[發明專利]基于非局部小波信息的遙感圖像變化檢測方法

有效

• 申請號: 201410438271.5
• 申請日: 2014-08-30
• 公開（公告）號: CN104200472B
• 公開（公告）日: 2017-07-04
• 發明（設計）人: 馬文萍;焦李成;邢丹;公茂果;馬晶晶;李曉婷
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T5/00
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 田文英,王品華

1.一種基于非局部小波信息的遙感圖像變化檢測方法，包括如下步驟：

(1)讀入數據：

讀入同一地區不同時刻獲取的已配準的兩幅遙感圖像；

(2)構造差異圖：

對讀入的兩幅遙感圖像，使用對數比公式，獲得兩幅遙感圖像的差異圖；

(3)小波分解：

對兩幅遙感圖像的差異圖，使用離散小波變換DWT進行分解，得到一幅低頻輪廓圖像和三幅高頻細節圖像，三幅高頻細節圖像分別為水平方向，豎直方向和對角方向的高頻細節圖像；

(4)去噪：

(4a)從水平方向的高頻細節圖像中任選一點k，以k為中心，選取一個大小為l×l的鄰域窗口，其中，l取值為奇數；

(4b)將鄰域窗口的全部像素點的灰度值以列優先的方式排成一列，得到該鄰域窗口的中心像素點k的特征向量；

(4c)重復步驟(4a)、步驟(4b)，直至得到水平方向高頻細節圖像中的全部像素點的特征向量；

(4d)按照下式，計算水平方向高頻細節圖像去噪時的權重值：

$w_{np}=e^{-\frac{\left|\right|R_n-R_p|{|}^2}{{\mathrm{\σ}}^2}}$

其中,w_np表示水平方向高頻細節圖像中的點p對點n去噪時的影響權重值，e表示自然常數，R_n表示水平方向高頻細節圖像中的點n的特征向量，R_p表示水平方向高頻細節圖像中的點p的特征向量，σ表示水平方向高頻細節圖像的方差，n表示水平方向高頻細節圖像中的點n，p表示點n的搜索窗口中的點p；

(4e)按照下式，對水平方向高頻細節圖像去噪，得到水平方向高頻細節圖像中的像素點的真實灰度值：

$t_n=\frac{1}{W_n}\underset{p\∈S_n}{\Σ}{w}_{np}{x}_n$

其中，t_n表示水平方向高頻細節圖像中的點n的真實灰度值，W_n表示水平方向高頻細節圖像中的點n的去噪權重值的歸一化常量，x_n表示水平方向高頻細節圖像中的點n的像素灰度值,S_n表示水平方向高頻細節圖像中的點n的搜索窗口；

(4f)重復步驟(4d)、步驟(4e)，直至得到水平方向高頻細節圖像中的全部像素點的真實灰度值；

(4g)采用步驟(4a)、步驟(4b)、步驟(4c)、步驟(4d)、步驟(4e)、步驟(4f)的相同方法，對步驟(3)中得到的豎直方向高頻細節圖像和對角方向高頻細節圖像分別進行去噪處理，得到去噪后豎直方向和對角方向的高頻細節圖像；

(5)小波逆變換：

對水平、豎直和對角方向形成的三幅去噪后高頻細節圖像和步驟(3)中得到的低頻輪廓圖像共四幅圖像，使用小波逆變換IDWT，得到去噪后的兩幅遙感圖像的差異圖；

(6)分割差異圖：

使用基于局部模糊C均值聚類算法FLICM，對去噪后的兩幅遙感圖像的差異圖進行分割，得到最終的變化檢測結果圖。