[發明專利]基于主成份廣義逆變換的圖像變化檢測方法

有效

• 申請號: 201110009716.4
• 申請日: 2011-01-18
• 公開（公告）號: CN102063722A
• 公開（公告）日: 2011-05-18
• 發明（設計）人: 胡軍輝;楊杰
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王錫麟;王桂忠

技術領域

本發明涉及的是一種圖像處理技術領域的方法，具體是一種基于主成份廣義逆變換的圖像變化檢測方法。

背景技術

隨著航天技術、傳感器技術、計算機技術及相關科學的迅速發展，遙感技術在社會生活和經濟建設中發揮越來越重要的作用。變化檢測是從同一地域不同時期的遙感圖像數據中定量分析和確定地表變化的過程。在更新地理數據、評估災害、預測災害發展趨勢、土地覆蓋/利用檢測、新一代智能型對地觀測衛星等方面有著廣泛的應用前景。

通常情況下，變化檢測是對未知目標區域進行的，而且由于遙感圖像自身的一些特點，如信息與噪聲的共生性、方位不一致和光照不均勻等，使得圖像數據帶有一定的模糊性和不確定性。因此在有噪聲或者圖像質量差的情況下準確的檢測出圖像中的變化區域是一項長期而重要的任務。

經過近幾十年的發展，遙感圖像變化檢測方法一直處于不斷改進和發展中，很多學者在這方面做了大量的研究。根據算法的實現途徑不同，大致可以分為三大類：(1)基于光譜像元進行簡單代數運算的方法。這類方法簡單，主要問題是如何確定閾值來分割變化目標。Paul?L.Rosin于1998年在Sixth?International?Conference?on?Computer?Vision上發表論文Thresholding?for?change?detection(變化檢測中閾值的確定)。主要工作是針對基于圖像做差分檢測方法中閾值的確定，論文中對噪聲和信息分別建模，提出了四種選擇閾值來有效提取變化區域的方法。(2)基于圖像分類的方法。Civco等于2002年發表論文A?Comparison?of?Land?Useand?Land?Cover?Change?Detection?Methods(土地使用和土地覆蓋變化檢測方法的比較)。文章中對每個時相的遙感影像進行校正和分類，使用變化檢測矩陣，對兩幅分類圖進行逐像元比較來獲取具體的變化類型。該方法要求分類盡可能準確，分類誤差影響最終檢查誤差。(3)基于多變量分析的數據變換的方法。Guiting?Wang等于2009年在2nd?Asian-Pacific?Conference?on?Synthetic?Aperture?Radar上發表論文Change?detection?in?SAR?image?based?on?multiscale?product?and?PCA(基于多尺度和主成份分析變化檢測在SAR圖像中的應用)。論文中首先對圖像進行多尺度小波變換，然后為了增強變化信息和減少噪聲的干擾，通過主成份變換的方法合并多尺度處理后的結果。目前這些變化檢測方法一般是針對具體的應用提出的，并沒有一種通用的變化檢測方法能應用于所有的場合。

發明內容

本發明針對現有技術存在的上述不足，提供一種基于主成份廣義逆變換的圖像變化檢測方法，在主成份廣義逆變換后的特征空間里對圖像進行差分檢測，有效的抑制了噪聲，降低了圖像模糊扭曲等對檢測精度下降的影響，提高了檢測精度。

本發明是通過以下技術方案實現的，本發明通過對待檢測圖像重新組織數據后進行兩個特征空間中的變換，并在變換后的特征空間里進行更新波段差分處理以獲取變化成分，再通過自動閾值確定方法來提取變化區域，實現圖像變化檢測。

所述的重新組織數據是指：將原始圖像的波段數據按照行的方式轉化為列向量：

V^k(t)[n]＝(i-1)×length+j，然后將l個列向量組織成矩陣M，并求出其轉置矩陣M^T。M＝[V¹(t1)，V²(t1)，…，V^l(t1)，V¹(t2)，V²(t2)，…，V^l(t2)]，其中：待檢測圖像分別為i，j，k分別代表圖像的行、列和波段數，波段總數為l，width和length分別為圖像的寬度像素數和長度像素數，單位為自然常數，t∈{t1，t2}，i∈{1，2，…，width}，j∈{1，2，…，length}，k∈{1，2，…，l}。

所述的矩陣M的物理意義為k維空間里的width×length個點，M^T為width×length維空間里的k個點。

所述的兩個特征空間中的變換是指：PCA(Principal?component?analysis主成份分析)變換和PCA廣義逆變換，其中：