[發明專利]一種面向大尺度復雜場景下遙感影像的自動變化檢測方法

在審

• 申請號: 202010043769.7
• 申請日: 2020-01-15
• 公開（公告）號: CN111242050A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 柳思聰;鄭永杰;童小華;杜謙;馮毅;謝歡;馮永玖;許雄;王超;金雁敏;劉世杰;陳鵬
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 王懷瑜

1.一種面向大尺度復雜場景下遙感影像的自動變化檢測方法，其特征在于，包括以下步驟：

S1：獲取前后時相的遙感影像數據對；

S2：從遙感影像數據對中提取特征點，并進行影像配準；

S3：基于配準后的遙感影像數據對，通過差值法獲取差值影像；

S4：提取差值影像的顯著度，生成變化類偽訓練樣本和不變化類偽訓練樣本；

S5：將變化類偽訓練樣本和不變化類偽訓練樣本輸入分類器中，對步驟S3獲取的差值影像進行二值分類，獲取關于變化和不變化兩種類別的二值檢測結果。

2.根據權利要求1所述的一種面向大尺度復雜場景下遙感影像的自動變化檢測方法，其特征在于，所述步驟S2具體包括以下步驟：

S201：利用SIFT算法對遙感影像數據對進行粗匹配，提取特征點；

S202：根據特征點，生成SIFT特征向量，并進行SIFT特征向量間相似性判定度量的計算；

S203：根據SIFT特征向量間相似性判定度量的計算結果，進行特征點匹配，獲取特征點對；

S204：去除特征點對中的誤匹配點；

S205：根據去除誤匹配點后的特征點對，估算仿射模型參數，對步驟S1中獲取的遙感影像數據對進行重采樣和仿射變換，獲取配準影像。

3.根據權利要求2所述的一種面向大尺度復雜場景下遙感影像的自動變化檢測方法，其特征在于，步驟S201中，利用SIFT算法進行粗匹配具體為，采用高斯差分DoG算子檢測特征點，通過擬合三維二次函數確定特征點的位置和尺度，采用圖像梯度的方法為每個特征點分配基準方向。

4.根據權利要求3所述的一種面向大尺度復雜場景下遙感影像的自動變化檢測方法，其特征在于，步驟S202中，生成SIFT特征向量具體為，將4×4個樣本子區域上的所有方向直方圖級聯生成128維的SIFT特征向量。

5.根據權利要求4所述的一種面向大尺度復雜場景下遙感影像的自動變化檢測方法，其特征在于，步驟S202中，所述相似性判定度量的計算表達式為：

式中，d_f為相似性判定度量，a為不同維度，f_1,i為第a個維度中第1個SIFT特征向量，f_2,i為第a個維度中第2個SIFT特征向量。

6.根據權利要求2所述的一種面向大尺度復雜場景下遙感影像的自動變化檢測方法，其特征在于，步驟S204中，采用基于最近鄰距離比的離群值去除策略，去除特征點對中的誤匹配點。

7.根據權利要求1所述的一種面向大尺度復雜場景下遙感影像的自動變化檢測方法，其特征在于，步驟S3中，提取差值影像的顯著度具體為，首先利用DoG濾波和均值濾波函數分別對差值影像進行濾波，并將DoG濾波后的圖像從RGB顏色空間轉換到LAB顏色空間，然后計算差值影像中每個像素的顯著度，所述每個像素的顯著度的計算表達式為：

SM(i,j)＝||F_μ-F_ωhc(i,j)||

式中，SM(i,j)為第i行第j列像素的顯著度，F_μ為均值濾波后的差值影像的平均矢量，F_ωhc(i,j)為差值影像由DoG濾波轉換到LAB顏色空間的圖像中第i行第j列像素的像素矢量，||·||為范數計算符。

8.根據權利要求1所述的一種面向大尺度復雜場景下遙感影像的自動變化檢測方法，其特征在于，步驟S3中，所述不變化類偽訓練樣本包括第一部分像素和第二部分像素，所述第一部分像素為特征點及其5×5領域中顯著度小于第一閾值的像素，所述第二部分像素為從顯著度小于所述第一閾值的像素中隨機選取5％的像素，所述第一閾值為計算差值影像顯著度獲取的視覺顯著圖中像素值的均值。