一种基于自适应图像回归的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自适应图像回归的遥感影像变化检测方法，包括以下步骤；步骤1)：基于多输出自适应回归模型对事前及事后影像处理生成回归图像；步骤2)：计算步骤1)得到的回归图像和事前及事后影像之间的差异图像；步骤3)：基于模糊局部信息C均值算法对步骤2)得到的差异图像进行分析，获得一定数量的显著样本对，即变化样本对和不变样本对；步骤4)：基于关联关系驱动的融合方法(AF)，加强事前及事后影像的特征，进而融合原始影像特征和加强后的特征；步骤5)：以步骤3)中的显著样本对构建训练集，进而结合步骤4)中融合后的特征训练分类器模型预测得到变化检测结果。本发明专利技术检测精度高，时间成本低，有效避免了噪声信息的干扰，并且能够适应复杂地物场景的变化检测任务。且能够适应复杂地物场景的变化检测任务。且能够适应复杂地物场景的变化检测任务。

【技术实现步骤摘要】
一种基于自适应图像回归的遥感影像变化检测方法


[0001]本专利技术涉及遥感图像处理和模式识别
，特别涉及一种基于自适应图像回归的遥感影像变化检测方法。

技术介绍

[0002]由于异质遥感影像由于传感器不同的成像特点而使得事前和事后影像特征空间不一致，直接进行差异比较往往会产生大量的噪声，因而同质遥感影像变化检测方法在异质场景下难以得到较高的检测精度，但异质遥感影像变化检测方法有效改善了这种局限性。现存异质遥感影像变化检测方法主要分为基于分类、基于相似性和基于深度学习的方法，基于分类的方法依赖于分类器的性能，容易产生累计误差，尤其是容易受到合成孔径雷达(SAR)影像的相干斑噪声影响而难以正确分类；基于相似性的方法仅依靠不变像素对难以表征数据之间的异质性，在复杂地物场景下的检测精度低；基于深度学习的方法需要大量带标记的训练数据的监督，训练过程复杂且耗时。综上所述，现有异质遥感图像变化检测方法的主要缺点如下：1)易受噪声信息的干扰，难以正确分类；2)检测精度不高，无法适应复杂地物场景；3)依赖于带标记的训练数据，训练过程复杂且耗时。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应图像回归的遥感影像变化检测方法，其特征在于，包括以下步骤；步骤1)：基于多输出自适应回归模型对事前及事后影像处理生成回归图像；步骤2)：计算步骤1)得到的回归图像和事前及事后影像之间的差异图像；步骤3)：基于模糊局部信息C均值算法对步骤2)得到的差异图像进行分析，获得一定数量的显著样本对，即变化样本对和不变样本对；步骤4)：基于关联关系驱动的融合方法(AF)，加强事前及事后影像的特征，进而融合原始影像特征和加强后的特征；步骤5)：以步骤3)中的显著样本对构建训练集，进而结合步骤4)中融合后的特征训练分类器模型预测得到变化检测结果。2.根据权利要求1所述的一种基于自适应图像回归的遥感影像变化检测方法，其特征在于，所述步骤1)中基于多输出自适应回归模型，生成回归图像的将事前及事后影像中包含信息量较多的一方作为训练集和测试集的特征，另一幅影像作为训练集的标签，依据自适应的回归方向训练回归模型从而得到回归图像用于后续分析，该策略能够保证模型从包含信息量多的遥感影像中提取潜在特征来表征包含信息量少的遥感影像。3.根据权利要求1所述的一种基于自适应图像回归的遥感影像变化检测方法，其特征在于，所述步骤2)中差异图像的质量直接影响着最终的变化检测结果，差异图像的灰度值越大，表明相应位置发生变化的可能性就越大，鉴于回归图像与原始遥感影像具有更加一致的特征表示，可以得到质...

【专利技术属性】
技术研发人员：马宗方，麻瑞，宋琳，郝凡，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：