一种遥感影像变化检测方法、装置及终端制造方法及图纸

本发明专利技术适用于遥感技术领域，提供了一种遥感影像变化检测方法、装置及终端，通过对两期遥感影像进行预处理后生成信息互补的差分影像组集合；对差分影像组集合进行模糊C均值聚类得到每组差分影像的模糊分割矩阵和变化检测图；根据得到的每组差分影像的模糊分割矩阵和变化检测图，通过相似度理论和模糊积分理论对差分影像组集合进行决策级融合，得到初始的变化检测结果；计算差分影像组集合在每个像元处的证据冲突程度，探测并定位初始变化检测结果中的证据冲突严重像元，并通过指示克里金理论对证据冲突严重像元重新进行分类。基于信息互补的差分影像组集合和指示克里金理论，实现了提高遥感变化检测的可靠性和变化检测结果的精度。

【技术实现步骤摘要】
一种遥感影像变化检测方法、装置及终端
本专利技术属于遥感
，尤其涉及一种遥感影像变化检测方法、装置及终端。
技术介绍
遥感变化检测是通过遥感影像获取地表变化信息的重要手段，已广泛渗透到国民经济的各个领域。最常用的遥感变化检测方法是基于“差分影像”的方法，该方法首先通过对比两期遥感影像生成差分影像，然后通过分析差分影像获取地表变化信息。由于遥感影像本身的复杂性，以及差异算子的局限性，使得生成的差分影像总是存在不确定性，影响了变化检测的效果。现有基于融合技术对多差分影像进行融合以提高变化检测的精度，但对证据冲突严重像元的处理效果依然较差，检测精度不高。
技术实现思路
有鉴于此，本专利技术实施例提供了一种遥感影像变化检测方法、装置及终端，以降低现有差分影像变化检测的不确定性，提高遥感影像变化检测的可靠性和变化检测结果的精度。本专利技术实施例的第一方面提供了一种遥感影像变化检测方法，包括：获取两期遥感影像，并对所述遥感影像进行预处理；根据预处理后的两期遥感影像生成信息互补的差分影像组集合；对所述差分影像组集合进行模糊C均值聚类计算，得到每组差分影像的模糊分割矩阵和变化检测图；根据所述的每组差分影像的模糊分割矩阵和变化检测图，通过相似度理论和模糊积分理论对所述差分影像组集合进行决策级融合，得到初始变化检测结果；计算所述差分影像组集合在每个像元处的证据冲突程度；探测并定位所述初始变化检测结果中的证据冲突严重像元，通过指示克里金理论对所述证据冲突严重像元重新进行分类。本专利技术实施例的第二方面提供了一种遥感影像变化检测装置，包括：预处理单元，用于获取两期遥感影像，并对所述遥感影像进行预处理；差分影像组集合生成单元，用于根据预处理后的两期遥感影像生成信息互补的差分影像组集合；模糊C均值聚类计算单元，用于对所述差分影像组集合进行模糊C均值聚类计算，得到每组差分影像的模糊分割矩阵和变化检测图；决策级融合单元，用于根据所述的每组差分影像的模糊分割矩阵和变化检测图，通过相似度理论和模糊积分理论对所述差分影像组集合进行决策级融合，得到初始变化检测结果；证据冲突严重像元重分类处理单元，用于计算所述差分影像组集合在每个像元处的证据冲突程度；探测并定位所述初始变化检测结果中证据冲突严重像元，通过指示克里金理论对所述证据冲突严重像元重新进行分类。本专利技术实施例的第三方面提供了一种终端，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现本专利技术实施例的第一方面提供的遥感影像变化检测方法的步骤。其中，所述计算机程序包括：预处理单元，用于获取两期遥感影像，并对所述遥感影像进行预处理；差分影像组集合生成单元，用于根据预处理后的两期遥感影像生成信息互补的差分影像组集合；模糊C均值聚类计算单元，用于对所述差分影像组集合进行模糊C均值聚类计算，得到每组差分影像的模糊分割矩阵和变化检测图；决策级融合单元，用于根据所述的每组差分影像的模糊分割矩阵和变化检测图，通过相似度理论和模糊积分理论对所述差分影像组集合进行决策级融合，得到初始变化检测结果；证据冲突严重像元重分类处理单元，用于计算所述差分影像组集合在每个像元处的证据冲突程度；探测并定位所述初始变化检测结果中证据冲突严重像元，通过指示克里金理论对所述证据冲突严重像元重新进行分类。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现本专利技术实施例的第一方面提供的遥感影像变化检测方法的步骤。其中，所述计算机程序包括：预处理单元，用于获取两期遥感影像，并对所述遥感影像进行预处理；差分影像组集合生成单元，用于根据预处理后的两期遥感影像生成信息互补的差分影像组集合；模糊C均值聚类计算单元，用于对所述差分影像组集合进行模糊C均值聚类计算，得到每组差分影像的模糊分割矩阵和变化检测图；决策级融合单元，用于根据所述的每组差分影像的模糊分割矩阵和变化检测图，通过相似度理论和模糊积分理论对所述差分影像组集合进行决策级融合，得到初始变化检测结果；证据冲突严重像元重分类处理单元，用于计算所述差分影像组集合在每个像元处的证据冲突程度；探测并定位所述初始变化检测结果中的证据冲突严重像元，通过指示克里金理论对所述证据冲突严重像元重新进行分类。本专利技术实施例与现有技术相比存在的有益效果是：首先从距离矩阵的角度，提出一种生成信息互补差分影像组集合的方案，充分提取两期遥感影像的变化信息；其次通过相似度理论和模糊积分理论实现对所述差分影像组集合的决策级融合；然后利用指示克里金技术对所述融合结果进行优化，重新分类融合结果中的证据冲突严重像元。通过以上三点实现了提高变化检测的可靠性和变化检测结果的精度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种遥感影像变化检测方法的实现流程图；图2是本专利技术实施例提供的遥感影像变化检测方法中步骤S104的具体实现流程图；图3是本专利技术实施例提供的遥感影像变化检测方法中步骤S105的具体实现流程图；图4是本专利技术实施例提供的一种利用指示克里金理论对证据冲突严重像元重新进行分类的方法具体实现流程图；图5是一个7×7的克里金窗口示意图；图6(a)是本专利技术实施例提供的T1时刻遥感影像第4波段的示意图；图6(b)是本专利技术实施例提供的T2时刻遥感影像第4波段的示意图；图6(c)是本专利技术实施例提供的T1时刻和T2时刻遥感影像的变化参考图；图7(a)是模糊C均值根据差分影像DI1得到的变化检测图；图7(b)是模糊C均值根据差分影像DI2得到的变化检测图；图7(c)是模糊C均值根据差分影像DI3得到的变化检测图；图7(d)是模糊C均值根据差分影像DI4得到的变化检测图；图7(e)是模糊C均值根据差分影像DI5得到的变化检测图；图7(f)是模糊C均值根据差分影像DI6得到的变化检测图；图7(g)是通过融合技术投票法得到的变化检测结果示意图；图7(h)是通过融合技术模糊积分法得到的变化检测结果示意图；图7(i)是本专利技术实施例提供的遥感影像变化检测方法得到的变化检测结果示意图；图8是本专利技术实施例提供的一种遥感影像变化检测装置的示意图；图9是本专利技术实施例提供的一种终端的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本专利技术。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。请参考图1，图1示出了本专利技术实施例提供的一种遥感影像变化检测方法的实现流程，详述如下：在步骤S101中，获取两期遥感影像，并对所述遥感影像进行预处理。在本专利技术实施例中，所述两期遥感影像分别为T1时刻和T2时刻的遥感影像，其中，T1≠T2。所述预处本文档来自技高网...

【技术保护点】
1.一种遥感影像变化检测方法，其特征在于，包括：获取两期遥感影像，并对所述遥感影像进行预处理；根据预处理后的两期遥感影像生成信息互补的差分影像组集合；对所述差分影像组集合进行模糊C均值聚类计算，得到每组差分影像的模糊分割矩阵和变化检测图；根据所述的每组差分影像的模糊分割矩阵和变化检测图，通过相似度理论和模糊积分理论对所述差分影像组集合进行决策级融合，得到初始变化检测结果；计算所述差分影像组集合在每个像元处的证据冲突程度；探测并定位所述初始变化检测结果中的证据冲突严重像元，通过指示克里金理论对所述证据冲突严重像元重新进行分类。

【技术特征摘要】
1.一种遥感影像变化检测方法，其特征在于，包括：获取两期遥感影像，并对所述遥感影像进行预处理；根据预处理后的两期遥感影像生成信息互补的差分影像组集合；对所述差分影像组集合进行模糊C均值聚类计算，得到每组差分影像的模糊分割矩阵和变化检测图；根据所述的每组差分影像的模糊分割矩阵和变化检测图，通过相似度理论和模糊积分理论对所述差分影像组集合进行决策级融合，得到初始变化检测结果；计算所述差分影像组集合在每个像元处的证据冲突程度；探测并定位所述初始变化检测结果中的证据冲突严重像元，通过指示克里金理论对所述证据冲突严重像元重新进行分类。2.如权利要求1所述的遥感影像变化检测方法，其特征在于，所述差分影像组集合由六组信息互补的差分影像组成；所述根据预处理后的两期遥感影像生成信息互补的差分影像组集合的步骤，具体为：根据预处理后的两期遥感影像，通过欧氏距离公式计算得到第一组差分影像；根据预处理后的两期遥感影像，通过闵可夫斯基距离公式计算得到第二组差分影像；根据预处理后的两期遥感影像，通过马氏距离公式计算得到第三组差分影像；根据预处理后的两期遥感影像，通过相关性距离公式计算得到第四组差分影像；根据预处理后的两期遥感影像，通过主成分分析理论生成第五组差分影像；根据预处理后的两期遥感影像，通过基于波普曲线形状的波普梯度差异生成第六组差分影像。3.如权利要求1或2所述的遥感影像变化检测方法，其特征在于，所述根据所述的每组差分影像的模糊分割矩阵和变化检测图，通过相似度理论和模糊积分理论对所述差分影像组集合进行决策级融合，得到初始变化检测结果的步骤，包括：根据所述变化检测图，通过相似度理论计算每组差分影像的模糊测度以确定在融合过程中每组差分影像的重要程度；根据所述模糊分割矩阵求解每组差分影像对像元的判断结果；根据所述重要程度和所述判断结果，通过模糊积分理论对所述差分影像组集合进行决策级融合，将融合后的结果作为初始变化检测结果。4.如权利要求1所述的遥感影像变化检测方法，其特征在于，所述计算所述差分影像组集合在每个像元处的证据冲突程度；探测并定位所述初始变化检测结果中的证据冲突严重像元，通过指示克里金理论对所述的证据冲突严重像元重新进行分类的步骤，包括：计算任意两组差分影像在每个像元处的证据冲突程度，根据所述证据冲突程度得到所述差分影像组集合在每个像元处的总证据冲突程度；根据所述总证据冲突程度，通过自适应阈值技术将所述初始变化检测结果中的像元划分为两部分：证据几乎不冲突像元和证据冲突严重像元；将所述证据几乎不冲突像元的初始变化检测结果作为所述证据几乎不冲突像元的最终变化检测结果，通过指示克里金理论对所述证据冲突严重像元重新进行分类，得到所述证据冲突严重像元的最终变化检测结果。5.如权利要求1所述的遥感影像变化检测方法，其特征在于，所述的通过指示克里金理论对所述证据冲突严重像元...

【专利技术属性】
技术研发人员：史文中，邵攀，
申请(专利权)人：香港理工大学深圳研究院，
类型：发明
国别省市：广东,44