一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法技术

本发明专利技术公开了一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法，其实现步骤主要包括：1)输入同一地区的已配准的两时相多光谱图像集，对其进行维纳滤波去噪并归一化处理；2)将处理后的图像集转换为相对地物光谱反射率图像集；3)计算光谱反射率变化模值，得到光谱反射率变化模值图；4)计算光谱反射率角值，得到光谱反射率角制图；5)计算光谱反射率的邻域差异值，得到邻域差异图；6)分别对光谱反射率变化模值图、光谱反射率角制图和邻域差异图进行聚类，得到二值图；7)对所得二值图进行基于邻域概率的融合，得到变化检测结果图。本发明专利技术无需人工参与，检测精确度高，可用于城区扩展监测、森林和植被变化监测等领域。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，其实现步骤主要包括：1)输入同一地区的已配准的两时相多光谱图像集，对其进行维纳滤波去噪并归一化处理；2)将处理后的图像集转换为相对地物光谱反射率图像集；3)计算光谱反射率变化模值，得到光谱反射率变化模值图；4)计算光谱反射率角值，得到光谱反射率角制图；5)计算光谱反射率的邻域差异值，得到邻域差异图；6)分别对光谱反射率变化模值图、光谱反射率角制图和邻域差异图进行聚类，得到二值图；7)对所得二值图进行基于邻域概率的融合，得到变化检测结果图。本专利技术无需人工参与，检测精确度高，可用于城区扩展监测、森林和植被变化监测等领域。【专利说明】一种基于光谱反射率邻域差异图和邻域概率融合的多光谱 遥感影像变化检测方法
本专利技术属于光学遥感图像处理
，具体为一种基于光谱反射率邻域差异图 和邻域概率融合的多光谱遥感影像变化检测方法，可用于土地利用、植被覆盖等方面的变 化监测。
技术介绍
遥感图像的变化检测是通过分析和提取同一地区不同时相的遥感图像之间存在 的电磁波谱特征差异或空间结构特征差异，来识别物体的状态变化或现象变化的过程。在 国民经济和国防建设的诸多领域已得到广泛应用，如农业调查、森林和植被变化监测等。由 于不同地物类型的变化可能会反映在不同的光谱范围内，而多光谱遥感图像数据具有从可 见光到红外光波段的多个接收频段，丰富的光谱信息增加了识别多种类型变化的可能性和 可信度，因此多光谱遥感图像被广泛用于地物的变化检测。 多光谱遥感图像变化检测最为常见的是基于变化矢量分析（CVA)的变化检测，一 般是先通过CVA方法获取差异图，然后对差异图进行变化与未变化的分类。由于同时考虑 了多个波段图像的变化信息，CVA相对于单一波段的变化检测增强了检测结果的可靠性。然 而，CVA在计算光谱变化矢量的模值时只是简单地将各波段差异信息叠加，由于配准误差等 原因，对于没有发生变化的区域，两时相图像对应位置的灰度值也存在一定的偏差，故而简 单地对CVA方法获取的差异图像进行分类会导致变化检测结果中存在很多的伪变化信息。 在变化检测中引入光谱角制图（SAM)可以降低伪变化信息，SAM方法通过计算两时相光谱 矢量之间的角度来定义两者的差异性，然后对两时相差异图进行变化与未变化的分类。SAM 方法利用了角度这一参数，减少了光照对不同时相图像间整体亮度差异的影响，从而提高 了检测准确率。然而，该方法用于多光谱图像时，由于其波段信息较少，导致不同时相图像 间对应地物光谱矢量之间的差异不够大，因此对SAM方法获取的差异图像进行分类所得变 化检测结果中，虽然降低了伪变化信息，但同时引入了很多的漏检。 上述的变化检测方法都利用了图像的光谱信息，没有考虑像素的邻域信息，使得 变化检测结果不理想。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于光谱反射率邻域差异 图和邻域概率融合的多光谱遥感影像变化检测方法，综合考虑两时相图像像素的光谱信息 和邻域信息，并在此基础上结合上述技术，从而提高检测结果的正确率。 为实现上述目的，本专利技术提出了 一种基于光谱反射率邻域差异图和邻域概率融合 的多光谱遥感影像变化检测方法，其技术方案是： 1、一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测 方法，其特征在于，包括如下步骤： (1)输入在两个时相获取的同一地区的两个多光谱图像集=I1= {A A和I2 = {A2b}，其中，I1为时相一多光谱图像集，1 2为时相二多光谱图像集，A tb为两个多光谱图像集 中的每一幅单波段图像，上标b表示波段序号，b = 1，2,…，B，B为总波段数，下标t为时相 序号，t = {1,2}，每一幅单波段图像Atb均由m行η列像素构成； (2)对两时相多光谱图像集IdP 12分别进行维纳滤波去噪，并归一化处理，得到 两时相多光谱归一化图像集?4Ρ?2; (3)分别对归一化图像集ijPi2中每一幅单波段图像，采用对数残差修正模型将 像素的灰度值转换为相对地物光谱反射率值，得到两个时相每一波段的相对地物光谱反射 率图像R113和R 2b，并将相同时相的每一波段相对地物光谱反射率图像分别构成两个时相的 相对地物光谱反射率图像集&和R 2; (4)分别计算两个时相的相对地物光谱反射率图像集&和1?2中各波段对应空 间位置像素（x，y)的光谱反射率变化模值mr( x，y)，得到光谱反射率变化模值图Mr = Imr (X，y)}，其中X为行序号，y为列序号； (5)分别计算两个时相的相对地物光谱反射率图像集札和R2中各波段对应空间 位置像素（x，y)的光谱反射率角值sr(x，y)，得到光谱反射率角制图Sr = {sr(X，y)}; (6)分别计算两个时相的相对地物光谱反射率图像集札和R2中各波段对应空间 位置像素（X，y)的邻域差异值qr (X，y)，得到邻域差异图Qr = {qr (X，y)}; (7)用谱聚类方法将光谱反射率变化模值图Mr中的像素聚为两类，分别为变化类 和非变化类，得到初始变化检测结果图CMl ; (8)用谱聚类方法将光谱反射率角制图Sr中的像素聚为两类，分别为变化类和非 变化类，得到初始变化检测结果图CM2 ; (9)用谱聚类方法将邻域差异图Qr中的像素聚为两类，分别为变化类和非变化 类，得到初始变化检测结果图CM3 ; (10)对CM1、CM2和CM3采用基于邻域概率的融合方法，得到最终变化检测结果图 CM0 上述步骤（5)中计算两个时相的相对地物光谱反射率图像集Rl和R2中各波段对 应空间位置像素（X，y)的光谱反射率角值sr (X，y)，按如下公式计算： 对两时相各波段的相对地物光谱反射率图像{R，和{R2b}中的任意空间位置像素 点（x，y)，该点的光谱反射率角值sr(x，y)的计算公式如下； 【权利要求】1. ， 其特征在于，包括如下步骤： (1) 输入在两个时相获取的同一地区的两个多光谱图像集山=U1I和I2= {A2b}，其 中，I1为时相一多光谱图像集，12为时相二多光谱图像集，Atb为两个多光谱图像集中的每 一幅单波段图像，上标b表示波段序号，b= 1，2,…，B，B为总波段数，下标t为时相序号， t= {1，2}，每一幅单波段图像Atb均由m行η列像素构成； (2) 对两时相多光谱图像集1种I2分别进行维纳滤波去噪，并归一化处理，得到两时 相多光谱归一化图像集^pi2; (3) 分别对归一化图像集?，Ρ?2中每一幅单波段图像，采用对数残差修正模型将像素 的灰度值转换为相对地物光谱反射率值，得到两个时相每一波段的相对地物光谱反射率图 像R113和RΛ并将相同时相的每一波段相对地物光谱反射率图像分别构成两个时相的相对 地物光谱反射率图像集&和R2; (4) 分别计算两个时相的相对地物光谱反射率图像集&和R2中各波段对应空间位置 像素（X，y)的光谱反射率变化模值mr(X，y)，得到光谱反射率变化模值图Mr=Imr(X，y)}， 其中X为行序号，y为列序号； (5) 分别计算两个时相的相对地物本文档来自技高网...

【技术保护点】
一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法，其特征在于，包括如下步骤：(1)输入在两个时相获取的同一地区的两个多光谱图像集：I1＝{A1b}和I2＝{A2b}，其中，I1为时相一多光谱图像集,I2为时相二多光谱图像集,Atb为两个多光谱图像集中的每一幅单波段图像，上标b表示波段序号，b＝1,2,…,B，B为总波段数，下标t为时相序号，t＝{1,2}，每一幅单波段图像Atb均由m行n列像素构成；(2)对两时相多光谱图像集I1和I2分别进行维纳滤波去噪，并归一化处理，得到两时相多光谱归一化图像集和(3)分别对归一化图像集和中每一幅单波段图像，采用对数残差修正模型将像素的灰度值转换为相对地物光谱反射率值，得到两个时相每一波段的相对地物光谱反射率图像R1b和R2b，并将相同时相的每一波段相对地物光谱反射率图像分别构成两个时相的相对地物光谱反射率图像集R1和R2；(4)分别计算两个时相的相对地物光谱反射率图像集R1和R2中各波段对应空间位置像素(x,y)的光谱反射率变化模值mr(x,y)，得到光谱反射率变化模值图Mr＝{mr(x,y)}，其中x为行序号，y为列序号；(5)分别计算两个时相的相对地物光谱反射率图像集R1和R2中各波段对应空间位置像素(x,y)的光谱反射率角值sr(x,y)，得到光谱反射率角制图Sr＝{sr(x,y)}；(6)分别计算两个时相的相对地物光谱反射率图像集R1和R2中各波段对应空间位置像素(x,y)的邻域差异值qr(x,y)，得到邻域差异图Qr＝{qr(x,y)}；(7)用谱聚类方法将光谱反射率变化模值图Mr中的像素聚为两类，分别为变化类和非变化类，得到初始变化检测结果图CM1；(8)用谱聚类方法将光谱反射率角制图Sr中的像素聚为两类，分别为变化类和非变化类，得到初始变化检测结果图CM2；(9)用谱聚类方法将邻域差异图Qr中的像素聚为两类，分别为变化类和非变化类，得到初始变化检测结果图CM3；(10)对CM1、CM2和CM3采用基于邻域概率的融合方法，得到最终变化检测结果图CM。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王桂婷，焦李成，蒋俊霄，公茂果，侯彪，钟桦，王爽，张小华，田小林，
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