随着现代遥感技术的快速发展, 遥感影像变换检测技术受到重视并被应用到地理国情检测、 土地调查、 生态系统监测、 食品安全保障和**侦察等领域。 高光谱影像所具有的更精细的光谱分辨率以及多时相高光谱影像所提供的更加丰富和更为详细的光谱变化信息为进一步精细判断地表的变化提供了可能。 然而高光谱影像高复杂度的数据结构、 高维度的数据特征、 高冗余信息, 以及不同时相光谱信息对环境的敏感性极大地增加了多时相高光谱变化检测的难度。 文章以变化检测过程中所涉及的技术手段为主线, 首先从六个方面对多时相高光谱影像变化检测的研究动态及现状进行分析, 包括: (1) 基于高光谱影像间广义相似度度量的传统高光谱影像变化检测方法, 该类方法主要沿用了高光谱影像出现之前多光谱变化检测的技术路线; (2) 基于降维的高光谱影像变化检测方法, 该类方法主要为克服高光谱影像所具有的高维度、 高冗余等特性给变化检测带来的不良影响而展开; (3) 基于统计建模的高光谱影像变化检测方法, 该类方法通过对高光谱影像的统计特性和多维度相关性进行挖掘和建模来确定各像元的变化属性; (4) 基于分类方法的高光谱影像变化检测方法, 该类方法将图像的分类策略引入到变化检测过程中为获得“from-to”类型的变化信息提供保障; (5) 基于光谱解混的高光谱影像变化检测方法, 该类方法主要面对高光谱影像低空间分辨率所带来的混合像元问题如何提取精细的变化信息而展开; (6) 基于深度学习的高光谱影像变化检测方法, 该类方法通过将深度学习技术应用于多时相高光谱变化检测中而产生的一类新兴而具有发展前景的变化检测技术。 进一步, 对目前多时相高光谱影像变化检测中面临的挑战性问题进行了提炼和分析展望。

异源多时相点云数据是建设数字城市和智慧社会的关键空间数据支撑，其准确配准是开展各类后续应用的前提。针对异源多时相点云配准任务中数据规模大、结构差异大、场景变化大的难点，本文提出了一种自动的无控配准方法。首先将城市场景的整体点云数据过分割为平面区块，交汇相邻的平面生成稳定而特异的对象级虚拟关键点；然后将关键点间的刚体几何空间关系编码为图结构间的距离约束，匹配获取待配点云与目标点云间的同名点对；最后利用同名点对求取刚体转换参数，并应用转换参数将待配点云转换至目标点云的坐标系中。选择荷兰鹿特丹市某一典型城市场景地块的异源多时相点云数据验证了所提方法的有效性。实验结果表明，本文方法能够自动、准确、高效地实现城市场景异源多时相点云的无控配准，具有较高的工程应用价值。

以河北省廊坊市永清县整个县域为研究区，以GF1-WFV 16 m分辨率影像为数据源，选取覆盖作物完整生长期多个时相的影像数据，构建作物归一化植被指数(Normalized Difference Vegetation Index，NDVI)时间序列。通过对研究区NDVI曲线的分析，发现利用该数据构建的NDVI时间序列可描述研究区作物的生长特性，体现当地不同作物的物候差异，能有效地区分出当地的种植模式。选取NDVI曲线上最大值、最小值、峰值的出现时间、峰值数量和阈值等特征参数构建决策树。根据研究区的物候历和对当地种植结构的调查，利用最佳时相的影像，针对某一种或特定几种作物进行分类提取。分别采用决策树分类、神经网络分类等方法进行精度验证，综合比较得出最佳的作物分类方法。研究结果表明，在永清县这一县域研究区，利用GF1-WFV 16 m分辨率多时相遥感数据进行作物分类，采用决策树分类、神经网络分类两种方法的精度分别为72.0729%、87.3%。利用决策树分类的效果最优。

美国新一代环境气象卫星NPP/联合极轨卫星系统（JPSS）增加了可见光红外成像辐射仪(VIIRS)白天/夜间波段(DNB)的微光昼夜成像通道, 继承了**气象卫星计划(DMSP)线性扫描业务系统(OLS)收集全球微光成像数据的能力, 并在性能上有大幅提升, 利用VIIRS DNB数据可以进行夜间城市灯光探测。针对中国中东部经济快速发展区域城市灯光产品的迫切需求, 综合考虑云层、月光、太阳照射、闪电、火灾等因素的影响, 对低质量数据和非灯光特征数据进行识别和剔除, 采用VIIRS DNB多天夜间数据进行融合, 将多天无月光的有效灯光辐亮度数据进行平均, 生成中国中东部地区夜间城市灯光的月合成产品。将本算法生成的产品与美国国家海洋和大气管理局(NOAA)业务城市灯光产品的辐射亮度值进行对比验证后发现, 两者具有可比性。所开发的城市灯光融合产品算法为后端的衍生应用及其他夜间微光遥感产品的反演奠定了技术基础。

建议了一种基于光流动态纹理(optical flow dynamic texture)的高分辨率遥感影像变化检测新方法, 用一种运动的关系描述地物变化, 能够在多时相高分辨率遥感影像中自动获取土地利用和土地覆盖的变化信息。 利用光流理论从原理上描述了地物渐变的过程, 突破了以往遥感变化检测方法中认为地物发生突变的假设。 该方法的流程简单, 易于在目前的土地管理、 城市规划等需要发现用地变化的系统和软件中使用。 该方法考虑到了多时相遥感影像间的时间维度特征, 为遥感变化检测提供了更加丰富的信息, 进而改善了变化检测方法主要依赖空间维度信息的现状。 以光流动态纹理作为变化的基本体现, 结合光谱信息共同用于高分辨率遥感影像的支持向量机分类后变化检测, 方法顾及了遥感影像时间维度的纹理, 相较大多数空间纹理其数据量较小; 纹理计算仅需设定一个参数, 自动程度较高; 可缓解行业中大量人工解译的现状。 通过利用中国大庆市杜尔伯特蒙古自治县2011年和2012年QuickBird影像对该方法的有效性进行了评价。 深入分析了不同的光流平滑系数α对该方法的影响, 以及对地物变化描述效果的影响。 实验结果显示, 该方法效果理想, 总体精度达到87.29%、 Kappa系数达到0.850 7, 其精度优于单纯利用光谱信息的分类后变化检测方法。

近年来, 随着遥感平台和传感器的发展, 已经实现了对地球表面大部分区域的连续重复遥感观测, 积累了海量的多源、 多尺度、 多分辨率遥感数据。 这些数据详细记录了地表上各种地物的变化过程, 使得基于遥感影像的中长期变化检测等全球变化研究成为可能, 并极大地推动了遥感影像处理方法和应用的研究。 但是, 尽管许多学者已经开展了大量相关的研究工作, 目前基于多时相遥感影像的变化检测仍然面临许多挑战, 还没有形成相对完整、 成熟的理论体系, 对相关研究进展的系统性总结工作仍然相对缺乏。 回顾了多时相遥感变化检测方法的发展现状, 并根据输入数据类型和数量的不同将这些方法分成单时相分类比较法、 双时相比较法和时序分析法三类, 对其进展情况和特点分别进行总结分析, 然后就多时相遥感影像变化检测方法研究中现存的问题加以分析, 并尝试探讨了其发展趋势。

基于高斯测量矩阵的一维压缩感知测量数据不仅能很好地保持稀疏信号的能量信息, 也能够很好地继承稀疏信号的方向信息.但是在一维压缩感知模型中方向信息无法应用于稀疏信号的重构和检验.针对遥感影像中变化区域稀疏的特点提出了二维压缩感知模型.并利用能量和方向信息构建了基于二维压缩感知的稀疏信号重构算法(2DOMP).理论分析和实验结果证明, 2DOMP算法的信号重构能力更强.同时根据压缩感知恢复稀疏信号只需要很少测量数据的特性提出了定向遥感和定向变化检测的概念.

作为大范围、全天候、动态监测灾害时空变化的高技术手段，卫星遥感在灾害监测和环境保护中的应用日益 广泛。但在国内，产品化的遥感数据很少。因此，如何快速制作遥感数据产品是国内遥感数据是否能得到广泛应用的关键。 本文提出了一种快速自动化多时相遥感数据处理方法，该方法通过用ERDAS的Batch Command对NDVI数据产品进行批处理， 大大节省了人力和时间。该方法也可供类似的大数据量遥感影像处理借鉴。

因浅层地下目标的存在引起地表红外图像随时间变化，通过多时相红外图像探测了地下目标.针对部分红外图像中的曝光噪声等干扰会造成多时相红外图像自动选取的困难，提出了基于核小成分分析的多时相去噪方法，自动获得效果良好的图像；然后采用基于空间和时相变化信息约束的多时相模糊核聚类算法对去噪后的多时相红外图像进行分类，其中引入了时相信息指数，对时相权重因子进行修正；最后由分类结果给出符合逻辑的地下目标的位置及大致种类数，并由地下目标的红外成像机理初步给出地下目标的大体物理性质，为利用热红外图像探测地下目标提供了一些有意义的研究.