基于ENVI深度学习违章建筑物变化检测分析技术路线

1.技术流程

2.数据源

本次实验采用高分卫星遥感3波段多光谱影像共6景（2019年和2021年各3景），分辨率为0.8米，范围为南昌市新建区周边1380平方公里，影像已镶嵌为2019年和2021年相同范围两幅研究区影像。

3.预处理

3.1几何校正

在ENVI Classic中分别打开两时期影像，利用几何校正功能下的Image to Image模块以2019年影像为基准影像，2021年影像为待校正影像人工选取地面控制点之后输出校正结果。

3.2波段合成

在ENVI工具箱中选择Raster Management/Build Layer Stack，选择两时期3波段影像数据，其他参数按照默认，设置文件输出路径，点击OK进行波段合成，得到两时期6波段合成结果。

4.深度学习

深度学习操作流程主要包括三个部分：首先，创建标签图像。标签栅格的生成一般先选择典型的子区域绘制样本后生成标签栅格；第二，训练深度学习模型。有了标签栅格就可以初始化深度学习模型并进行模型训练；第三，使用训练好的模型进行目标提取。训练好模型之后就可以使用训练好的模型进行目标提取。提取之后可进一步将分类结果转换为矢量ROI再次进行编辑生成新的标签栅格重复训练模型，直到得到较好的结果。

4.1创建标签图像

4.1.1绘制标签ROI样本

通过人工目视解译的方法绘制研究区范围内ROI 样本，在ENVI 上方工具栏点击感兴趣区域工具按钮，创建变化图斑ROI，沿着变化图斑轮廓绘制变化图斑样本。如下图所示：

4.1.2创建样本库

保存绘制的ROI文件并导出一个shp文件，在ArcMap中打开shp文件创建1000*1000像素范围的缓冲区，对重叠的缓冲区进行合并，保存生成的缓冲区文件。在ENVI中打开Toolbox工具，选择Vector/Vector to Bounding Box，在弹出的对话框中选择生成的缓冲区矢量，Oriented Bounding Box选择No，根据图斑边界生成最小外接矩形，设置文件输出路径点击OK，得到样本矢量范围。

然后在Toolbox中选择Extensions/Frame Subset via Shapefile矢量分幅裁剪工具对影像进行分幅裁剪。在弹出的对话框中依次选择合成的6波段影像和上一步得到的样本矢量范围，裁剪出的各样本子区域名称按矢量文件中选择的字段名称命名，选择导出文件夹执行得到各样本区域

4.1.3生成标签栅格库

对于大批量标签栅格的生成，可使用ENVI Modeler建模工具进行批量标签栅格的生成。在ENVI工具箱选择Task Processing/ENVI Modeler打开建模工具，构建如下批处理模型，在Generate Output Filename节点中设置导出路径，点击Run按钮，生成批量标签栅格。（Generate Output Filename节点可在App Store中下载。）

4.2模型训练

使用随机化参数组的方法训练模型。在进行随机化参数训练之前，需要先初始化一个深度学习模型。在Toolbox工具箱选择Deep Learning/Train TensorFlow Mask Model，点击Input Model下方的New Model弹出初始化模型参数设置对话框，Number of Bands为波段合成后影像的波段数量，本次研究数据为合成后6波段影像，所以设置为6。Number of Classes为变化类别，本次实验提取房屋，所以这里变化类别设置为1。Output Model选择初始化模型输出路径，点击OK，生成初始化模型。

接下来训练模型。在Toolbox中，选择Deep Learning/Deep Learning Guide Map，在工具对话框选择Tools> Randomize Training Parameters Using the ENVI Modeler打开随机化参数训练工具。点击Run按钮，弹出随机化参数训练对话框。参数设置如下：

4.3模型分类

训练完成之后得到多个最优模型。在Toolbox中，选择Deep Learning/TensorFlow Mask Classification打开深度学习模型分类工具，Input Raster选择研究区数据，Input Trained Model选择训练好的最优模型，Output Classification Raster选择提取结果输出路径和文件名，Output Class Activation Raster选择类激活栅格输出路径，点击OK得到分类结果。红色图斑为提取的变化区域。

5.结果分析

5.1分类后处理

5.1.1小图斑处理

在Toolbox中，选择Classification/Post Classification/Classification Aggregation，在弹出的参数对话框中Input Raster选择分类后结果，Minimum Size和Aggregate Unclassified Pixels按照默认设置，设置输出路径点击OK，得到小图斑处理后结果。

5.1.2主次要分析

在Toolbox中，选择Classification/Post Classification/Majority/Minority Analysis，选择上一步的输出文件，在弹出的参数设置对话框中选择变化类别，Analysis Method默认Majority进行主要分析，Kernel Size设置为27×27，其他参数按照默认，设置结果输出路径点击OK，得到主要分析处理结果。

5.2分类栅格转矢量

在Toolbox中，选择Classification/Post Classification/Classification to Vector将分类栅格转为矢量。选择上一步的输出结果，在弹出的对话框中，Export Classes选择变化类别，其他参数默认，设置输出路径点击OK，得到结果。

5.3生成最小外接矩形

在Toolbox中选择Vector/Vector to Bounding Box，在弹出的对话框中选择上一步输出的矢量，Oriented Bounding Box选择Yes，根据图斑边界生成最小外接矩形，设置文件输出路径点击OK，得到最终结果为变化区域范围矢量。