[發明專利]交互式圖像變化檢測方法

無效

• 申請號: 201210366870.1
• 申請日: 2012-09-28
• 公開（公告）號: CN102930288A
• 公開（公告）日: 2013-02-13
• 發明（設計）人: 向世明;孟高峰;霍春雷;潘春洪
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 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

本發明涉及圖像處理和模式識別技術領域，特別涉及交互式圖像變化檢測領域。

背景技術

圖像變化檢測是指通過分析在同一地點不同時間拍攝獲得的兩幅圖像來辨識該地點發生變化的區域。圖像變化檢測技術是獲取感興趣地區內地物目標變化信息的重要手段，在國土資源管理、環境監測、自然資源監測、災情監測等諸多領域中有著十分重要的應用。

經過多年的研究，圖像變化檢測技術得到了較大發展。但是，目前并不存在一個通用的變化檢測方法能夠完全自動地檢測出兩幅圖像之間發生變化的區域。其根本原因在于難以自動且準確地界定兩幅圖像之間的變化區域和非變化區域。比如，對同一座高層建筑，其遙感圖像會隨著拍攝時光照條件的不同而呈現出不同的圖像視覺特征。對光照造成的圖像視覺特征變化，現有技術往往錯誤地將其檢測為真實的物理變化，即將非變化區域錯誤地檢測為變化區域。其中的一個關鍵問題是，在構建完全自動的圖像變化檢測方法時缺少如何將圖像區域界定為變化類和非變化類的相關線索。因此，變化檢測仍然是圖像處理領域中一個頗具挑戰性的難題。

圖像變化檢測技術首先假定在同一地點不同時間拍攝獲得的兩幅圖像已事先進行了配準處理。經過配準處理后的兩幅圖像將具有相同的圖像尺寸，且同一位置的像素將對應于場景的同一空間位置。為了從已配準的兩幅圖像中檢測出發生變化區域，人們提出了多種解決方法。現有方法主要涉及到特征提取和特征分類兩方面的工作。特征提取是描述場景中視覺目標的基本手段。在現有的圖像變化檢測方法中，特征提取方法一般在像素級、特征級和對象級這三個層次上實現。像素級特征提取方法通常只考慮單個像素本身的光譜信息(如亮度、顏色等)；特征級特征提取方法首先把像素視覺特征進行關聯處理，并形成對變化檢測有意義的組合；對象級特征提取方法通常利用對象固有的尺寸和形狀以便于提高不同地物之間的類別可分性。特征分類是最終實現圖像變化檢測的基礎，其主要任務是將所提取的特征分為變化類和非變化類，并在此基礎上確定發生變化的區域。綜合起來，目前變化檢測技術主要包含基于差異圖像的變化檢測技術、基于分類后比較的變化檢測技術、基于直接分類法的變化檢測技術和基于混合法的變化檢測技術。基于差異圖像的變化檢測技術主要包含差值法、比值法、變化向量分析法和視覺特征圖像法。這類方法簡單、直觀、且計算量小。但是，這類方法容易受到噪聲、光照等因素的影響，魯棒性較差。基于分類后比較的變化檢測技術主要是對兩幅待檢測的圖像首先進行分類，然后提取出感興趣的視覺對象，最后對像素(或區域)逐個進行比較。基于分類后比較的變化檢測方法的最大困難是很難實現自動且準確的分類。同時，單幅圖像分類的精度將直接影響變化檢測的精度。基于直接分類法的變化檢測技術是將兩幅待檢測的圖像合成為一幅圖像，然后對該合成圖像進行分類以判定各像素是否發生變化。該類方法的最大缺點是將兩幅圖像合成為一幅圖像的過程中會丟失圖像信息，從而降低變化檢測的精度。基于混合法的變化檢測技術可以進一步分為基于數據的混合方法、基于過程的混合方法以及基于結果的混合方法。混合策略的優點在于綜合多種方法的優點，獲得更好的變化檢測結果。但是，在采用何種混合策略以及如何協調多種方法的檢測結果時仍然面臨著諸多困難，從而限制了這類方法在實際中的應用。

綜上所述，現有的圖像變化檢測技術遠未成熟，變化檢測的精度不高。有關圖像變化檢測的研究大多還處在實驗驗證階段，缺乏實用的變化檢測技術。實際上，視覺目標的復雜性和多樣性給自動界定變化類和非變化類帶來了極大的困難。這一困難將導致難以選擇適當的特征提取方法和分類方法，從而難以保證變化檢測的精度。但是，用戶希望采用一些少量的人工標注即可精確地檢測出給定的兩幅圖像中的變化，達到事半功倍的應用效果。

發明內容

(一)要解決的技術問題

本發明的目的在于提出一種基于樣條函數映射的圖像變化檢測方法，以便于利用用戶標注的變化像素和非變化像素快速準確地檢測出兩幅圖像發生變化的區域。

(二)技術方案

為解決上述的技術問題，本發明提供了一種交互式圖像變化檢測方法，該方法包括如下步驟：

步驟1：對在同一地點不同時間拍攝獲得的兩幅彩色圖像，通過像素的圖像局部窗口和像素的空間坐標構建像素的變化向量；

步驟2：對用戶標注的變化像素和非變化像素，分別進行聚類分析；

步驟3：以聚類中心為參照點，構建樣條函數；

步驟4：以聚類中心為訓練樣本，采用回歸估計方法確定樣條函數的待定系數；