基于非局部小波信息的遥感图像变化检测方法技术

本发明专利技术公开一种基于非局部小波信息的遥感图像变化检测方法，主要解决遥感图像的变化检测方法存在的检测精度不高的问题。其实现步骤为：(1)读入数据；(2)构造差异图；(3)小波分解；(4)对高频部分应用基于非局部信息的方法进行去噪；(5)小波逆变换；(6)使用基于局部模糊C均值聚类的方法进行分割。本发明专利技术考虑到噪声主要分布在高频细节信息部分，将图像的去噪过程在高频细节部分进行，这既保护了低频信息的完整性，又能有效地去除噪声。本发明专利技术将单个像素变为结合邻域信息的向量进行处理，保护了图像本身的结构，提高了图像对噪声的鲁棒性。

【技术实现步骤摘要】
基于非局部小波信息的遥感图像变化检测方法
本专利技术属于图像处理
，更进一步涉及一种基于非局部小波信息的遥感图像变化检测方法。该方法可应用于环境变化中的湖泊水位动态监测、农作物生长状态的动态监测、军事侦察等领域，能够快速的检测出两时相遥感图像的变化信息。
技术介绍
遥感图像的变化检测是指通过分析在不同时间来自同一地区的两幅或多幅遥感图像，检测出该地区的地物随时间发生的变化信息。遥感图像的变化检测已经广泛地应用于如森林资源的动态监测、土地覆盖和利用的变化监测、农业资源调查、城市规划布局、环境监测分析、自然灾害评估、地理数据更新以及军事侦察中战略目标(如道路、桥梁、机场)等的动态监视等许多领域。SAR图像变化检测中，主要分为三个步骤：1.差异图生成，2.对差异图进行分割，3.分析变化检测结果图。其中，差异图的生成在变化检测中起着至关重要的作用，它的质量好坏直接影响变化检测结果的优劣。目前，应用较为广泛的基本的差异图生成算法主要有差值法，比值法，对数比法等。早期的研究已经证实，差值操作在高灰度级区域会比低灰度级区域产生的误差更多，这一点不利于构造差异影像直方图的统计模型。另外，比值操作对于乘性噪声是非常敏感的，对数比值操作能够降低乘性斑点噪声的影响，因此得到了学者的广泛应用。西安电子科技大学在其专利申请“基于图像融合的光学遥感图像变化检测”(专利申请号：201210234076.1，公开号：CN102750705A)中提出了一种基于图像融合的光学遥感图像变化检测方法。其实现过程为：对同一地域不同时间获取的两幅光学遥感图像预处理后，分别构造差值法差异图和比值法差异图；对这两幅差异图分别进行N层小波分解后获取各分解层高频带和低频带的小波系数；对高频带和低频带的小波系数分别用不同的融合算子融合处理，得到高频带和低频带的融合小波系数；对高频带和低频带的融合小波系数进行逆变换得到融合后差异图；运用模糊局部C均值聚类法分割融合后的差异图，得到变化检测结果。该方法虽然能都解决现有变化检测技术检测结果精度不高的问题，但仍存在的不足是，该方法在图像受到噪声干扰时，图像的变化检测结果迅速变差，抗噪性能差。西北工业大学在其专利申请“一种基于边缘和灰度的遥感图像变化检测方法”(专利申请号：201010292888.2，公开号：CN101968885A)中提出了一种基于边缘和灰度的遥感图像变化检测方法。该技术方案是利用基于双边滤波的Canny算法进行多时相图像边缘特征提取，然后对灰度差值图像进行OSTU阈值分割和边缘提取，获得灰度特征。再将所提取的边缘和灰度特征进行综合，检测遥感图像的变化区域。该方法由于充分利用了图像中的线性特性的同时，利用灰度差值图像弥补了因配准误差造成的断线，提高了检测准确性，但仍存在的不足是，不能有效地衡量去除噪声和保留图像细节信息之间的关系，不能有效地保留图像的细节信息。
技术实现思路
本专利技术针对上述现有技术存在的不足，提出了一种基于非局部小波变换遥感图像变化检测方法。本专利技术既可以较好的保留图像的细节信息，又对噪声具有很好的鲁棒性，能够在去除噪声的同时保留细节信息。本专利技术实现上述目的的思路是：在对读入的数据进行对数比操作后，先对构造的差异图像进行小波分解，再对分解后图像高频细节部分进行基于非局部信息的去噪处理，接着进行小波逆变换，最后使用基于局部模糊C均值聚类算法进行分割，得到最终的变化检测结果图。本专利技术的步骤包括如下：(1)读入数据：读入同一地区不同时刻获取的已配准的两幅遥感图像；(2)构造差异图：对读入的两幅遥感图像，使用对数比公式，获得两幅遥感图像的差异图；(3)小波分解：对两幅遥感图像的差异图，使用离散小波变换DWT进行分解，得到一幅低频轮廓图像和三幅高频细节图像，三幅高频细节图像分别为水平方向，竖直方向和对角方向的高频细节图像；(4)去噪：(4a)从水平方向的高频细节图像中任选一点k，以k为中心，选取一个大小为l×l的邻域窗口，其中，l取值为(3，5，7)奇数；(4b)将邻域窗口的全部像素点的灰度值以列优先的方式排成一列，得到该邻域窗口的中心像素点k的特征向量；(4c)重复步骤(4a)、步骤(4b)，直至得到水平方向高频细节图像中的全部像素点的特征向量；(4d)按照下式，计算水平方向高频细节图像去噪时的权重值：其中，wij表示水平方向高频细节图像中的点j对点i去噪时的影响权重值，e表示自然常数，Ri表示水平方向高频细节图像中的点i的特征向量，Rj表示水平方向高频细节图像中的点j的特征向量，σ表示水平方向高频细节图像的方差；(4e)按照下式，对水平方向高频细节图像去噪，得到水平方向高频细节图像中的像素点的真实灰度值：其中，ti表示水平方向高频细节图像中的点i的真实灰度值，Wi表示水平方向高频细节图像中的点i的去噪权重值的归一化常量，wij表示水平方向高频细节图像中的点j对点i去噪时的影响权重值，xj表示水平方向高频细节图像中的点j的像素灰度值，Si表示水平方向高频细节图像中的点i的搜索窗口；(4f)重复步骤(4d)、步骤(4e)，直至得到水平方向高频细节图像中的全部像素点的真实灰度值；(4g)采用步骤(4a)、步骤(4b)、步骤(4c)、步骤(4d)、步骤(4e)、步骤(4f)的相同方法，对步骤(3)中得到的竖直方向高频细节图像和对角方向高频细节图像分别进行去噪处理，得到去噪后竖直方向和对角方向的高频细节图像；(5)小波逆变换：对水平、竖直和对角方向形成的三幅去噪后高频细节图像和步骤(3)中得到的低频轮廓图像共四幅图像，使用小波逆变换IDWT，得到去噪后的两幅遥感图像的差异图；(6)分割差异图：使用基于局部模糊C均值聚类算法FLICM，对去噪后的两幅遥感图像的差异图进行分割，得到最终的变化检测结果图。本专利技术与现有技术相比具有以下优点：第一，本专利技术利用基于非局部信息的去噪处理方法，克服了现有技术在图像受到噪声干扰时，图像的变化检测结果迅速变差，抗噪性能差的问题，使得本专利技术对噪声的鲁棒性得到了提高。第二，本专利技术通过对对数比差异图进行小波分解，仅在高频细节部分进行基于非局部信息的去噪处理，保留低频轮廓部分信息，克服了现有技术不能有效地衡量去除噪声和保留图像细节信息之间的关系和不能有效地保留图像的细节信息的问题，使得本专利技术的变化检测精度得到了提高。附图说明图1为本专利技术的流程图；图2为本专利技术的第一组两时相遥感数据图像及其变化检测参考图；图3为本专利技术与现有对比实验方法的差异图；图4为本专利技术与现有对比实验方法的变化检测结果图；图5为本专利技术的第二组两时相遥感数据图像及其变化检测参考图；图6为本专利技术与现有对比实验方法的差异图；图7为本专利技术与现有对比实验方法的变化检测结果图；具体实施方式下面结合附图对本专利技术做进一步的详细描述。参照附图1，本专利技术的步骤如下。步骤1，读入数据。读入中同一地区不同时刻获取的已经过配准和几何校正的两幅遥感图像。本专利技术实施例中输入第一组的原始遥感图像如图2所示，图2(a)、图2(b)源自欧洲遥感图像库中的Bern城市的不同时刻的两幅原始的遥感图像，分别拍摄于1999.04和1999.05，其大小均为256×256个像素。图2(c)为Bern城市变化检测参考图。本专利技术实施例中输入第二组本文档来自技高网...

【技术保护点】
一种基于非局部小波信息的遥感图像变化检测方法，包括如下步骤：(1)读入数据：读入同一地区不同时刻获取的已配准的两幅遥感图像；(2)构造差异图：对读入的两幅遥感图像，使用对数比公式，获得两幅遥感图像的差异图；(3)小波分解：对两幅遥感图像的差异图，使用离散小波变换DWT进行分解，得到一幅低频轮廓图像和三幅高频细节图像，三幅高频细节图像分别为水平方向，竖直方向和对角方向的高频细节图像；(4)去噪：(4a)从水平方向的高频细节图像中任选一点k，以k为中心，选取一个大小为l×l的邻域窗口，其中，l取值为(3，5，7)奇数；(4b)将邻域窗口的全部像素点的灰度值以列优先的方式排成一列，得到该邻域窗口的中心像素点k的特征向量；(4c)重复步骤(4a)、步骤(4b)，直至得到水平方向高频细节图像中的全部像素点的特征向量；(4d)按照下式，计算水平方向高频细节图像去噪时的权重值：wij=e-||Ri-Rj||2σ2]]>其中，wij表示水平方向高频细节图像中的点j对点i去噪时的影响权重值，e表示自然常数，Ri表示水平方向高频细节图像中的点i的特征向量，Rj表示水平方向高频细节图像中的点j的特征向量，σ表示水平方向高频细节图像的方差；(4e)按照下式，对水平方向高频细节图像去噪，得到水平方向高频细节图像中的像素点的真实灰度值：ti=1WiΣj∈siwijxj]]>其中，ti表示水平方向高频细节图像中的点i的真实灰度值，Wi表示水平方向高频细节图像中的点i的去噪权重值的归一化常量，wij表示水平方向高频细节图像中的点j对点i去噪时的影响权重值，xj表示水平方向高频细节图像中的点j的像素灰度值，Si表示水平方向高频细节图像中的点i的搜索窗口；(4f)重复步骤(4d)、步骤(4e)，直至得到水平方向高频细节图像中的全部像素点的真实灰度值；(4g)采用步骤(4a)、步骤(4b)、步骤(4c)、步骤(4d)、步骤(4e)、步骤(4f)的相同方法，对步骤(3)中得到的竖直方向高频细节图像和对角方向高频细节图像分别进行去噪处理，得到去噪后竖直方向和对角方向的高频细节图像；(5)小波逆变换：对水平、竖直和对角方向形成的三幅去噪后高频细节图像和步骤(3)中得到的低频轮廓图像共四幅图像，使用小波逆变换IDWT，得到去噪后的两幅遥感图像的差异图；(6)分割差异图：使用基于局部模糊C均值聚类算法FLICM，对去噪后的两幅遥感图像的差异图进行分割，得到最终的变化检测结果图。...

【技术特征摘要】
1.一种基于非局部小波信息的遥感图像变化检测方法，包括如下步骤：(1)读入数据：读入同一地区不同时刻获取的已配准的两幅遥感图像；(2)构造差异图：对读入的两幅遥感图像，使用对数比公式，获得两幅遥感图像的差异图；(3)小波分解：对两幅遥感图像的差异图，使用离散小波变换DWT进行分解，得到一幅低频轮廓图像和三幅高频细节图像，三幅高频细节图像分别为水平方向，竖直方向和对角方向的高频细节图像；(4)去噪：(4a)从水平方向的高频细节图像中任选一点k，以k为中心，选取一个大小为l×l的邻域窗口，其中，l取值为奇数；(4b)将邻域窗口的全部像素点的灰度值以列优先的方式排成一列，得到该邻域窗口的中心像素点k的特征向量；(4c)重复步骤(4a)、步骤(4b)，直至得到水平方向高频细节图像中的全部像素点的特征向量；(4d)按照下式，计算水平方向高频细节图像去噪时的权重值：其中,wnp表示水平方向高频细节图像中的点p对点n去噪时的影响权重值，e表示自然常数，Rn表示水平方向高频细节图像中的点n的特征向量，Rp表示水平方向高频细节图像中的点p的特征向量，σ表示水平方向高频细节图像的方差，n表示水平方向高频细节图像中的点n，p表示点n的搜索窗口中的点p；(4e)按照下式，对水平方向高频细节图像去噪，得到水平方向高频细节图像中的像素点的真实灰度值：其中，tn表示水平方向高频细节图像中的点n的真实灰度值，Wn表示水平方向高频细节图像中的点n的去噪权重值的归一化常量，xn表示水平方向高频细节图像中的点n的像素灰度值,Sn表示水平方向高频细节图像中的点n的搜索窗口；(4f)重复步骤(4d)、步骤(4e)，直至得到水平方向高频细节图像中的全部像素点的真实灰度值；(4g)采用步骤(4a)、步骤(4b)、步骤(4c)、步骤(4d)、步骤(4e)、步骤(4f)的相同方法，对步骤(3)中得到的竖直方向高频细节图像和对角方向高频细节图像分别进行去噪处理，得到去噪后竖直方向和对角方向的高频细节图像；(5)小波逆变换：对水平、竖直和对角方向形成的三幅去噪后高频细节图像和步骤(3)中得到的低频轮廓图像共四幅图像，使用小波逆变换IDWT，得到去噪后的两幅遥感图像的差异图；(6)分割差异图：使用基于局部模糊C均值聚类算法FLICM，对去噪后的两幅遥感图像的差异图进行分割，得到最终的变化检测结果图。2.根据权利要求1所述的基于非局部小波信息的遥感图像变化检测方法，其特征在于，步骤(2)所述的对数比公式如下：

【专利技术属性】
技术研发人员：马文萍，焦李成，邢丹，公茂果，马晶晶，李晓婷，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61