基于联合字典学习的多时相遥感图像变化检测方法技术

基于联合字典学习的多时相遥感图像变化检测方法，包括：1)从多时相遥感图像中提取大量未变化样本，对该样本进行联合字典学习，得未变化样本的基；2)将步骤1)未选取的其余多时相样本作为测试集样本；用未变化样本的基对测试集样本稀疏重构；对测试集样本和重构测试集样本求差得到差值影像；3)从多时相遥感图像中选取少量变化样本；用未变化样本的基对不同时相的变化样本稀疏重构；利用不同时相变化样本的重构图像间的差值，经池化操作得变化样本的变化阈值；4)结合差值影像和变化样本的变化阈值判别出多时相遥感图像的变化区域，统计检测率。本发明专利技术可大幅减小标记样本的使用、无需人工选择变化阈值以及能够提高对遥感图像变化的检测率。

【技术实现步骤摘要】

本专利技术属于信息处理
，涉及一种多时相多光谱图像变化检测方法，尤其涉及一种基于联合字典学习的多时相遥感图像变化检测方法。
技术介绍
20世纪以来，信息技术和空间技术的发展深刻地改变了人类观测地球的方式。“欲穷千里目，更上一层楼”，从第一颗人造卫星升空开始，人类便开始以一种前所未有的高度鸟瞰寰宇。随着遥感技术的出现，人们可以更加直观地了解地球每一天的变化。其中，由于对地观测技术的快速发展使得获取同一地区不同时相的遥感影像成为可能。利用多时相的遥感影像可以为地理国情检测提供重要的技术保障和提供检测的实时性，对遥感图像的变化进行检测可以在环境监测、冰川融化、灾害评估、城市扩张、军事目标检测、土地利用等方面发挥重要的作用。目前，对于多时相遥感图像变化的检测方法主要分为两类：一类是基于无监督的遥感影像变化检测方法，该方法在多时相的高分遥感影像、高光谱遥感影像的变化检测中是最通用和流行的，因为该方法不仅计算复杂度比较低，同时也能取得较好的效果。例如，F.Bovolo等人在参考文献“A theoretical framework for unsupervised change detection based on change vector analysis in the polar domain.IEEE Transactions on Geoscience and Remote Sensing,45(1):218-236,2007.”中提出了一种基于变化矢量方法的变化检测方法，不仅仅从数学公式上论证该方法的可行性，同时对于具体的原理也给出了详细的说明。然而该方法存在的不足是：直接在多时相遥感图像上进行矢量差值大小运算求解，容易受到图像不同噪声和不同遥感平台拍摄角度的干扰，导致检测率低。另一类是基于后分类变化检测的监督方法，这种方法是将多时相的遥感图像进行监督学习，在单幅图像上提高自身地物分类精度，从而提高最终的检测精度，武汉大学的遥感专家张良培教授称这种方法为“From-to”模型。例如，
B.Demir等人在参考文献“Updating Land-Cover Maps by Classification of Image Time Series:A Novel Change-Detection-Driven Transfer Learning Approach.IEEE Transactions on Geoscience and Remote Sensing,51(1):300-312,2013.”中提出了一种基于迁移学习的方法，利用迁移学习对多时相遥感影像进行地物分类，最后实现高精度的变化检测。然而该方法存在的不足是：基于传统监督分类的方法需要大量专家费时费力的进行地物标注，使得该方法在推广上有一定的局限性；同时，由于变化阈值的选择依赖于人工选择或者其他聚类方法，使得监督的变化检测方法的发展受到限制。
技术实现思路
为了解决
技术介绍
中存在的上述技术问题，本专利技术提供了一种大幅减小标记样本的使用、无需人工选择变化阈值以及能够提高遥感图像变化检测率的基于联合字典学习的多时相遥感图像变化检测方法。本专利技术的技术解决方案是：本专利技术提供了一种基于联合字典学习的多时相遥感图像变化检测方法，其特殊之处在于：所述基于联合字典学习的多时相遥感图像变化检测方法包括以下步骤：1)从多时相遥感图像中提取大量未变化样本，对提取的大量未变化样本进行联合字典学习，得到未变化样本的基；2)将步骤1)中未选取的其余所有多时相样本标记为测试集样本，测试集样本包括变化样本和未变化样本；利用步骤1)所得未变化样本的基对测试集样本进行稀疏重构，得到重构测试集样本；对测试集样本和重构测试集样本求差，得到差值影像；3)从多时相遥感图像中选取少量变化样本；根据未变化样本的基，对不同时相的变化样本进行稀疏重构，得到不同时相变化样本的重构图像；利用不同时相变化样本的重构图像之间的差值，经过池化操作，得到变化样本的变化阈值；4)结合步骤2)所得差值影像以及步骤3)所得变化样本的变化阈值，判别出多时相遥感图像的变化区域，并统计检测率。上述步骤1)的具体实现方式是：1.1)将多时相遥感图像预处理后，选取同一地点不同时相中的大量未变化样本；1.2)将不同时相中选取的大量未变化样本拼接在一起，利用稀疏表达的方法得到未变化样本的基，即：X1＝D1S1其中，X1为未变化样本；D1为未变化样本的字典，即未变化样本的基；S1为未变化样本的稀疏表达系数。上述步骤2)的具体实现方式是：2.1)建立测试集样本后，利用稀疏表达机制将测试集样本分解为新的字典和新的稀疏表达系数，即：X2＝D2S2其中，X2为测试集样本；D2为测试集样本的字典，即测试集样本的基；S2为测试集样本的稀疏表达系数；2.2)利用步骤1.2)中所得未变化样本的基D1替换步骤2.1)中所得测试集样本的基D2，在稀疏表达的框架下重构多时相遥感图像的测试集样本，得到重构测试集样本X2′；2.3)对测试集样本X2与重构测试集样本X2′进行求差运算，得到差值影像。上述步骤3)的具体实现方式是：3.1)对于选取的少量变化样本中每一个单时相的变化样本集，分别利用其稀疏表达系数与步骤1.2)中所得未变化样本的基D1进行重构，得到不同时相变化样本集的重构图像；3.2)对于步骤3.1)所得不同时相变化样本集的重构图像进行差值运算，得到变化样本在未变化样本的基上的重构误差图像；3.3)将步骤3.2)中所得重构误差图像进行池化操作，得到重构误差，即变化样本的变化阈值。上述步骤4)的具体实现方式是：4.1)将步骤2.3)所得差值影像的像素值与步骤3.3)所得变化样本的变化阈
值进行对比；若差值影像的像素值大于等于变化样本的变化阈值，则将该差值影像对应的区域标注为变化区域；若差值影像的像素值小于变化样本的变化阈值，则将该差值影像对应的区域标注为未变化区域；4.2)按照步骤4.1)判别出多时相遥感图像的变化区域后，判别的平均准确率即为检测率，检测率的计算方式为：判别正确的像素个数占总像素个数的百分比。本专利技术的优点是：本专利技术提供了一种基于联合字典学习的多时相遥感图像变化检测方法，该检测方法将大量的未变化样本引入到稀疏表达机制中，且只利用了少量变化样本学习变化阈值，克服了传统监督方法需要大量人工标注的困难，提高了对多时相遥感图像的变化检测精度；同时，本专利技术中变化样本的变化阈值是自适应从实验图像中学取的，克服了传统方法需要人工选择变化阈值或者依靠其他算法进行阈值学习的不足；在试验结果上，本专利技术采取的自适应阈值选择策略表现出较好的能力，能够避免不同噪声和拍摄角度对检测结果的影响，获得了更好的识别结果，从而为地理国情检测、军事侦察和环境监测等方面提供更好的技术支持。附图说明图1是本专利技术提供的基于联合字典学习的多时相遥感图像变化检测方法的流程图；图2a是资源三号卫星拍摄的2000年昆山地区的多光谱数据图；图2b是资源三号卫星拍摄的2003年昆山地区的多光谱数据图；图3a是资源三号卫星拍摄的2000年台州地区的多光谱数据图；图3b是资源三号卫星拍摄的2003年台州地区的多光谱数据图；图4a是利用变化矢量分析方法对昆山地区多时本文档来自技高网...

【技术保护点】
一种基于联合字典学习的多时相遥感图像变化检测方法，其特征在于：所述基于联合字典学习的多时相遥感图像变化检测方法包括以下步骤：1)从多时相遥感图像中提取大量未变化样本，对提取的大量未变化样本进行联合字典学习，得到未变化样本的基；2)将步骤1)中未选取的其余所有多时相样本标记为测试集样本，测试集样本包括变化样本和未变化样本；利用步骤1)所得未变化样本的基对测试集样本进行稀疏重构，得到重构测试集样本；对测试集样本和重构测试集样本求差，得到差值影像；3)从多时相遥感图像中选取少量变化样本；根据未变化样本的基，对不同时相的变化样本进行稀疏重构，得到不同时相变化样本的重构图像；利用不同时相变化样本的重构图像之间的差值，经过池化操作，得到变化样本的变化阈值；4)结合步骤2)所得差值影像以及步骤3)所得变化样本的变化阈值，判别出多时相遥感图像的变化区域，并统计检测率。

【技术特征摘要】
1.一种基于联合字典学习的多时相遥感图像变化检测方法，其特征在于：所述基于联合字典学习的多时相遥感图像变化检测方法包括以下步骤：1)从多时相遥感图像中提取大量未变化样本，对提取的大量未变化样本进行联合字典学习，得到未变化样本的基；2)将步骤1)中未选取的其余所有多时相样本标记为测试集样本，测试集样本包括变化样本和未变化样本；利用步骤1)所得未变化样本的基对测试集样本进行稀疏重构，得到重构测试集样本；对测试集样本和重构测试集样本求差，得到差值影像；3)从多时相遥感图像中选取少量变化样本；根据未变化样本的基，对不同时相的变化样本进行稀疏重构，得到不同时相变化样本的重构图像；利用不同时相变化样本的重构图像之间的差值，经过池化操作，得到变化样本的变化阈值；4)结合步骤2)所得差值影像以及步骤3)所得变化样本的变化阈值，判别出多时相遥感图像的变化区域，并统计检测率。2.根据权利要求1所述的基于联合字典学习的多时相遥感图像变化检测方法，其特征在于：所述步骤1)的具体实现方式是：1.1)将多时相遥感图像预处理后，选取同一地点不同时相中的大量未变化样本；1.2)将不同时相中选取的大量未变化样本拼接在一起，利用稀疏表达的方法得到未变化样本的基，即：X1＝D1S1其中，X1为未变化样本；D1为未变化样本的字典，即未变化样本的基；S1为未变化样本的稀疏表达系数。3.根据权利要求2所述的基于联合字典学习的多时相遥感图像变化检测方法，其特征在于：所述步骤2)的具体实现方式是：2.1)建立测试集样本后，利用稀疏表达机制将测试集样本分解为新的字典和新的稀疏表达系...

【专利技术属性】
技术研发人员：袁媛，卢孝强，吕浩博，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：陕西;61