[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

本發明涉及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，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。與現有技術相比，本發明可應用于大尺度復雜場景下遙感影像的變化檢測，具有檢測識別精度高、效率高等優點。

技術領域

本發明涉及多時相遙感影像自動檢測領域，尤其是涉及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。

背景技術

變化檢測是利用不同時期的遙感影像，定量地分析和確定地物變化的特征和過程。近年來，隨著陸表的加速變化，準確自動地識別多時相遙感影像中的土地覆蓋變化已成為一個日益迫切的任務。在過去的幾十年里，各國學者不斷地提出許多新穎的變化檢測技術，一些較為先進的變化檢測技術可以實現遙感影像精細尺度上的穩健檢測，并在不同的遙感應用中得到有效利用如農業、林業、城市以及災害監測等。

但在實際的變化檢測應用中，遙感變化檢測仍然面臨著許多問題和挑戰。一項突出的問題是如何在大尺度復雜場景影像上有效使用變化檢測技術，實現自動化、高準確性的變化識別。一方面，當前大多數的變化檢測技術主要被開發并集中應用于小范圍區域的圖像對中。影像的覆蓋范圍相對較小，變化類型相對簡單，并且易于通過遵循一定的統計分布(例如，高斯分布)進行建模。一旦所考慮的變化檢測問題擴展到大范圍，則可能存在更復雜的條件，如更多不確定類型的變化。一些非監督的變化檢測算法(例如，期望最大化)可能會由于無法轉化為局部最優解而失敗。在這種情況下，監督的方法可以提供更好的變化檢測解決方案，但是大量訓練樣本的選擇始終是一項耗時的任務。尤其是在大尺度圖像場景中，現實中幾乎不可能擁有較為全面的地面真實數據或先驗知識。另一方面，傳統變化檢測方法的設計高度依賴于精確的多時相遙感影像配準過程。此過程通常是手動執行，配準殘差可能導致同一土地覆蓋物錯位進而引起非相關變化的誤檢。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種識別精度高的面向大尺度復雜場景下遙感影像的自動變化檢測方法。

本發明的目的可以通過以下技術方案來實現：

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，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。

進一步地，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。