[發明專利]兩時相遙感圖像變化檢測的方法

有效

• 申請號: 201210153614.4
• 申請日: 2012-05-17
• 公開（公告）號: CN103426158A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 陳克明;周志鑫;郭建恩;付琨;張道兵;孫顯
• 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
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

技術領域

本發明涉及雷達技術遙感圖像處理領域，尤其涉及一種兩時相遙感圖像變化檢測的方法。

背景技術

對遙感圖像進行變化檢測是遙感圖像處理領域中最重要的應用方向之一，其在自然災害監測、國土資源規劃管理、軍事目標打擊評估等眾多軍民領域都有重要的應用價值。隨著遙感圖像數據的分辨率增高，變化檢測可以獲取的變化信息日益豐富，使得變化檢測的實際應用范圍得到進一步擴大。現有技術中，對遙感圖像進行變化檢測的方法主要有：高斯過程法和馬爾可夫隨機場模型方法。以下分別對兩種方法進行說明：

高斯過程(Gaussian?Process，簡稱GP)作為一種具有概率意義的核學習機，為核函數的學習提供了一種既具有理論基礎，又可用于實踐的概率模型，并在模型的選擇、學習和預測方面提供了一套完整的理論框架。它不僅能以先驗概率的形式表示過程的先驗知識，提高過程模型性能，而且能夠給出輸出預測的精度參數。與支持向量機分類器相比，高斯過程分類器具有完全的貝葉斯公式化表示，模型參數明顯減少，參數優化相對容易，更易收斂。但是高斯過程分類器通常認為每一個特征點是獨立的，特征點與其周圍鄰域中的其它特征之間不存在相互影響，這種假設往往導致檢測結果中存在大量的噪聲，致使檢測精度不高。

馬爾可夫隨機場模型能夠有效地利用圖像的空間上下文信息。基于馬爾可夫隨機場(Markov?Random?Field，簡稱MRF)的變化檢測方法通過能量函數的形式對空間上下文信息進行表述，以降低噪聲的影響，提高檢測結果的準確率。但是馬爾可夫隨機場對初始值比較敏感，容易導致最終的檢測輸出區域局部最優解，致使整體檢測精度不高。

發明內容

(一)要解決的技術問題

為解決上述的一個或多個問題，本發明提供了一種兩時相遙感圖像變化檢測的方法，以克服高斯過程法中特征點與其周圍鄰域中的其他特征點之間不存在相互影響，及馬爾可夫隨機場模型方法對初始值比較敏感的缺陷，提高兩時相遙感圖像變化檢測檢測精度。

(二)技術方案

根據本發明的一個方面，提供了一種兩時相遙感圖像變化檢測方法。該方法包括：分別對兩時相的遙感圖像進行過分割，獲得經過分割處理后的多個過分割區域，兩時相遙感圖像為兩幅同一區域不同時間的遙感圖像；分別對每一時相遙感圖像以待處理過分割區域為單位提取顏色特征、紋理特征，以及熵特征；將兩時相遙感圖像中對應待處理區域的顏色、紋理特征、熵特征求差，所求的差值作為兩時相遙感圖像的差值圖像中對應待處理過分割區域的特征向量；利用經訓練的高斯過程分類器，根據對應的特征向量，對差值圖像中過分割區域進行變化類和不變化類的二類分類，獲取每個過分割區域的類別概率，并將該類別概率賦值給差值圖像上該待處理過分割區域中的所有像素；在差值圖像上構建馬爾可夫隨機場模型，將各過分割區域中各像素點的類別概率值作為馬爾可夫隨機場模型的初始值，計算馬爾可夫隨機場模型能量函數，通過能量函數優化，獲取兩時相遙感圖像變化檢測的結果。

(三)有益效果

從上述技術方案可以看出，本發明具有以下有益效果：

(1)將馬爾可夫隨機場模型與高斯過程分類器相結合，克服了高斯過程分類器缺乏對圖像空間信息的有效利用的缺點，有效地利用空間上下文信息提高了變化檢測精度；

(2)將高斯過程和馬爾可夫隨機場模型相結合，有效地解決了遙感圖像變化檢測中觀測的分布形式難以參數化確定的問題，提高了檢測精度。

附圖說明

圖1為本發明實施例兩時相遙感圖像變化檢測方法的流程示意圖。

圖2為本發明實施例兩時相遙感圖像變化檢測方法中對兩時相遙感圖像對應的每一個過分割區域進行調整的準則示意圖；

圖3為兩幅兩時相遙感圖像，其中，圖3a為2002年拍攝圖像；圖3b為2003年拍攝圖像；

圖4為本發明采用不同方法對如圖3所示兩幅兩時相遙感圖像進行變化檢測的結果。其中，圖4a為第一種比較方法的變化檢測結果，圖4b是第二種比較方法的變化檢測結果，圖4c是第三種比較方法的變化檢測結果，圖4d是本發明基于空間上下文相關的高斯過程遙感圖像變化檢測方法的變化檢測結果，圖4e為人工檢測結果。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。