[發明專利]基于分水嶺和treelet的遙感圖像變化檢測方法

有效

• 申請號: 201110140996.2
• 申請日: 2011-05-28
• 公開（公告）號: CN102169584A
• 公開（公告）日: 2011-08-31
• 發明（設計）人: 王桂婷;焦李成;曹娟;張小華;鐘樺;田小林;王爽;侯彪
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于分水嶺和treelet的遙感圖像變化檢測方法，包括如下步驟：

(1)對輸入的兩幅已配準的多時相遙感圖像分別進行3×3像素的中值濾波，得到去噪后圖像T1和T2；

(2)將去噪圖像T1和T2空間位置對應的像素灰度值進行差值計算，得到一幅差值差異圖X；

(3)對差值差異圖X進行空間域到模糊域的變換，在模糊域修正隸屬度后反變換回空間域，得到增強后的差異圖像EX；

(4)采用標記分水嶺算法將增強后的差異圖像EX進行分割，得到L個區域的分水嶺過分割圖像Y，其中L為增強后的差異圖像EX分水嶺過分割后的區域數目，取值根據選取的圖像確定，每一個標記區域記為lk(lk＝1，2，3，...，L)；

(5)在增強后的差異圖像EX計算每一個區域lk內的均值、方差、平滑度、三階矩、一致性和熵這六種紋理特征，組成特征列向量H_lk，并將所有L個區域的紋理特征向量H_lk合并，得到維數為6×L的特征矩陣H，再計算特征矩陣H的協方差矩陣C和相關系數矩陣A；

(6)采用treelet算法將特征矩陣H進行合并，得到紋理特征向量的合并標記S_lk；

(7)依據紋理特征向量合并標記S_lk，對步驟(4)所得的過分割圖像Y中的L個區域中相同類別的區域進行合并，得到變化和非變化兩分類圖B_n；

(8)統計兩分類圖B_n的鄰域像素信息，利用最大后驗概率的變權高斯馬爾科夫模型得到變化區域邊緣細化的檢測結果圖像B_E；

(9)以變化檢測結果圖像B_E參考圖，在圖B_E中利用區域連通性保留B_E和B_n兩幅圖像中的相同區域，去除僅在B_E圖中存在的噪聲雜點，得到最終的變化檢測結果圖Z。

2.根據權利要求1所述的遙感圖像變化檢測方法，其中步驟(6)所述采用treelet算法將特征矩陣H進行合并，按如下步驟進行：

(6a)定義聚類的層數l＝0，1，…，L-2，當l＝0時，初始化和變量為S⁽⁰⁾＝H，差變量D⁽⁰⁾為空集，并將和變量的集合Ω用下標集表示為Ω＝{1，2，...，L}，將差變量集合Φ作為空集，將正交Dirac基B⁽⁰⁾＝[φ_0，1，φ_0，2，…φ_0，L]作為L×L維單位矩陣；

(6b)當l≠0時，尋找相關系數矩陣A中最大的兩個值，將最大值和次大值的對應位置序號分別記為α和β：

這里i＜j，分別表示相關系數矩陣A中任意值的行和列，且只在和變量集合Ω內進行；

(6c)計算Jacobi旋轉矩陣J：

J=1L0L0L0MOMMM0LcnLsnL0MMOMM0L-snLcnL0MMMOM0L0L0L1]]>

其中c_n＝cos(θ_l)，s_n＝sin(θ_l)；旋轉角θ_l由C^(l)＝J^TC^(l-1)J及計算得到：

θl=tan-1[Cα,α-Cβ,β±(Cα,α-Cβ,β)2+4Cα,β42Cα,β]]]>且|θl|≤π4]]>

由矩陣J更新去相關后的正交基B^(l)＝B^(l-1)J，協方差矩陣C^(l)＝J^TC^(l-1)J，其中B^(l)為更新后的正交基，C^(l)為更新后的協方差矩陣，并利用C^(l)更新相關系數矩陣A^(1-1)為A^(l)：

Ai,j(l)=Ci,j(l)Ci,i(l)Ci,j(l)]]>

其中為相關系數矩陣A^(l)中第i行j列的更新值，為協方差矩陣C^(l)中第i行j列的值，為協方差矩陣C^(l)中第i行i列的值，為協方差矩陣C^(l)第中j行j列的值；

(6d)定義正交基矩陣B^(l)中第α列和第β列的列向量分別為尺度函數φ_l和細節函數ψ_l，定義當前l層的尺度向量集合{φ_l}是尺度函數φ_l和上一層的尺度向量集合{φ_l-1}的合集，將β差變量從和變量集合Ω中去除，即Ω＝Ω/{β}，加入到差變量集合Φ中，即Φ＝{β}；

(6e)重復步驟(6b)至(6d)直至聚類的最高層l＝L-2，可得最終的正交基矩陣B＝[φ_L-2，1，φ_L-2，2，ψ₁，...ψ_L-2]，其中φ_L-2，1，φ_L-2，2∈{φ_L-2}；

(6f)將特征矩陣H沿正交基矩陣B的方向進行投影，計算投影后矩陣的能量矩陣En＝(H×B′)·(H×B)^T，提取能量陣En中的前兩行得到尺度向量{φ_L-2}對應的能量矩陣Em(2×L)即為聚類得到的結果，按照各自對應尺度的能量大小進行排序，得到特征的合并標記S_lk。

3.根據權利要求1所述的遙感圖像變化檢測方法，其中步驟(7)涉及的對過分割圖像Y中的L個區域中相同類別的區域進行合并，得到變化和非變化兩分類圖B_n：是先根據過分割圖像Y中的任意區域lk對應的類別標記S_lk，將Y中具有相同標記值的區域進行合并，得到一幅兩分類圖像；再分別統計該兩分類圖像中各自類別的像素數目，將數目較多的一類標記為0，即確定為非變化類，將數目較少的另一類標記為1，即確定為變化類，最終得到變化和非變化兩分類圖B_n。