【技术实现步骤摘要】
一种鲁棒性遥感图像变化检测方法
本专利技术属于图像变化
，尤其涉及一种鲁棒性遥感图像变化检测方法。
技术介绍
遥感，即远距离感知。遥感一词最早于1960年出现在美国的一项军事科研计划之中，在1962年密执安大学等单位举行的第一届环境遥感学术研讨会上被正式采用。如今，遥感技术应用于越来越多的领域，比如：森林或植被的动态变化监测、对自然灾害的灾后分析及评估、对土地利用的变化分析、对农田进行监控、对城镇变化实时监测、分析农作物生长状况、对军事战略目标，比如机场、道路，进行动态监视等领域，极大地促进了经济和社会的发展。遥感图像变化检测属于遥感图像处理领域，用于分析处理同一地点不同时期的遥感图像而获得变化信息。国内外学者已经对遥感图像变化检测问题进行了大量的研究，提出了各种各样的变化检测方法。其中基于特征的变化检测方法是利用图像中的光谱特征、纹理特征、空间结构特性，对遥感图像进行变化检测。基于特征的变化检测方法考虑了图像丰富的特征信息，具有较好的噪声鲁棒性和抗光照、辐射干扰能力。由于遥感图像受光照、大气环境等影响，而采集的图像特征也受其影响。不仅如此，由于噪声干扰，传...
【技术保护点】
1.一种鲁棒性遥感图像变化检测方法，其特征在于：该方法包括如下步骤：(1)采集获取目标地区T1和T2时刻的遥感图像，所述图像满足分辨率需求并且包含清晰的纹理特征信息；(2)采用ENVI软件实现图像数据预处理，消除拍摄误差；采用eCogntion软件平台对T1和T2时刻的预处理后的图像进行多尺度分割，将两幅图像分别划分成N个图像块，即分别得到N个对象；分别获取T1和T2时刻的图像的光谱特征和纹理特征，构建特征向量，得到变化矢量集合Md，Md＝[m1,m2,...mN]，其中，mi表示第i个对象所对应的变化矢量；将Md中元素按照T1或T2时刻图像中N个对象的排列方式排列，构成一...
【技术特征摘要】
1.一种鲁棒性遥感图像变化检测方法，其特征在于：该方法包括如下步骤：(1)采集获取目标地区T1和T2时刻的遥感图像，所述图像满足分辨率需求并且包含清晰的纹理特征信息；(2)采用ENVI软件实现图像数据预处理，消除拍摄误差；采用eCogntion软件平台对T1和T2时刻的预处理后的图像进行多尺度分割，将两幅图像分别划分成N个图像块，即分别得到N个对象；分别获取T1和T2时刻的图像的光谱特征和纹理特征，构建特征向量，得到变化矢量集合Md，Md＝[m1,m2,...mN]，其中，mi表示第i个对象所对应的变化矢量；将Md中元素按照T1或T2时刻图像中N个对象的排列方式排列，构成一幅差值图；(3)根据Relief特征选择算法，获得变化矢量集合Md的特征子空间Ml中每个对象的特征的权重，选取e个权重最大的变化特征，e取值小于对象包含的特征总数，进而分别在N个对象中选取所述e个变化特征，结合变化矢量集合Md，得到矩阵X；(4)利用PCA算法对矩阵X进行特征降维，得到变换之后的变化特征矩阵Y，Y＝[y1,y2,...,yN]；(5)使用NR-Kmeans算法对变化特征矩阵Y的元素yi进行分类，从变化特征矩阵Y中剔除被噪声干扰的稀疏数据，得到密集点集合Y'；(6)将密集点集合Y'分为未变化的类和变化的类，未变化的类元素对应的差值图中的对象的灰度值转化为255，变化的类中元素对应的差值图中的对象的灰度值转化为0，根据对象的灰度值输出变化检测结果图，图中标出了图像变化的区域。2.根据权利要求1所述的一种鲁棒性遥感图像变化检测方法，其特征在于：步骤(2)中，采用ENVI软件实现图像数据预处理，消除拍摄误差；采用eCogntion软件平台对T1和T2时刻的预处理后的图像进行多尺度分割，将两幅图像分别划分成N个图像块，即分别得到N个对象；分别获取T1和T2时刻的图像的光谱特征和纹理特征，构建特征向量，得到变化矢量集合，步骤如下：(2.1)采用ENVI软件分别对T1和T2时刻的图像进行几何校正、图像配准、大气校正操作，实现图像数据预处理；(2.2)采用eCogntion软件平台对T1和T2时刻的预处理后的图像进行多尺度分割，将两幅图像分别划分成N个图像块，即分别得到N个对象；(2.3)求取预处理后的图像的Mean-Std特征，作为图像的光谱特征；采用灰度共生矩阵提取预处理后的图像的纹理特征；(2.4)根据预处理后的两幅图像提取的光谱特征和纹理特征，构建特征向量，获取变化矢量集合Md。3.根据权利要求2所述的一种鲁棒性遥感图像变化检测方法，其特征在于：步骤(2.3)所述求取图像的Mean-Std特征，作为图像的光谱特征；方法如下：对图像的每个对象，按照下列公式求取光谱特征中的均值Mean和标准差Std：式中，Mean为对象中像素点灰度的均值，std为对象中像素点灰度的标准差，A表示对象中像素点数，ci代表对象中第i个像素点的灰度大小。4.根据权利要求2所述的一种鲁棒性遥感图像变化检测方法，其特征在于：步骤(2.3)所述采用灰度共生矩阵提取图像的纹理特征；方法如下：(2.3.1)将图像中任意一像素点(τ1,τ2)及另一像素点(τ1+Δ1,τ2+Δ2)构成点对，其中Δ1,Δ2为整数；设像素点(τ1,τ2)的灰度值为f1，(τ1+Δ1,τ2+Δ2)的灰度值为f2，则该点对的灰度值为(f1,f2)，设图像的最大灰度级为L，则f1与f2的组合共有L*L组；(2.3.2)统计图像中每一组不同的(f1,f2)值出现的次数，然后排列成一个矩阵，其中，位于矩阵位置(L，L)上的矩阵元素值就是两个灰度值均为L的点对出现的次数；(2.3.3)根据(f1,f2)出现的总次数将每一组不同的(f1,f2)值出现的次数归一化为出现的概率g(f1,f2)，归一化之后的的方阵称为灰度共生矩阵；(2.3.4)选取灰度共生矩阵所提供的6种统计量作为纹理特征，所述6种统计量为对比度、熵、能量、均等性、不相似性、相关性；(2.3.5)设灰度共生矩阵的位置(i,j)上的矩阵元素值为g(i,j)，L为图像的最大灰度级，则所述纹理特征表示如下：式中，Con表示对比度，Ent表示熵，Ene表示能量，Hom表示均等性，Dis表示不相似性，Cor表示相关性；5.根据权利要求2所述的一种鲁棒性遥感图像变化检测方法，其特征在于：步骤(2.4)所述根据预处理后的两幅图像提取的光谱特征和纹理特征，获取变化矢量集合Md；方法如下：(2.4.1)根据步骤(2.3)得到的T1和T2时刻图像的光谱特征和纹理特征，分别构建特征向量，对两幅图像的相对应的特征向量计算差值；两幅图像相对应的第i个对象的第j个特征向量的差值Md(i,j)，表示如下：Md(i,j)＝Md,1(i,j)-Md,2(i,j)式中，Md,1(i,j)为T1时刻图像第i个对象的第j个特征向量，Md,2(i,j)为T2时刻图像第i个对象的第j个特征向量；i≤N,N为图像中对象的总数；j≤Sfeature,Sfeature为对象包含的特征总数；Sfeature＝Sband×8,Sband为对象总波段数；根据差值Md(i,j)，得到第i个对象所对应的变化矢量mi，表示如下：mi＝(Md(i,1),Md(i,2),...,Md(i,Sfeature))(2.4.2)重复步骤(2.4.1)，计算两幅图像中相对应的每一个对象的特征向量的差值，得到每个对象所对应的变化矢量，构成变化矢量集合Md，表示如下：Md＝[m1,m2,...mN]将Md中元素按照T1和T2时刻图像中N个对象的排列方式排列，构成一幅差值图。6.根据权利要求1-5任一所述的一种鲁棒性遥感图像变化检测方法，其特征在于：步骤(3)所述根据Relief特征选择算法，获得变化矢量集合Md的特征子空间Ml中每个对象的特征的权重，选取e个权重最大的变化特征，e取值小于对象包含的特征总数，进而分别在N个对象中选取所述e个变化特征，结合变化矢量集合Md，得到矩阵X；方法如下：(3.1)变化矢量集合Md也称为特征空间，提取特征空间Md＝[m1,m2,m3,...mN]的子空间Ml＝[m1,m2,m3,...mn]作为训练集，其中n＜N；将特征子空间Ml分为Ml1与Ml2两个数集，其中Ml1包含l1个元素，Ml2包含l2个元素，l1+l2＝n，Ml1∈Ml,Ml2∈Ml；(3.2)计算Ml中所有元素两两之间变化矢量的欧式距离，组成距离矩阵，即：其中，d表示距离矩...
【专利技术属性】
技术研发人员：王鑫，张香梁，段林，宁晨，马贞立，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。