[發(fā)明專利]一種基于高階條件隨機(jī)場(chǎng)的非監(jiān)督遙感影像變化檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111034429.9
• 申請(qǐng)日: 2021-09-03
• 公開（公告）號(hào): CN114091508A
• 公開（公告）日: 2022-02-25
• 發(fā)明（設(shè)計(jì)）人: 董婷;符濰奇;邵攀;任東
• 申請(qǐng)（專利權(quán)）人: 三峽大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06T5/30
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 余山

1.一種基于高階條件隨機(jī)場(chǎng)的非監(jiān)督遙感影像變化檢測(cè)方法，其特征在于，它包括以下步驟：

步驟1：對(duì)兩期遙感影像進(jìn)行預(yù)處理，獲得兩組不同的差分影像；

步驟2：對(duì)兩組差分影像進(jìn)行模糊聚類，得到模糊隸屬度函數(shù)，并對(duì)模糊隸屬度進(jìn)行融合，得到融合隸屬度；

步驟3：進(jìn)行差分影像的分割，得到對(duì)象級(jí)差分影像；

步驟4：利用融合隸屬度和像素級(jí)差分影像計(jì)算條件隨機(jī)場(chǎng)能量函數(shù)的一元?jiǎng)莺投獎(jiǎng)荩萌诤想`屬度和對(duì)象級(jí)差分影像計(jì)算條件隨機(jī)場(chǎng)能量函數(shù)的高階勢(shì)；

步驟5：對(duì)高階條件隨機(jī)場(chǎng)的能量函數(shù)進(jìn)行最優(yōu)化，輸出所有像素類別標(biāo)簽，得到最終的變化檢測(cè)圖。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟1中，對(duì)兩期遙感影像進(jìn)行預(yù)處理，并通過變化矢量分析和光譜相關(guān)性映射技術(shù)生成兩組不同的差分影像；其中預(yù)處理操作包括配準(zhǔn)和相對(duì)輻射校正；

第一組差分影像通過變化矢量分析技術(shù)生成，記作DI_CVA；第二組差分影像通過光譜相關(guān)性映射技術(shù)生成，記作DI_SCM，兩組差分影像的計(jì)算公式如下：

其中X₁和X₂是經(jīng)過預(yù)處理的兩期遙感影像，X₁是t1時(shí)刻影像，X₂是t2時(shí)刻影像，和分別是X₁和X₂的第b波段影像，和表示影像X₁和X₂各波段的平均值，B為波段數(shù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟2中，利用模糊C均值聚類算法分別對(duì)所述兩組差分影像進(jìn)行模糊聚類，得到兩組差分影像的模糊隸屬度函數(shù)，并利用證據(jù)理論對(duì)兩組差分影像的模糊隸屬度進(jìn)行融合，得到融合隸屬度，具體采用以下步驟：

1)利用模糊C均值聚類分別計(jì)算兩組差分影像的模糊隸屬度函數(shù)U_n＝{u_ni(k)}，其中U_n表示第n組差分影像的模糊隸屬度函數(shù)，n＝1,2；u_ni(k)表示利用模糊C均值聚類根據(jù)第n組差分影像得到的像素i屬于類別k的隸屬度，k∈{w_u,w_c}，w_u表示未變化類，w_c表示變化類；

2)將兩組差分影像視作兩組證據(jù)，利用所得到的差分影像的模糊隸屬度函數(shù)U_n定義兩組證據(jù)的質(zhì)量函數(shù)為：

m_n＝{m_ni(k)}：m_ni(k)＝u_ni(k)；

其中m_n表示第n組證據(jù)的質(zhì)量函數(shù)，n＝1,2；m_ni(k)表示根據(jù)第n組證據(jù)得到的像素i關(guān)于類別k的質(zhì)量，k∈{w_u,w_c}；

3)利用證據(jù)理論融合兩組證據(jù)的質(zhì)量函數(shù)m_n，得到兩組證據(jù)的融合質(zhì)量函數(shù)：m＝{m_i(k)}，其中：

其中m_i(k)表示根據(jù)兩組證據(jù)得到的像素i關(guān)于類別k的融合質(zhì)量，K＝m_1i(w_u)×m_2i(w_c)+m_1i(w_c)×m_2i(w_u)表示兩組證據(jù)的沖突程度。