[發明專利]一種兩時相遙感圖像變化檢測方法

有效

• 申請號: 201710659362.5
• 申請日: 2017-08-04
• 公開（公告）號: CN107423771B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 王鑫;黃晶;儲艷麗;黃鳳辰;高紅民;石愛業;徐立中
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李玉平

本發明公開了一種兩時相遙感圖像變化檢測方法。首先，設計了一種融合兩時相遙感圖像灰度特征和紋理特征的方法來構造差異圖像，解決了基于單一類型特征構造差異圖像時信息量不足的問題；其次，提出了一種快速模糊C均值方法來對融合后的差異圖像進行二分類(變化類和非變化類)，該方法在每次迭代過程中，通過修改距離各類中心最近的像素點的隸屬度，及采用差異圖像中灰度值最高和最低的點分別作為變化類和未變化類的初始聚類中心，來提高模糊C均值算法的收斂速度。本發明基于上述兩個改進點，可以有效并快速地實現兩時相遙感圖像的變化檢測。

技術領域

本發明涉及一種有效的兩時相遙感圖像變化檢測方法，屬于圖像處理技術領域。

背景技術

遙感圖像變化檢測是指通過比較分析同一地理區域不同時相的遙感圖像，獲得該地區這段時間的地物變化信息。近幾年，遙感圖像變換檢測技術已廣泛應用于眾多領域，如環境監測、農業研究，自然災害評估、森林植被變化監測等。

目前常用的遙感圖像變化檢測方法主要是基于遙感圖像的紋理特征、邊緣特征或形狀特征等特征來構造差異圖像，不同類型的特征側重描述圖像不同方面的細節信息。但是僅僅依靠單一類型特征進行變化檢測往往具有局限性，也容易在運算中丟失有用信息。因此，本發明綜合利用遙感圖像的灰度值信息和紋理特征信息，通過疊加兩時相遙感圖像的灰度差值圖和紋理特征統計量差值圖構造差異圖像。疊加后的差異圖像，綜合考慮了遙感圖像灰度值信息和紋理特征信息，改善了利用單一特征構造差異圖像時信息量不足的缺點，為后續的檢測操作提供了更豐富的原始圖像信息。

模糊C均值聚類是眾多模糊聚類算法中，應用最廣泛且效果較好的聚類算法之一。模糊C均值算法不再將待分類的對象嚴格的劃分到某一特定類別中，而是運用概率的理論來描述對象隸屬于不同類別的程度。這種運用模糊理論的軟劃分，更能客觀的描述現實世界，從而得到了廣泛的應用。

模糊C均值聚類方法的主要原理是通過迭代使目標函數最小化來得到最優解。在每次迭代運算中，需要計算所有樣本點的隸屬度，并更新聚類中心，收斂速度慢。同時，模糊C均值聚類方法的聚類效果依賴于初始值的選取，當初始聚類中心選取不當時，也會影響算法的收斂速度，結果容易陷入局部極小值，難以獲得全局最優解的。考慮到模糊C均值聚類方法的這兩點不足，本發明在模糊C均值方法的基礎上，提出了一種改進的方法來檢測差異圖像中的變化區域和未變化區域。

發明內容

發明目的：針對現有技術中存在的問題，本發明提供一種有效的兩時相遙感圖像變化檢測方法，該方法基于特征融合和模糊C均值(fuzzy C-Means，FCM)，有效結合了不同特征差異圖像的信息，提高了抗噪性能和變化檢測的精確度；同時，進一步提高了FCM算法的收斂速度。

技術方案：一種兩時相遙感圖像變化檢測方法，包括如下步驟：

步驟一：給定待檢測的兩時相遙感圖像，設計一種融合灰度特征和紋理特征的方法來構造差異圖像。

(1)對待檢測的兩時相遙感圖像I₁，I₂(其中I₁為第一時相圖像，I₂為第二時相圖像，大小均為M×N)分別進行輻射校正、幾何校正等預處理操作；

(2)算圖像I₁，I₂的灰度值差值圖X₀：

X₀(i,j)＝|I₁(i,j)-I₂(i,j)|；(1≤i≤M,1≤j≤N)

其中，I₁(i,j)和I₂(i,j)為兩時相圖像I₁和I₂對應像素點的灰度值；