基于多尺度分割和融合的高分辨率遥感图像变化检测方法技术

基于多尺度分割和融合的高分辨率遥感图像变化检测方法，属于高光谱遥感图像技术领域，本发明专利技术为解决现有遥感图像变化检测技术对于高分辨率遥感图像的检测精度低、无法保证检测结果的完整性的问题。本发明专利技术的具体过程为：采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割；对分割后的各尺度图像中的目标在对象角度上进行特征提取，用对象特征描述对象本身，进而相对其他时相的遥感图像进行向量分析，获得多个尺度的对象差异图；对获得的多个尺度的对象差异图进行变化信息提取和融合，获得最终的总变化结果图。本发明专利技术用于高分辨率遥感图像变化检测。

A method of high resolution remote sensing image change detection based on multiscale segmentation and fusion

Detection method of multi-scale segmentation and fusion of high resolution remote sensing image based on the change, which belongs to the technical field of hyperspectral remote sensing image, the invention solves the problem that the integrity of the existing problems of remote sensing image change detection techniques for the detection accuracy of high resolution remote sensing image is low, can not guarantee the detection results. The specific process of the invention is: using multi-scale segmentation algorithm for high resolution remote sensing image multi temporal spatial scale segmentation; feature extraction on each scale in the image after segmentation target in the object perspective, describing the object itself with the characteristics of objects, and then he relative to the image of the vector map analysis. Object difference multiple scales; map object differences on multiple scales to obtain the change information extraction and fusion, obtain the final results of the total change map. The invention is used for high resolution remote sensing image change detection.

【技术实现步骤摘要】
基于多尺度分割和融合的高分辨率遥感图像变化检测方法
本专利技术涉及一种高分辨率遥感图像变化检测方法，属于高光谱遥感图像

技术介绍
随着卫星分辨率的提高，高分辨率遥感卫星数据细节信息丰富、数据量剧增，图像数据量和复杂度的增加使多时相遥感影像自动识别变化区域的难度提高，相应的数据处理技术也很难满足精度的要求；且高分辨率遥感影像细节信息丰富，各地物边缘明显，噪声大大增加，使得现阶段大多数基于特征域和像素级别的变化检测方法无法克服检测精度不足的问题，大多目标级检测方法，无法克服检测目标破碎的问题，从而影响后续的处理及应用。
技术实现思路
本专利技术目的是为了解决现有遥感图像变化检测技术对于高分辨率遥感图像的检测精度低、无法保证检测结果的完整性的问题，提供了一种基于多尺度分割和融合的高分辨率遥感图像变化检测方法。本专利技术所述基于多尺度分割和融合的高分辨率遥感图像变化检测方法，该方法的具体过程为：步骤1、采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割，空间尺度分为粗尺度和细尺度两个部分，并选择适当的形状因子，利用自上而下区域异质性准则进行合并；步骤2、对步骤1分割后的各尺度本文档来自技高网...

【技术保护点】
基于多尺度分割和融合的高分辨率遥感图像变化检测方法，其特征在于，该检测方法的具体过程为：步骤1、采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割，空间尺度分为粗尺度和细尺度两个部分，并选择适当的形状因子，利用自上而下区域异质性准则进行合并；步骤2、对步骤1分割后的各尺度图像中的目标在对象角度上进行特征提取，用对象特征描述对象本身，进而相对其他时相的遥感图像进行向量分析，获得多个尺度的对象差异图；步骤3、对步骤2获得的多个尺度的对象差异图进行变化信息提取和融合；首先采用自适应权重的像素级别融合方法，利用变化差异图的方差定义权重，分别得到针对粗尺度大目标和细尺度小目标的融合差异图；然后...

【技术特征摘要】
1.基于多尺度分割和融合的高分辨率遥感图像变化检测方法，其特征在于，该检测方法的具体过程为：步骤1、采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割，空间尺度分为粗尺度和细尺度两个部分，并选择适当的形状因子，利用自上而下区域异质性准则进行合并；步骤2、对步骤1分割后的各尺度图像中的目标在对象角度上进行特征提取，用对象特征描述对象本身，进而相对其他时相的遥感图像进行向量分析，获得多个尺度的对象差异图；步骤3、对步骤2获得的多个尺度的对象差异图进行变化信息提取和融合；首先采用自适应权重的像素级别融合方法，利用变化差异图的方差定义权重，分别得到针对粗尺度大目标和细尺度小目标的融合差异图；然后增加算法的鲁棒性，基于图像二维直方图进行变换信息提取，分别对粗尺度大目标和细尺度小目标变化差异图提取差异，分别获得粗尺度大目标和细尺度小目标的变化结果图；最后利用决策级的融合规则获得最终的总变化结果图。2.根据权利要求1所述的基于多尺度分割和融合的高分辨率遥感图像变化检测方法，其特征在于，采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割的具体方法为：多尺度分割采用一种基于最小异质性的自上而下区域合并的算法来得到输入图像不同尺度的图像分割序列，联合形状异质性获得合并的区域，异质性的表示形式为：其中，htotal表示整体异质性，表示光谱异质性权重，满足hc和hs分别表示光谱异质性和形状异质性，并且满足：其中，表示各个波段权重，波段个数为c，σc表示各个光谱波段的标准差；表示光滑度权重，hsm和hco分别表示区域的光滑度和紧致度；按照自上而下区域合并的算法，得到新合并区域的光谱异质性和形状异质性分别为：其中，nnew表示新合并区域的像素数目，n1和n2分别表示合并前两个区域的像素数目，σc1和σc2分别表示合并前两个区域的标准差，h′sm和h′co分别表示新合并区域的光滑度和紧致度，h′sm和h′co分别表示为：其中，L和l分别表示新合并区域的实际边界长度和外部矩形边界长度，L1和L2分别表示合并前两个区域的实际边界长度，l1和l2分别表示合并前两个区域的外部矩形边界长度；根据合并准则得到的两个相邻区域之间的边权重值如果大于所设定的尺度参数，当前合并结束；如果图像中所有边的权重值均大于尺度参数，合并结束，生成该尺度参量控制下的分割结果。3.根据权利要求1或2所述的基于多尺度分割和融合的高分辨率遥感图像变化检测方法，其特征在于，多尺度分为粗尺度和细尺度，细尺度的尺度参量为10到50，粗尺度的尺度参量为50到100。4.根据权利要求1或2所述的基于多尺度分割和融合的高分辨率遥感图像变化检测方法，其特征在于，对分割后的各尺度图像中的目标在对象角度上进行特征提取的具体方法为：通过提取均值、标准差和目标直方图获得特征向量；图像直方图f(x')是图像灰度值x'的函数，其中1≤x'<M，M为图像最大灰度级；两时相第i个目标的特征向量表示为：Hi＝[Hi(1),Hi(2),…,Hi(k)]；其中，k表示原始图像的波段数，特征向量中的每一个变量Hi(j)看作是波段...

【专利技术属性】
技术研发人员：张钧萍，郭庆乐，李彤，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23