基于多尺度分割-最大期望的遥感影像变化检测后处理方法技术

本发明专利技术公开了基于多尺度分割‑最大期望的遥感影像变化检测后处理方法，步骤a：对滑坡区域的滑坡前影像和滑坡后影像进行空间位置配准，求解得到变化的影像；步骤b：基于滑坡后影像，进行多尺度分割，获取其多尺度分割影像对象集合S，步骤c：取S中的第i个对象Oi，与步骤a中初始变化检测结果进行空间叠置分析，分别统计对象Oi内变化像素和未变化像素的数量；步骤d：利用最大期望的算法，对对象Oi内的像素属性进行重新精细化；步骤e：令j＝i+1；如果j≤n,则取S中的第j个对象Oj,依次执行步骤c与步骤d，直至j>n；步骤f：得到最终的变化检测结果。该方法普适性较强，效果明显的基于多尺度分割‑最大期望的遥感影像变化检测后处理方法。

Post processing method of remote sensing image change detection based on multi-scale segmentation and maximum expectation

The invention discloses a post-processing method for remote sensing image change detection based on the maximum expectation of multi-scale segmentation. Step a: registration of the spatial location of the images before landslides and the images after landslides in the landslide area and solving the changed images; step B: multiscale segmentation based on the post landslide image and multi-scale segmentation to obtain its multi-scale segmentation. Image object set S, step C: take the I object Oi in S, and carry out space superposition analysis with the initial change detection results in step a, and analyze the number of pixels and unchanged pixels in Oi respectively; step D: using the maximum expected algorithm, the pixel generacy within the object Oi is refined; step e: J = = I+1; if J is less than N, then take the j object Oj in S, execute step C and step d in sequence, until j>n; step f: get the final change detection result. The method is universal and effective, and is based on multi-scale segmentation maximum expectation remote sensing image change detection post-processing method.

【技术实现步骤摘要】
基于多尺度分割-最大期望的遥感影像变化检测后处理方法
本专利技术属于遥感影像处理
，具体涉及基于多尺度分割-最大期望的遥感影像变化检测后处理方法。
技术介绍
人类活动及自然灾害等，不断改变着地球表面的地物信息，及时有效的获取地球表面的变化信息，对环境监测，城市管理，灾害应急等众多方面，都有着重要意义。尽管随着卫星及航空遥感技术的快速发展，影像的时间分辨率和空间分辨率得到大幅度提高，使快速有效地获取地表覆盖变化信息成为可能。但是，传统变化检测方法所获取的检测结果，仍存在较多的噪声，大大降低了检测结果的可靠性和检测精度。在此背景下，提出一种针对高分辨率的遥感影像变化检测结果的后处理方法，具有重要的实际意义。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供一种普适性较强，效果明显的基于多尺度分割-最大期望的遥感影像变化检测后处理方法。为解决上述技术问题，本专利技术采用的技术方案是，基于多尺度分割-最大期望的遥感影像变化检测后处理方法，该方法包括如下：步骤a：对滑坡区域的滑坡前影像和滑坡后影像进行空间位置配准，求解得到变化的影像，即为初始变化检测结果；步骤b：基于滑坡后影像，进行多尺度分割，获取其多尺度分割影像对象集合S，设对象集S共包含n个对象(O1,O2……Oi……On)，其中n为大于0的自然数；i的取值如下：1≤i≤n；对象O1,O2……Oi……On为光谱特征近似且空间上相邻的像素的集合；步骤c：取S中的第i个对象Oi，与步骤a中初始变化检测结果进行空间叠置分析，分别统计对象Oi内变化像素和未变化像素的数量，确定出哪一种状态的像素的数量多；步骤d：利用最大期望的算法，对对象Oi内的像素属性进行重新精细化，具体如下：将Oi中数量多的像素状态，作为对象Oi内全部像素的状态；步骤e：令j＝i+1；如果j≤n,则取S中的第j个对象Oj,依次执行步骤c与步骤d，直至j>n；步骤f：得到所有对象内对应的全部像素的状态，即为最终的变化检测结果。进一步地，该步骤b中进行多尺度分割时，采用分形进化网络多尺度分割方法。进一步地，该步骤a中，通过EM-MRF方法，或影像差值法，或比值法，或变化向量分析法得到初始变化检测结果。本专利技术具有以下优点：通过引入多尺度分割与最大期望算法，达到有效去除各种随机噪声，从而提高了检测目标或背景区域的内部一致性，使得变化检测精度显著提高。附图说明图1是本专利技术实施例中选用的影像图；其中：图1a是某山体滑坡前影像图；图1b是某山体滑坡后影像图；图2是本专利技术实施例中叠置分析示意图；其中：图2a是叠置分析示意图；图2b是1处的内部像素变化状态及其这间分布，白色像素为变化，黑色像素为非变化；图2c是2处的内部像素变化状态及其这间分布，白色像素为变化，黑色像素为非变化；图3是本专利技术实施例中不同尺度下优化结果及精度变化示意图；其中：图3a是采用EM-MRF方法获取的初始检测结果示意图；图3b是分割尺度为5的优化结果及精度变化示意图；图3c是分割尺度为10的优化结果及精度变化示意图图3d是分割尺度为15的优化结果及精度变化示意图；图3e是分割尺度为20的优化结果及精度变化示意图。具体实施方式本专利技术基于多尺度分割-最大期望的遥感影像变化检测后处理方法，该方法包括如下：步骤a：对滑坡区域的滑坡前影像和滑坡后影像进行空间位置配准，求解得到变化的影像，即为初始变化检测结果；如图1所示，对滑坡区域的滑坡前影像和滑坡后影像分别采用ArcMap10.0软件，通过Adjust工具，实现两幅影像的空间位置配准；通过EM-MRF方法，或影像差值法，或比值法，或变化向量分析法得到初始变化检测结果。步骤b：基于滑坡后影像，进行多尺度分割，获取其多尺度分割影像对象集合S，设对象集S共包含n个对象(O1,O2……Oi……On)，其中n为大于0的自然数；i的取值如下：1≤i≤n；对象O1,O2……Oi……On为光谱特征近似且空间上相邻的像素的集合；在本实施例中，实现的为：5、10、15、20下的尺度分割，紧致度和形状参数分别设置为0.8和0.9，以尺度20为例，分割结果如图2、2a、2b和2c所示；步骤c：取S中的第i个对象Oi，与步骤a中初始变化检测结果进行空间叠置分析，分别统计对象Oi内变化像素和未变化像素的数量，确定出哪一种状态的像素的数量多；如图2、2a、2b和2c所示，不规则框内为分割对象，分别计算该对象中黑白像素的个数，确定出哪种状态的像素的数量多。步骤d：利用最大期望的算法，对对象Oi内的像素属性进行重新精细化：用Oi中数量多的像素状态，作为对象Oi内全部像素的状态；步骤e：令j＝i+1；如果j≤n,则取S中的第j个对象Oj,依次执行步骤c与步骤d，直至j>n；步骤f：得到所有对象内对应的全部像素的状态，即为最终的变化检测结果。如图3所示可知，无论选取何种参数设置，都可以得到相对优化的结果，该方法普遍性强。将本专利技术中的专利技术与EM-MRF方法相比较，结果如表1所示：表1EM-MRF方法和本专利技术中的后处理方法的比较由表1可知，采用本专利技术中的方法，其虚检率、漏检率和总错误率明显降低。本文档来自技高网...

【技术保护点】
1.基于多尺度分割‑最大期望的遥感影像变化检测后处理方法，其特征在于，该方法包括如下：步骤a：对滑坡区域的滑坡前影像和滑坡后影像进行空间位置配准，求解得到变化的影像，即为初始变化检测结果；步骤b：基于滑坡后影像，进行多尺度分割，获取其多尺度分割影像对象集合S，设对象集S共包含n个对象(O1,O2……Oi……On)，其中n为大于0的自然数；i的取值如下：1≤i≤n；对象O1,O2……Oi……On为光谱特征近似且空间上相邻的像素的集合；步骤c：取S中的第i个对象Oi，与步骤a中初始变化检测结果进行空间叠置分析，分别统计对象Oi内变化像素和未变化像素的数量，确定出哪一种状态的像素的数量多；步骤d：利用最大期望的算法，对对象Oi内的像素属性进行重新精细化，具体如下：将Oi中数量多的像素状态，作为对象Oi内全部像素的状态；步骤e：令j＝i+1；如果j≤n,则取S中的第j个对象Oj,依次执行步骤c与步骤d，直至j>n；步骤f：得到所有对象内对应的全部像素的状态，即为最终的变化检测结果。

【技术特征摘要】
1.基于多尺度分割-最大期望的遥感影像变化检测后处理方法，其特征在于，该方法包括如下：步骤a：对滑坡区域的滑坡前影像和滑坡后影像进行空间位置配准，求解得到变化的影像，即为初始变化检测结果；步骤b：基于滑坡后影像，进行多尺度分割，获取其多尺度分割影像对象集合S，设对象集S共包含n个对象(O1,O2……Oi……On)，其中n为大于0的自然数；i的取值如下：1≤i≤n；对象O1,O2……Oi……On为光谱特征近似且空间上相邻的像素的集合；步骤c：取S中的第i个对象Oi，与步骤a中初始变化检测结果进行空间叠置分析，分别统计对象Oi内变化像素和未变化像素的数量，确定出哪一种状态的像素的数量多；步骤d：利用最大期望的算法，对对...

【专利技术属性】
技术研发人员：吕志勇，刘统飞，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61