[發(fā)明專(zhuān)利]基于鄰域相似度和閾值分割的遙感圖像變化檢測(cè)方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201010267420.8
• 申請(qǐng)日: 2010-08-30
• 公開(kāi)（公告）號(hào): CN101950364A
• 公開(kāi)（公告）日: 2011-01-19
• 發(fā)明（設(shè)計(jì)）人: 張小華;焦李成;王樂(lè);田小林;王爽;王桂婷;緱水平;鐘樺;陳佳偉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06T7/00
• 代理公司: 陜西電子工業(yè)專(zhuān)利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于鄰域相似度和閾值分割的遙感圖像變化檢測(cè)方法，包括如下步驟：

(1)選取不同時(shí)相的兩幅遙感圖像X₁和X₂，時(shí)相中包含有目標(biāo)變化信息，且目標(biāo)信息受到噪聲污染；

(2)采用強(qiáng)度歸一化法對(duì)兩幅遙感圖像進(jìn)行灰度匹配；

(3)對(duì)灰度匹配后的兩幅遙感圖像分別取同一位置像素點(diǎn)的局部鄰域塊，設(shè)定窗口尺度，用滑窗法對(duì)每個(gè)像素點(diǎn)取相同尺度鄰域，對(duì)于每個(gè)鄰域，度量?jī)煞鶊D像對(duì)應(yīng)位置像素點(diǎn)的相似性，得到兩幅圖像的相似矩陣：

d_a(i，j)＝∫_ΩG_a(s)|X(x+s)-Y(y+s)|²ds

其中X和Y分別為兩幅遙感圖像相同位置對(duì)應(yīng)的鄰域塊，s為窗口尺度，x和y為窗口中心像素點(diǎn)的位置，i，j為相似矩陣中像素點(diǎn)坐標(biāo)，Ω表示窗口區(qū)域，G_a(s)為高斯核函數(shù)；

(4)利用相似矩陣定義每個(gè)像素點(diǎn)的權(quán)值：

其中h為衰減參數(shù)；

利用定義的權(quán)值，求取兩幅遙感圖像的差異影像：

X_D(i，j)＝w(i，j)×(X₁(i，j)-X₂(i，j))

其中X₁(i，j)和X₂(i，j)分別為兩幅遙感圖像在位置(i，j)的像素灰度；

(5)設(shè)定任意閾值為(s，t)，用2D-Otsu方法求得差異影像的最佳閾值(s₀，t₀)，根據(jù)最佳閾值將背景和目標(biāo)分割開(kāi)來(lái)，即將s≥s₀，t≥t₀的點(diǎn)作為目標(biāo)，將s＜s₀，t＜t₀的點(diǎn)作為背景，將s＞s₀，t≤t₀以及s≤s₀，t＞t₀的點(diǎn)作為邊緣點(diǎn)和噪聲點(diǎn)；

(6)使用模糊熵處理方法對(duì)邊緣點(diǎn)和噪聲點(diǎn)繼續(xù)分割，檢測(cè)出目標(biāo)。

2.根據(jù)權(quán)利要求1所述的圖像目標(biāo)變化檢測(cè)方法，其中步驟(2)所述的采用強(qiáng)度歸一化法對(duì)兩幅遙感圖像進(jìn)行灰度匹配，是通過(guò)下式進(jìn)行強(qiáng)度歸一化：

X₂＝(σ₁/σ₂)×(X₂-μ₂)+μ₁

其中μ₁，μ₂分別為兩幅遙感圖像X₁，X₂的均值，σ₁，σ₂分別為兩幅遙感圖像X₁，X₂的方差。