况，具有重要的实用价值。

2. 研究内容和预期目标

一、主要研究内容

dsm 数据变化检测涉及到大数据量运算，首先需要解决数据存储的问题。尤其在土地利用变化、地理国情监测这样的大批量数据应用中，数据的有效存储和管理是应用顺利进行的基础。数据库对于不同时期等比例尺 dsm 的存储，为变化检测提供了基础。差异检测的基本思想是对同一位置不同时期的城市 dsm 数据进行比较，计算高程差值，并进而发现城市土地利用状况的变化。

本项目以 dsm为主要信息源，在此基础上结合遥感影像和其它地理信息、土地现状、规划信息等进行分析，实现对上海城市土地利用情况快速准确地监测管理，在土地利用绩效评估和工业区域开发强度测算等方面取得了不断突破，为城市规划管理提供有效的技术手段，解决土地监察和规划设计过程中的实际问题，本项目从四个方面入手，广泛调研和深入研究：

3. 研究的方法与步骤

一、DSM 数据存储

DSM 数据最常用的结构是正方形格网 ( GＲID) 。这种格式具有存储量小、结构简单的特点。出于数据管理的需要，DSM 数据采用分块定长的方式来记录，即在同一比例尺下，将数据分成固定边长的单元排列，每个单元的GＲID 数量均相同。这种方式可以使数据库中的每条记录具有固定的编码，有助于建立高效的空间索引。DSM 数据按分块单元组织的结构分为头信息和高程信息两部分，头信息描述图幅的基本空间信息，如左上角坐标、图幅长度和宽度、分辨率等; 而高程信息按顺序逐行记录每个格网的高程值。数据采用二进制方式存储，保证所有记录具有相同的长度。

在数据库中，对 DSM 数据表的组织遵循以下原则:

1) 每张数据表中存储同一比例尺的 DSM 数据，一张数据表中的所有记录具有相同长度;

2) 每条记录存储一个分块单元的数据，分块单元在平面上为一矩形区域，分块单元按不同比例尺的标准分幅大小进行组织;

3) 数据记录包括 DSM 数据体和描述信息，数据体为二进制格式，存储于 Blob 字段中，描述信息包括文件名称、文件格式、单元角点坐标、分辨率、数据生产日期、数据存储日期等。在数据库中，对于数据的生产日期、存储日期都有对应字段描述，因此，数据表中已经对 DSM 的获取时间进行了标记。由于在数据表中，DSM分块单元的位置与大小已经确定，DSM 数据已按照固定比例尺在数据库中分幅存储，因此，在数据更新后，新的数据将完整地覆盖于历史数据单元之上，数据按时间字段实现归类。

除 DSM 表之外，数据库中还设计以下表：

（1）用户组信息表：用于存储 DSM 数据用户组及其权限信息。

（2）用户信息表：用于存储 DSM 数据用户信息。

（3）DSM 操作日志表：用于存储对 DSM 数据表发生的访问和读写记录。

（4）DSM 差分成果数据表：用于存储 DSM 数据的差分结果。

二、DSM变化检测算法研究

1.变化检测算法

利用两个不同时期的DSM 在高度上的变化求取两个不同时期的DSM差值。在差值DSM上, 对其进行二值化处理等基本的图像处理手段, 可以获取在差值DSM上的待选变化区域，并将差值按照新增和拆除进行分类，DSM变化检测结果如图所示，图中红色区域表示新增区域，蓝色区域表示删除区域。

本项目将基于DSM数据，研究DSM自动差值算法和批处理工具，以便方便快捷实现任意区域和任意时间段的DSM变化检测。本项目中将变化检测生成的二值化数据称为变化检测成果数据。

2.变化检测成果表现变化检测成果经过二值化处理，可以表现为灰度图彩色图和凹凸图等多种形式，本项目将对 DSM 变化检测成果表现形式进行研究，以多种形式表现 DSM变化检测成果，为 DSM 变化检测应用于城市拆迁、违章建筑监测、违法用地监测及工业园区建设进度监控等方面，奠定良好的基础。

3.变化检测成果与二维矢量叠加算法

变化检测成果在数据处理阶段和数据应用阶段都要涉及到与二维矢量的叠加运算，如在某区域范围内提取一小部分变化检测成果数据，又如在基本农田保护应用中、在土地利用变化监测中，需要利用土地现状分类等二维数据和变化检测成果进行叠加运算。因此，本项目还将对此叠加算法进行研究。

4.变化检测成果边缘特征提取算法

变化检测成果是二值图像，难以进一步进行数据叠加、提取、分析等操作处理，需要对变化检测成果进行边缘特征提取，将变化检测成果转换为矢量数据。本项目将研究成果数据的边缘特征提取算法，为数据进一步应用提供有力保障。

三、利用影像数据辅助变化检测成果分类

利用DSM数据进行变化检测，是将高度变化的区域检测提取出来，而高度的变化不仅有人工建筑物的变化，同时也有树木等变化， 因此在所求取出变化检测成果中有人工建筑物的变化区域，也有树木等地物的变化区域。要检测人工建筑物的变化, 就要对变化检测成果做进一步的分析予以识别。因此，在DSM变化检测基础上，利用影像特征数据，可以提取植被、树木等变化区域。利用影像特征辅助分离出植被和树等区域的比较好的方法有为基于影像光谱特征方法和基于纹理特征方法。

大量的实验研究表明，由于纹理特征的不同，梯度方向直方图也表现出不同的特性。如果该区域是房屋，那么对它作边缘特征梯度方向(规划到0～360°之间) 的统计分析，一般来说，可以得到4 个或多于4 个峰值。而相邻峰值之间的间隔是90°和180°。而如果该区域是道路，那么对它作边缘特征梯度方向的统计分析，一般来说，可以得到2 个或多于2 个峰值，但是它们之间间隔是180°。如果该区域是树木等其它, 则对它作边缘特征梯度方向的统计分析，一般来说，不存在明显的峰值。因此， 通过局部的边缘特征提取，利用梯度方向直方图来区分这几种不同纹理的区域，从而可以判断待选变化区域是否是房屋的变化。

本项目将分别利用影像光谱特征和影像纹理特征，以实现在变化成果中分离出植被和树。

四、DSM 与航空影像融合变化检测方法

与遥感影像的解译相比，DSM 数据能反映地表高程特征，也就包含了城市空间的三维信息。遥感影像解译的关注点更多的是地物的“类型”区分，而 DSM变化检测，进一步加入了“高度”的变化信息，也就能反映地物的体量。因此，两者的结合，非常适合全面、定量地分析和评价城市建设和土地利用状况。由于 DSM 数据能完全真实地反映地表高度的特点，还能用于发现和纠正一些影像中容易被误读的信息，如屋顶进行绿化，在影像判读时就容易归类成绿地类型，结合 DSM 数据，就能还原出真实情况。

此外，影像解译往往需要较为专业的知识背景，不同地区、不同来源的影像也需要不同的解译规则。而 DSM 变化检测的计算过程较为简单，没有复杂的数学模型，也不需要过多人工干预，非常适合大范围、自动化、高速度的检测，用于对区域总体变化状况的了解。基于以上特点，DSM 变化检测与影像解译这两种方法具有很好地互补性，将两者结合，是对城市地表形态和变化规律进行解读的有效手段。

本项目在基于 DSM 变化检测技术获取城市高度变化信息的基础上，识别 DSM 变化检测结果的地物类型，有效地利用多源数据，完善 DSM 变化检测成果，更好地服务于城市复杂环境下的三维立体变化监测工作。下面就主要的技术和算法进行详细介绍。

DSM 变化检测是从不同时期的 DSM 数据中，定量地分析和确定地表变化的特征与过程。由于 DSM 数据反映了地表高度信息，因此，借助 DSM 数据可以轻易发现任意位置和区域地表高度的变化情况，如建筑物施工、河流填埋改道、植被生长等，由此快速发现地表形态的变化。

通过 DSM 进行变化检测有以下几个特点：

1） 对高度变化极为敏感，数据质量较高的 DSM 数据，变化检测精度可达 1m，城市中较为明显的高度变化现象均能被检测到；

2）DSM 数据具有真实地理坐标，因此 DSM 数据和变化检测结果数据可以和其他矢量或栅格数据进行叠加分析，另外，在进行变化检测时，可以对高度、面积等阈值进行设定，变化检测结果的面积也可进行量测分析；

3）具有多时相特征，多个时段的 DSM 数据相互比较，可以获得城市地表在不同时间尺度内的变化幅度和特征；

4）适用于大范围快速检测，DSM 数据结构较为简单，因此适用于城市空间形态变化的大范围、快速检测。

面向对象的影像处理方法是有别于传统基于像素的图像处理思想。它通过影像分割算法来获得对象（objects），并以对象作为基本处理单元的图像分析方法。所谓对象是指具有光谱、纹理或空间组合关系等相同特征的均质单元，是光谱域上和空间域上的统一定义。

面向对象的航空影像处理首先要进行像素合并和对象分割，从而减少待处理的单元数，同时综合考虑了光谱统计特征及形状、大小、纹理、相邻关系等一系列因素，而且可以结合人的思维，通过人机交互构成知识库，自动提取出真正现实世界中的地理目标，并输出带有属性表的多边形，从而提高分类精度，为各种不同地物的分类提供更多的依据，输出具有更高精度的分类结果。随着面向对象的遥感影像处理软件如 eCognition 的出现和广泛运用，面向对象的方法已在遥感影像分类中得到了广泛应用。

本项目在变化监测应用中建立了面向对象的规则集，并在此基础上实现了变化类型的识别与提取，基本步骤为：首先获取影像数据的先验知识和背景并进行数据预处理，然后进行影像多尺度分割得到各地物识别的最优尺度分割层生成多边形对象，根据分类任务的不同（如分类，目标识别及识别地物类型等）分析对象特征，归纳各类别特征，包括光谱、几何、纹理等信息形成决策规则，根据规则建立决策树结合隶属函数进行目标识别，最后进行精度评价。

五、三维立体变化检测模型实现方法

在遥感影像进行地物识别和变化检测遇到瓶颈，特别是对于三维检测效果不甚理想的情况下，本项目采用了能够有效表达地表三维信息的 DSM 数据进行土地利用变化监测，比较好地弥补了二维平面影像进行变化监测的不足，构建了三维立体变化检测模型。在土地绩效评估和建成区建设强度测算等土地规划管理实际工作中，项目选取 DSM、航空影像、基础地理矢量数据、三维模型数据等多源数据为研究资料，选取建筑容积率、建筑密度、建筑物个数、工业容积率等作为测算或是评估内容，具体研究了三维立体变化检测模型在土地变化监测中的实施机制，制定了相应的技术路线，深入分析和探讨了多源数据在城市土地利用变化监测工作中的特点和作用，分别是：

（1）DSM：能够真实、准确的反映建筑物及其建筑物不同部位的高度信息，比如能准确区分主楼和副楼的高度，对统计建筑面积非常有效。但是它的投影面积受到阴影影响，并且每层的高度需要有先验知识作支撑来推算楼层数。

（2）遥感影像：能直观、快速、大面积的提取建筑物基地面积，具有较高的现实性，有效节省人工调查作业时间。但是不具有高度信息。

（3）基础地理信息矢量数据：1:500 和 1:1000 是全野外人工作业，调查的楼层数和绘制的建筑物基地面积比较准确，但是有部分地区缺少属性，不是每幢建筑物都具有楼层属性，并且不区分主楼和副楼，计算的建筑面积有误差。

（4）三维建筑模型数据：高度是通过立体相对人工判读获得的，因此数据较为准确，也能够区分主楼和副楼，尤其适于统计建筑物个数。

4. 参考文献

[1]李德仁. 利用遥感影像进行变化检测[j]. 武汉大学学报信息科学版，2003，28（特刊）：7-11.

[2]鲍桂叶. gps技术在土地利用动态监测中的应用[j]，科技资讯，2008,7:64.

[3]巴雅尔，敖登高娃，周占鳌. 基于遥感的城市边缘区土地利用动态监测[j]，人文地理，2000,15（5）：76-77.

5. 计划与进度安排

一、研究工作准备阶段（2022.01.20——2022.03.31）：2022.01.20——2022.03.18为准备工作阶段，包括查阅资料、阅读部分参考文献及实验数据准备等；

2022.03.19——2022.03.31为开题阶段，主要工作是撰写开题报告等。二、研究工作开展阶段（2022.04.01——2022.05.25）：2022.3.26——2022.5.10为研究攻坚阶段，主要是研究论文撰写阶段；2022.5.10——2022.5.25为论文修改阶段，对前期工作进行修改和完善。三、研究论文提交阶段（2022.5.25——2022.06.08）：毕业论文排版、打印、装订以及提交。