[發明專利]基于核傳播的遙感圖像變化檢測方法

有效

• 申請號: 201310169168.0
• 申請日: 2013-05-08
• 公開（公告）號: CN103218823A
• 公開（公告）日: 2013-07-24
• 發明（設計）人: 王桂婷;焦李成;劉博偉;公茂果;侯彪;王爽;鐘樺;田小林;張小華
• 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
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于數字圖像處理領域，主要涉及遙感圖像變化檢測，具體是一種基于核傳播的遙感圖像變化檢測方法，可用于遙感圖像分析和處理。

背景技術

遙感圖像的變化檢測是通過分析和提取同一地區不同時相的遙感圖像之間存在的電磁波譜特征差異或空間結構特征差異，來識別物體的狀態變化或現象變化的過程。在國民經濟和國防建設的諸多領域已得到廣泛應用，如農業調查、森林和植被變化監測、城區擴展監測、軍事目標監測等。

遙感圖像變化檢測中一種常見的檢測方法是先比較后分類的方法，即首先將兩時相圖像做差，構造一幅差異圖像，然后對其進行分類，得到變化檢測結果。直接對兩時相圖像進行比較，不會改變原圖像數據，不存在分類誤差累計的問題，保證了變化檢測結果的可靠性。但是由于配準誤差等原因，對于沒有發生變化的區域，兩時相圖像對應位置的灰度值也存在一定的偏差，故而簡單地對差值圖像進行分類會導致變化檢測結果中存在很多的偽變化信息。

一些學者將圖像的變化檢測問題轉化為聚類問題，根據差異圖中像素點之間的相似性將像素點聚為變化類和非變化類。Celik（2009）在文章“Multiscale?Change?Detection?in?Multitemporal?Satellite?Images,IEEE?Geoscience?and?Remote?Sensing?Letters,2009,6(4):820-824”中提出了一種k均值聚類多尺度特征的遙感圖像變化檢測方法，該方法首先對差值圖像進行非下采樣離散小波變換，提取每一個像素的多尺度特征矢量，然后用k均值聚類方法將這些特征矢量分為變化類和非變化類，得到變化檢測結果。該方法雖然利用了每個像素的鄰域信息及多尺度信息，能在一定程度上提高變化檢測的正確率，但是對于背景區域和變化區域對比度很低的圖像，其鄰域特征和多尺度特征起到的作用不大，該方法并不能很好的檢測出變化區域。

為了提高聚類的準確度，一些學者對傳統聚類方法進行了改進。Mishra等學者（2012）在文章“Fuzzy?Custering?Algorithms?Incorporating?Local?Information?for?Change?Detection?in?Remotely?Sensed?Images,Applied?Soft?Computing,2012,12:2683-2692”中提出了一種基于模糊聚類的無監督遙感圖像變化檢測方法，該方法對多個波段的兩時相遙感圖像采用CVA方法得到一幅差異圖，然后通過合并差異圖中像素的二階鄰域信息對像素的灰度值進行校正，并將模擬退火算法與多種傳統聚類算法結合，對校正后的差異圖進行聚類得到變化檢測結果。該方法通過合并鄰域信息和改進聚類方法降低了變化檢測結果的誤檢，但該方法對于低對比度差異圖的檢測結果也較差。

上述的變化檢測方法都是采用無監督的學習方式，不能準確的反映數據間的關系，從而使得變化檢測結果不理想。

發明內容

本發明的目的在于針對上述變換檢測技術的不足，提出一種基于核傳播的遙感圖像變化檢測方法，該方法通過較精確的標記信息對數據的特征空間進行約束修正，使獲得的特征空間更準確地反映數據之間關系，從而提高檢測結果的正確率。

實現本發明目的的技術方案，包括如下步驟：

（1）輸入兩幅大小均為I×J的同一地區不同時相已配準的遙感圖像X₁和X₂，計算它們對應空間位置(m,n)處的像素點灰度值X₁(m,n)和X₂(m,n)的差值的絕對值X_d(m,n)=|X₁(m,n)-X₂(m,n)|，由此得到一幅差值圖像X_d={X_d(m,n)|m=1,2,...,I,n=1,2,…,J}，其中，m和n分別為輸入遙感圖像的行和列序號；

（2）對差值圖像X_d采用均值漂移方法進行分割，得到一幅由不同標記區域構成的過分割標記圖X_b，計算差值圖像X_d中空間位置對應在同一標記區域中的所有像素點的灰度均值，再將同一標記區域的灰度均值賦給該標記區域的像素點的灰度值，得到一幅過分割灰度圖X_o，其中具有相同灰度值的像素點形成的一個標記區域為一個超像素；

（3）用k均值聚類算法將過分割灰度圖X_o中的超像素聚為三類，分別是肯定變化類、肯定非變化類及不確定類；