【技术实现步骤摘要】
基于无监督学习的遥感影像变化检测方法及存储介质
[0001]本专利技术涉及遥感影像处理
，尤其涉及一种基于无监督学习的遥感影像变化检测方法及存储介质。
技术介绍
[0002]目前，针对遥感时序影像的变化检测问题，采取的方法主要有三种：
[0003]1、通过目视解译、人工勾画图斑实现变化区域的提取和分析。
[0004]2、基于监督学习，该类方法需制作样本并建立有关地物变化图斑样本库，而后利用神经网络、随机森林、支持向量机等监督学习方法训练模型，经过模型优化、超参数调整后得到可用于预测的最终版本。
[0005]3、基于无监督学习，该类方法无需依靠人工进行图斑勾画或样本制作，能够通过窗口滤波、矩阵运算以及特征映射等图像处理方法完成检测任务。
[0006]然而，目视解译方法所需人工、时间成本过高，因遥感影像通常覆盖区域较广，针对时序影像地理范围内的变化检测，若完全依靠肉眼识别则工作量较大，不能在短时间内得到有效成果。
[0007]监督学习方法与目视解译方法缺点类似，虽然其能够自动化实施变...
【技术保护点】
【技术特征摘要】
1.一种基于无监督学习的遥感影像变化检测方法，其特征在于，包括：根据待测的两幅时序遥感影像的仿射变换矩阵，确定所述两幅时序遥感影像的重叠区域，并分别提取所述两幅时序遥感影像的重叠区域，得到两幅重叠图像；对所述两幅重叠图像进行尺寸以及仿射变换矩阵的统一，并确定滤波窗口边长；根据两幅统一后的重叠图像，计算差值图；根据所述滤波窗口边长和第一滑动步长，所述第一滑动步长与所述滤波窗口边长相同，对所述差值图进行滑动窗口滤波，得到第一滤波结果，并根据所述第一滤波结果，生成第一特征矢量及其特征矢量均值；对所述第一特征矢量进行主成分分析，得到特征矢量空间；根据所述滤波窗口边长和预设的第二滑动步长，对所述差值图进行滑动窗口滤波，得到第二滤波结果，并根据所述第二滤波结果，生成第二特征矢量；将所述第二特征矢量映射至所述特征矢量空间，并与所述第一特征矢量均值进行差值计算，得到映射后的特征矢量；对所述映射后的特征矢量进行聚类，得到预设数量的聚类簇，并分别对所述映射后的特征矢量中的各特征按照所属聚类簇设置标签；根据统一后的重叠图像的仿射变换矩阵，将带标签的映射后的特征矢量按照从左到右以及从上到下的顺序，投影至所述差值图对应的地理空间内，并根据所述标签，生成二值掩膜图。2.根据权利要求1所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述根据所述标签，生成二值掩膜图之后，进一步包括：通过腐蚀滤波算子，对所述二值掩膜图进行滤波。3.根据权利要求2所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述通过腐蚀滤波算子，对所述二值掩膜图进行滤波之后，进一步包括：对滤波后的二值掩膜图进行格式转换，得到矢量结果图，并将所述矢量结果图以边界高亮内部中空的形式叠加至所述两幅时序遥感影像上。4.根据权利要求1所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述根据待测的两幅时序遥感影像的仿射变换矩阵，确定所述两幅时序遥感影像的重叠区域，具体为：获取待测的两幅时序遥感影像，并对所述两幅时序遥感影像进行大气校正和几何校正；分别提取所述两幅时序遥感影像的仿射变换矩阵，所述仿射变换矩阵中的参数包括经度向分辨率、第一旋转系数、左上角经度、第二旋转系数、纬度向分辨率和左上角纬度；根据所述两幅时序遥感影像的仿射变换矩阵，确定所述两幅时序遥感影像的角点的地理坐标，所述角点包括左上角点和右下角点；根据所述两幅时序遥感影像的角点的地理坐标，确定所述两幅时序遥感影像的重叠区域。5.根据权利要求4所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述两幅时序遥感影像包括第一影像和第二影像；所述根据所述两幅时序遥感影像的角点的地理坐标，确定所述两幅时序遥感影像的重
叠区域，具体为：若第一影像的左上角点的经度小于第二影像的右下角点的经度、第一影像的右下角点的经度大于第二影像的左上角点的经度、第一影像的左上角点的纬度大于第二影像的右下角点的纬度且第一影像的右下角点的纬度大于第二影像的左上角点的经纬度，则判定所述两幅时序遥感影像存在重叠；若所述第一影像的左上角点的经度大于所述第二影像的左上角点的经度，则令重叠区域的左上角点的经度等于所述第一影像的左上角点的经度，否则令重叠区域的左上角点的经度等于所述第二影像的左上角点的经度；若所述第一影像的左上角点的纬度小于所述第二影像的左上角点的纬度，则令重叠区域的左上角点的纬度等于所述第一影像的左上角点的纬度，否则令重叠区域的左上角点的纬度等于所述...
【专利技术属性】
技术研发人员：朱厦，臧志斌，张春光，赵光，李静，林啸，夏传福，李录，于一鸣，
申请(专利权)人：国网信息通信产业集团有限公司，
类型：发明
国别省市：
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。