[發明專利]基于變化矢量分析與分類后比較的遙感圖像變化檢測方法

有效

• 申請號: 201110401937.6
• 申請日: 2011-12-06
• 公開（公告）號: CN103150718A
• 公開（公告）日: 2013-06-12
• 發明（設計）人: 陳克明
• 申請（專利權）人: 中國科學院電子學研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 周國城

1.一種基于變化矢量分析與分類后比較的遙感圖像變化檢測方法，其特征在于，包括以下步驟：

第一步，分別對兩時相的遙感圖像以像素為單位提取顏色和紋理特征；

第二步，用馬爾可夫隨機場理論，將基于分類后比較方法的兩時相遙感圖像變化檢測轉化為兩時相圖像上馬爾可夫能量函數比較；

第三步，分別對兩時相圖像進行過分割，根據規則分別對兩時相過分割圖像區域進行重新調整；

第四步，將基于變化矢量分析方法的兩時相遙感圖像變化檢測轉換為基于區域特征的相似性度量函數項；

第五步，將基于分類后比較的馬爾可夫能量函數與基于變化矢量分析的相似性度量函數項進行聯合，構造一個聯合馬爾可夫能量函數；

第六步，用優化方法對聯合能量函數進行求解，輸出變化檢測結果。

2.如權利要求1所述的遙感圖像變化檢測方法，其特征在于，所述第一步，像素級特征提取，包括：

a1、以像素為單位，提取每個像素的CIELab顏色特征、Gabor紋理特征、熵特征；其中，Lab顏色特征維數為3；Gabor濾波器尺度參數、方向參數根據實際需要選擇維數，Gabor紋理特征的維數為5×8＝40；根據圖像分辨率選取窗口大小，計算以當前像素為中心的窗口區域內圖像的熵作為該像素的熵特征，熵特征的維數為1；

a2、分別對每類特征進行歸一化處理。

3.如權利要求1所述的遙感圖像變化檢測方法，其特征在于，所述第二步，基于馬爾可夫能量函數比較的分類后比較變化檢測方法：利用馬爾可夫隨機場模型對每個時相的圖像分別建模，以第一步獲取的兩時相遙感圖像特征為基礎，分別在每個時相圖像上構造馬爾可夫能量函數，將每個時相上圖像的分類問題轉化為馬爾可夫能量函數優化問題，通過對兩時相圖像的馬爾可夫能量函數比較，獲取基于分類后比較方法的兩時相遙感圖像變化檢測結果。

4.如權利要求1或3所述的遙感圖像變化檢測方法，其特征在于，所述第二步，具體包括：

b1、根據最大后驗概率估計理論和馬爾可夫隨機場理論，分別對每個時相的圖像進行建模：

特征模型p(x/y)：假定每個時相圖像中的每類特征均服從高斯分布，利用高斯分布函數，計算特征模型；對于每個時相圖像中的任意一個像素p(i，j)，該像素屬于第k類的高斯分布計算公式如下：

p(x|y)=12πΣkexp[-12(x-μk)TΣk-1(x-μk)]---(1)]]>

其中，p(x/y)為條件概率，x表示當前像素p(i，j)的特征矢量；y為當前像素p(i，j)對應的分類輸出標記，y∈{1，…，k}；μ_k、∑_k分別表示第k類的均值和方差；

先驗模型p(y)：先驗模型采取一階Ising模型，即僅認為當前像素p(i，j)只與其一階鄰域內N的像素存在相互作用，而與其他像素之間不存在相互關系；馬爾可夫一階Ising模型表述為：

p(y)=1Zexp(-Σym∈Nβ1·δ(y,ym))---(2)]]>

其中，p(y)為先驗概率，δ(y，y_m)定義為卡迪拉克函數：如果y＝y_m，則δ(y，y_m)＝1，否則δ(y，y_m)＝0；β₁為平滑加權系數，控制鄰域像素之間的互作用的大小；N為一階鄰域；Z為規整化常數；

b2、馬爾可夫能量函數構造：

每個時相的圖像上馬爾可夫能量即為圖像上每個像素p(i，j)的能量之和，其函數表達形式為：

argminx∈XΣ{12ln(2πΣi)+(x-μk)22Σk+β1Σym∈Nδ(y,ym)}---(3)]]>

b3、對兩時相圖像的馬爾可夫能量函數進行比較，獲取分類后比較方法的馬爾可夫能量函數表述形式：由于兩時相的圖像是獨立不相關的，因此每個時相圖像的分類是獨立的，對應兩時相圖像的分類后比較就是兩時相圖像的馬爾可夫能量函數分別最小化；直接將兩時相圖像上定義的能量函數相加，作為兩時相圖像分類后比較的能量函數表述形式：

argminx∈XΣs=12Σ{12ln(2πΣi)+(x-μk)22Σk+β1Σym∈Nδ(y,ym)}---(4)]]>