[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

技術領域

本發明屬于圖像處理技術領域，更進一步涉及一種基于非局部小波信息的遙感圖像變化檢測方法。該方法可應用于環境變化中的湖泊水位動態監測、農作物生長狀態的動態監測、軍事偵察等領域，能夠快速的檢測出兩時相遙感圖像的變化信息。

背景技術

遙感圖像的變化檢測是指通過分析在不同時間來自同一地區的兩幅或多幅遙感圖像，檢測出該地區的地物隨時間發生的變化信息。遙感圖像的變化檢測已經廣泛地應用于如森林資源的動態監測、土地覆蓋和利用的變化監測、農業資源調查、城市規劃布局、環境監測分析、自然災害評估、地理數據更新以及軍事偵察中戰略目標(如道路、橋梁、機場)等的動態監視等許多領域。

SAR圖像變化檢測中，主要分為三個步驟：1.差異圖生成，2.對差異圖進行分割，3.分析變化檢測結果圖。其中，差異圖的生成在變化檢測中起著至關重要的作用，它的質量好壞直接影響變化檢測結果的優劣。目前，應用較為廣泛的基本的差異圖生成算法主要有差值法，比值法，對數比法等。早期的研究已經證實，差值操作在高灰度級區域會比低灰度級區域產生的誤差更多，這一點不利于構造差異影像直方圖的統計模型。另外，比值操作對于乘性噪聲是非常敏感的，對數比值操作能夠降低乘性斑點噪聲的影響，因此得到了學者的廣泛應用。

西安電子科技大學在其專利申請“基于圖像融合的光學遙感圖像變化檢測”(專利申請號：201210234076.1，公開號：CN 102750705A)中提出了一種基于圖像融合的光學遙感圖像變化檢測方法。其實現過程為：對同一地域不同時間獲取的兩幅光學遙感圖像預處理后，分別構造差值法差異圖和比值法差異圖；對這兩幅差異圖分別進行N層小波分解后獲取各分解層高頻帶和低頻帶的小波系數；對高頻帶和低頻帶的小波系數分別用不同的融合算子融合處理，得到高頻帶和低頻帶的融合小波系數；對高頻帶和低頻帶的融合小波系數進行逆變換得到融合后差異圖；運用模糊局部C均值聚類法分割融合后的差異圖，得到變化檢測結果。該方法雖然能都解決現有變化檢測技術檢測結果精度不高的問題，但仍存在的不足是，該方法在圖像受到噪聲干擾時，圖像的變化檢測結果迅速變差，抗噪性能差。

西北工業大學在其專利申請“一種基于邊緣和灰度的遙感圖像變化檢測方法”(專利申請號：201010292888.2，公開號：CN 101968885A)中提出了一種基于邊緣和灰度的遙感圖像變化檢測方法。該技術方案是利用基于雙邊濾波的Canny算法進行多時相圖像邊緣特征提取，然后對灰度差值圖像進行OSTU閾值分割和邊緣提取，獲得灰度特征。再將所提取的邊緣和灰度特征進行綜合，檢測遙感圖像的變化區域。該方法由于充分利用了圖像中的線性特性的同時，利用灰度差值圖像彌補了因配準誤差造成的斷線，提高了檢測準確性，但仍存在的不足是，不能有效地衡量去除噪聲和保留圖像細節信息之間的關系，不能有效地保留圖像的細節信息。

發明內容

本發明針對上述現有技術存在的不足，提出了一種基于非局部小波變換遙感圖像變化檢測方法。本發明既可以較好的保留圖像的細節信息，又對噪聲具有很好的魯棒性，能夠在去除噪聲的同時保留細節信息。

本發明實現上述目的的思路是：在對讀入的數據進行對數比操作后，先對構造的差異圖像進行小波分解，再對分解后圖像高頻細節部分進行基于非局部信息的去噪處理，接著進行小波逆變換，最后使用基于局部模糊C均值聚類算法進行分割，得到最終的變化檢測結果圖。

本發明的步驟包括如下：

(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(3，5，7)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：