[發(fā)明專(zhuān)利]一種基于土地利用數(shù)據(jù)庫(kù)的遙感影像變化檢測(cè)方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310189344.7
• 申請(qǐng)日: 2013-05-21
• 公開(kāi)（公告）號(hào): CN103279954A
• 公開(kāi)（公告）日: 2013-09-04
• 發(fā)明（設(shè)計(jì)）人: 黃蓉;寧歡;王帥
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢中測(cè)晟圖遙感技術(shù)有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/60;G06T5/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明屬于遙感影像變化檢測(cè)領(lǐng)域，特別涉及基于土地利用數(shù)據(jù)庫(kù)的遙感影像變化檢測(cè)方法。

背景技術(shù)

根據(jù)國(guó)家《土地調(diào)查管理》規(guī)定，國(guó)家每年進(jìn)行土地變更調(diào)查。土地變更調(diào)查是重要的國(guó)情國(guó)力調(diào)查，是實(shí)施國(guó)土資源規(guī)劃、管理、保護(hù)與合理利用的有效依據(jù)，是編制國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展規(guī)劃、有關(guān)專(zhuān)項(xiàng)規(guī)劃的基礎(chǔ)。目前土地變更調(diào)查的主流方法，仍是內(nèi)業(yè)人工比較兩幅影像的變化部分再將其勾勒，最后外業(yè)調(diào)查補(bǔ)繪。針對(duì)人工變化檢測(cè)工作量龐大，工作周期長(zhǎng)的特點(diǎn)，將自動(dòng)變化檢測(cè)技術(shù)應(yīng)用到土地變更中非常迫切。

發(fā)明內(nèi)容

針對(duì)國(guó)土部門(mén)土地變更調(diào)查中人工檢測(cè)變化區(qū)域工作量大的缺陷，本發(fā)明的目的在于提供一種基于土地利用數(shù)據(jù)庫(kù)的快速且精準(zhǔn)的變化檢測(cè)方法，提高土地調(diào)查變更的變化檢測(cè)效率。

為實(shí)現(xiàn)上述目的，本發(fā)明的變化檢測(cè)，以土地利用數(shù)據(jù)庫(kù)為基礎(chǔ)，將基于像素的變化檢測(cè)和基于特定目標(biāo)的變化檢測(cè)相結(jié)合，得出最終的變化檢測(cè)結(jié)果。其特征在于，提供了影像預(yù)處理模塊，包括影像去噪和相對(duì)輻射校正；提供了基于像素的變化檢測(cè)模塊，對(duì)前后時(shí)相影像提取特征值，并利用差值法變化檢測(cè)；提供了基于部分特定目標(biāo)的變化檢測(cè)模塊，具體包括植被、云等地物的提取；提供了變化檢測(cè)精度檢驗(yàn)?zāi)K。

影像預(yù)處理模塊，包括影像去噪和相對(duì)輻射校正。兩者都以小波變換為工具，再在小波域內(nèi)處理影像。其中，影像去噪采用小波域分解影像，然后對(duì)影像高頻部分采用軟閾值去噪處理。相對(duì)輻射校正，對(duì)小波分解后的兩幅影像低頻部分直方圖匹配，使兩幅影像的灰度分布大致相同。

基于像素的變化檢測(cè)模塊。本發(fā)明采用特征影像差值法，針對(duì)米級(jí)分辨率遙感影像中單棟建筑物所占像素個(gè)數(shù)少、建筑物與周?chē)h(huán)境亮度反差大、建筑物本身亮度比較大且亮度均勻等特點(diǎn)，采用傅里葉變換提取影像的高頻特征，則絕大部分建筑物都被提取出來(lái)，再對(duì)兩幅傅里葉特征影像差值，差值影像再設(shè)定合適的經(jīng)驗(yàn)閾值，得出初步的變化檢測(cè)結(jié)果，最后利用影像形態(tài)學(xué)處理，尤其是通過(guò)計(jì)算變化影像的輪廓，利用輪廓能快速計(jì)算圖塊面積的特點(diǎn)，刪除小于土地調(diào)查上圖面積的變化圖塊，最終能快速得出變化檢測(cè)結(jié)果。

基于特定目標(biāo)的變化檢測(cè)模塊，能有效檢測(cè)出影像中的高云團(tuán)，并能精確檢測(cè)出植被覆蓋區(qū)域。將RGB顏色空間轉(zhuǎn)換為HSV顏色空間，利用H分量設(shè)定閾值，并用一定的填補(bǔ)影像漏洞策略，能有效檢測(cè)出高云團(tuán)區(qū)域，確定變化檢測(cè)的無(wú)效區(qū)域。將H分量和S分量差值，差值后影像植被和其他地類(lèi)的灰度相差很大。因此，通過(guò)設(shè)定零閾值，就能在可見(jiàn)光范圍內(nèi)很精確的提取植被覆蓋區(qū)域。此模塊的變化檢測(cè)結(jié)果為最終的變化檢測(cè)結(jié)果提供有力的參考證據(jù)。

精度檢驗(yàn)?zāi)K，根據(jù)檢測(cè)的變化圖塊的特征，比較其與各地類(lèi)的特征，計(jì)算出圖塊屬于各地類(lèi)的概率，并通過(guò)這些概率計(jì)算出檢測(cè)此變化圖塊的置信度。

附圖說(shuō)明

圖1為整個(gè)變化檢測(cè)的流程。

具體實(shí)施方式

本發(fā)明提出的基于土地利用數(shù)據(jù)庫(kù)的遙感影像變化檢測(cè)方法，其特征在于，包含影像預(yù)處理模塊，具體包含影像去噪和相對(duì)輻射校正。

步驟1，利用小波分解技術(shù)和軟閾值處理技術(shù)，通過(guò)提取影像高頻信息，在高頻部分去噪處理，小波分解去噪包括以下幾個(gè)步驟，

步驟1.1?原始影像利用提升小波分解；

步驟1.2?根據(jù)設(shè)定的分解層數(shù)，對(duì)分解后的每層影像求閾值；

步驟1.3?根據(jù)每層影像的閾值，對(duì)每層影像分別閾值；

步驟1.4?對(duì)閾值后影像小波恢復(fù)，得到最終的去噪影像。

步驟2，利用小波分解技術(shù)和直方圖匹配技術(shù)，通過(guò)對(duì)影像低頻部分相對(duì)直方圖匹配，再小波恢復(fù)。對(duì)影像直方圖匹配，分為以下幾個(gè)步驟，

步驟2.1?分別求取兩幅影像的直方圖；

步驟2.2?求兩幅影像的累積直方圖概率密度；

步驟2.3?以被匹配影像為標(biāo)準(zhǔn)，對(duì)每個(gè)被匹配影像的灰度累積概率值，查找待匹配影像中累積概率密度與其差值最小的灰度值，并改變其灰度為被匹配影像的灰度。

步驟3?對(duì)預(yù)處理后的影像，進(jìn)行云檢測(cè)和植被覆蓋區(qū)域提取，對(duì)檢測(cè)出云的區(qū)域，變化檢測(cè)時(shí)考慮為無(wú)效區(qū)域，無(wú)法檢測(cè)；對(duì)檢測(cè)被植被覆蓋的區(qū)域，以此為標(biāo)準(zhǔn)確定相應(yīng)圖塊的地類(lèi)屬性。具體的實(shí)現(xiàn)步驟如下，

步驟3.1?將影像RGB空間轉(zhuǎn)換為HSV空間，具體的轉(zhuǎn)換公式為

步驟3.2?將HSV空間的H分量和S分量差值，獲取差值影像；

步驟3.3?對(duì)差值影像閾值，閾值設(shè)定為0即可，大于閾值的像素為植被覆蓋區(qū)域；