[發明專利]基于概率分割及高斯混合聚類的多光譜圖像變化檢測方法

有效

• 申請號: 201811087966.8
• 申請日: 2018-09-18
• 公開（公告）號: CN109446894B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 張建龍;李月;盧毅;王穎;王斌
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種基于概率分割及高斯混合聚類的多光譜圖像變化檢測方法，其特征在于：首先，輸入同地域不同時間的兩幅原始多光譜圖像，利用CVA和SAM構建混合差異圖像HDS；其次，利用統計區域合并算法對差異圖像進行多尺度分割將差異圖像映射到超像素空間；最后，采用K-means算法初始化高斯混合模型來克服其易收斂于局部最優解的缺點，擬合超像素特征空間的概率統計分布，利用基于最小錯誤率的貝葉斯判別規則獲得變化檢測結果；

所述基于概率分割及高斯混合聚類的多光譜圖像變化檢測方法具體包括：

(1)輸入兩幅不同時間相同地區的多光譜遙感圖像X₁和X₂；

(2)對X₁和X₂兩幅圖像采用SAM和CVA分別求得其角度變化映射θ和變化失量CV，結合兩種變化特征構建一個新的混合差異圖像HDS；

(3)利用統計區域合并算法對混合差異圖像HDS中的像素點進行合并，完成差異圖從像素空間到超像素空間的轉變，得到合并圖像DT；

(4)統計合并圖像DT中每個超像素的像素均值組成一個集合X＝{x_n|1≤n≤N}，N表示超像素的總數；

(5)混合概率模型分類采用K-means算法初始化高斯混合模型來克服其易收斂于局部最優解的缺點，擬合超像素特征空間的概率統計分布：

(6)采取基于最小錯誤率的貝葉斯判別規則，獲得每個超像素最終的檢測結果，根據貝葉斯公式，后驗概率計算如下：

則基于最小錯誤率的貝葉斯判別流程規則如下：

若則x_n被判定為變化；

若則x_n被判定為非變化；

所述(5)具體包括：

a)將集合中所有數據元素假設為具有兩個模型的高斯混合分布：

其中，待求解參數為：變化類與非變化類高斯函數的均值和方差以及α₁或者α₂；

b)采用EM算法求解參數值：定義分量數目k＝2，對每個分量k設置參數μ_k、σ_k和α_k的初始值，其中采用k-means算法來計算群聚中心點，作為μ_k參數的初始值，以避免EM算法的易陷于局部最優解的問題；

c)EM算法求出要估計參數的粗略值：

根據當前的μ_k，σ_k和α_k計算后驗概率γ(z_nk)：

d)EM算法使用第一步的值最大化似然函數：

根據γ(z_nk)求新一輪迭代的模型參數

e)計算高斯混合模型的對數似然函數：

f)判斷似然函數是否收斂：若收斂，則輸出參數以及α₁和α₂；若不收斂，則返回c)步執行直至滿足收斂條件。

2.一種應用權利要求1所述基于概率分割及高斯混合聚類的多光譜圖像變化檢測方法的光譜圖像處理系統。

3.一種應用權利要求1所述基于概率分割及高斯混合聚類的多光譜圖像變化檢測方法的環境監測光譜圖像處理系統。

4.一種應用權利要求1所述基于概率分割及高斯混合聚類的多光譜圖像變化檢測方法的大氣分析光譜圖像處理系統。

5.一種應用權利要求1所述基于概率分割及高斯混合聚類的多光譜圖像變化檢測方法的城市規劃光譜圖像處理系統。