[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

本發明屬于應用電子設備進行識別的方法或裝置技術領域，公開了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；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。本發明更好地利用光譜矢量的幅值變化信息和角度變化信息，利用超像素分割可獲取圖像的局部結構特征，有效提高了SAR圖像中變化區域的檢測精確。

技術領域

本發明屬于應用電子設備進行識別的方法或裝置技術領域，尤其涉及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。

背景技術

目前，業內常用的現有技術是這樣的：隨著近幾年遙感技術的迅猛發展，遙感數據數量日益增長，并廣泛用于環境監測、大氣分析和城市規劃等領域。其中多光譜遙感圖像的變化檢測被應用到軍事和民用領域，主要涉及如洪水、火災和地震等自然災害區域的定位、城市擴張情況分析以及軍事應用中打擊效果的評估，所以研究多光譜遙感圖像變化檢測具有重要意義。多光譜遙感圖像的變化檢測是根據圖像的光譜特征差異或者空間結構差異來確定地物是否發生變化。一般的遙感圖像變化檢測過程分為兩步：1)構建差異圖像；2)對差異圖像分析得到檢測結果。其本質上是一個二分類問題，即將差異圖像所有像素點分為變化類和非變化類。在過去的十幾年中，大量的變化檢測方法被提出，根據圖像分析的基本單元不同，可分為基于像素的方法和基于對象的方法。基于像素的方法通常利用差異像素灰度特征進行分類，并使用聚類方法獲取盡量好的分類結果。但隨著遙感圖像的分辨率不斷提升，像素與其鄰域的空間互相關性越來越強，且單個像素特征不具備語義特征，存在語義鴻溝問題，因此基于對象的分析方法即將圖像分割為同質區域從而獲得半語義信息成為圖像理解和識別的關鍵技術。基于對象的變化檢測方法以超像素為分析的基本單元，包含豐富的信息，如：光譜、紋理、形狀、空間上下文等。如一種基于超像素分割和多方法融合的SAR圖像變化檢測方法，首先引入SLIC超像素分割方法，通過對主輔圖像進行聯合分割，得到符合實際地物邊界的超像素分割結果；同時，利用3種基于像素的變化檢測方法獲取初始變化檢測結果；接著，利用超像素分割結果和初始變化檢測結果進行兩個層次的眾數投票，去除檢測結果中由于噪聲引起的虛警和連通域中的孔洞獲得最終的變化檢測結果。但是該方法是對原始的雙時相遙感圖像分別分割，而后計算超像素之間的距離測度值，由于雙時相圖像間目標的形狀和結構的差異性，所以計算相似距離之前需要對邊界配準，由此會破壞目標的幾何信息。

為了解決上述問題，本發明采用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。其中，為了解決基于單像素的變化檢測方法不具有語義信息且計算復雜度高的問題，采用超像素分割將圖像由像素空間映射到超像素空間，能夠更好地體現變化目標的區域性特征；同時，采用高斯混合模型對超像素進行聚類，可以達到消除邊緣效應，提高檢測精度的目的，為變化檢測問題的解決提供了更清晰的物理意義。

發明內容

針對現有技術存在的問題，本發明提供了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。

本發明是這樣實現的：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，利用一種動態排序模式的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。

進一步，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；