基于自适应阈值分割的高分辨率遥感影像变化检测方法，首先将两个时期的高分辨遥感影像进行几何配准，然后利用差值法获得二者的差值图像，再通过最大类间方差算法获得变化目标提取的灰度值阈值，并利用灰度值阈值提取出变化目标像素。在检测后处理阶段，针对较杂乱变化图斑，利用形态学变换消除大部分检测出的噪声像素；再利用区域增长算法结合所需提取的变化区域包含像素个数的阈值设定，提取出需要大小的变化区域；最后用边缘检测的方法获得其变化区域的边缘轮廓，再叠加到原始影像上，描绘出完整的变化区域。本发明专利技术方法无需过多人工参与，速度较快，可达到良好的检测精度和目视效果。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及影像土地覆盖变化检测的方法，适用于两幅 不同时期具备相同土地覆盖范围的单波段或多波段高分辨遥感影像的变化检测。
技术介绍
土地覆盖作为人类社会和自然界交互作用的界面具有重要的社会经济意义和生 态环境价值。近年来我国城市发展迅速，及时、周期性获取土地覆盖变化的信息有利于管理 者掌握城市土地覆盖的变化趋势，在城市建设中统筹考虑生态环境和经济发展的因素，以 实现城市的健康可持续发展。随着我国卫星遥感技术的迅速发展，卫星遥感影像由于周期 性、连续性、覆盖范围广等特点为我国土地覆盖变化调查提供了有力的数据支持，提高了土 地调查的效率。然而受分辨率的限制，往往不能得到较为理想的土地覆盖变化检测结果。随 着越来越多的民用高分辨卫星遥感影像的出现，利用高分辨遥感影像进行土地覆盖变化检 测将成为一种趋势。与中低分辨率的遥感影像相比，高分辨影像一方面能够反映较为丰富 的地物信息，另一方面由于其较多的地物纹理细节给变化检测带来一定难度。传统的遥感影像变化检测方法一般可分为两类一类是对不同时间的数据在像素 级进行分析，例如差值法、比值法、回归分析法、相关分析法等；另一类是对不同时间的数据 相互独立的分类，然后对分类结果进行比较性研究，一般常用的有分类后比较法等。前一种 方法根据像素值，提取有关变化性质的信息以找出感兴趣的变化，但要求精确的时域标准 化和图像配准。后一种变化检测方法直接给出了有关地物性质的信息，因而受配准及时域 标准化结果的影响小，但是所使用的分类器的准确度对它们的影响很大，而且要想达到较 好的分类效果，往往需要过多的人工参与。尽管上述两类变化检测方法已广泛应用到诸多领域，但是仍然存在由于高分辨遥 感影像具有较多的地物纹理细节而使得检测结果存在较多的噪声；或是变化检测过程较复 杂，需要较多的人工参与，从而降低了变化检测效率的问题。
技术实现思路
本专利技术的技术解决问题是克服现有技术检测噪声较多，检测结果目视效果不好 的不足，提供一种速度快、精度好、人工参与较少的基于自适应阈值分割的高分辨率遥感影 像变化检测方法。本专利技术的技术解决方案是基于自适应阈值分割的高分辨率遥感影像变化检测方 法，步骤如下(1)对于同一空间覆盖范围的两个不同时期的遥感影像，以其中一幅作为参考影 像，另一幅与之进行几何配准；(2)利用差值法获取各个波段的差值图像，差值图像上的像素灰度值为经步骤 (1)处理后的两个不同时期遥感影像上各个波段相对应图像位置像素灰度值之差的绝对 值；(3)对步骤(2)得到的各个波段的差值图像应用最大类间方差算法求得各个波段 的差值图像上变化区域像素的灰度提取阈值，将各个波段差值图像上小于对应波段灰度提 取阈值的所有像素的灰度值置为0，各个波段差值图像上不小于对应波段灰度提取阈值的 所有像素的灰度值置为相同的非0值，然后将经过阈值分割的各个波段二值化差值图像合 并仍得到一个二值化的差异图像；(4)利用形态学变换去掉步骤(3)得到的差异图像上的噪声像素；(5)应用区域增长的方式将步骤(4)所得图像上相互邻接的灰度值为非0值的 像素先归并至同一区域，再根据所需提取的变化区域的大小确定区域所包括的像素个数阈 值，将所包含像素个数小于像素个数阈值的区域中所有像素的灰度值置为0 ；(6)通过Sobel边缘检测算子提取经步骤(5)处理后的差值图像上变化区域的边 缘轮廓；(7)将步骤(6)得到的各变化区域的边缘轮廓线叠加在步骤(1)中的参考影像上， 得到遥感影像变化检测结果。所述步骤(1)中对遥感影像进行几何配准的方法为在两幅图像上选取至少6对 同名控制点对，采用二次多项式建立两幅图像的函数关系，对待配准的图像进行空间坐标 变换，再采用最近邻元法进行灰度内插，确定待配准图像各像素的灰度值。所述步骤(3)中单波段差值图像提取阈值的确定方法为(31)将单波段差值图像按照灰度值划分为L个等级，统计各等级的像素个数Ni, i =1，2，3. · · L，计算得到整幅差值图像的像素总个数N = N^N2+. · · +Ni+. . . +Nl ；(32)计算单波段差值图像上各等级像素出现的概率Pi = Ν,/Ν ；(33)通过公式O2(K) = ^1(Utl-U1)2计算类间方差σ2(Κ), O2(K)的最大值对应KKL-I的 K 即为提取阈值，上式中 aG =Z几,B1 = !-^,U0=YjIplZa0 ,U1 = ^ Ipi Iax。i=0i=0i=K+l所述步骤(4)中的形态学变化方法包括腐蚀和膨胀，结构元素采用3乘3的窗口， 4邻域运算；对于腐蚀，当窗口中心元素本身为O或者窗口中心元素的4个邻域中有一个为 O时，将窗口中心元素设为O ；对于膨胀当窗口中心元素本身不为O或者窗口中心元素的 4个邻域中有一个不为O时，则将窗口中心元素设为相同的非零值；对差异图像进行形态学 变换时，采用先腐蚀再膨胀的方法，去掉噪声像素。所述步骤(5)中的区域增长方法为(51)设定最小区域阈值，最小区域阈值由所需要得到的变化检测区域的大小确 定；(52)对步骤(4)得到的二值化图像按照从左至右，从上至下的顺序进行逐像素的 遍历，当遇到一个满足灰度值不为O且未进行区域标记的像素时，停止遍历，并将该像素作 为此次区域增长运算的第一个种子点，对该种子点进行区域标记，并将该种子点存入堆栈， 进行下一步；若遍历完整幅图像，未找到满足上述条件的像素时，则步骤(5)结束；(53)顺序从存储种子点的堆栈中取出种子点，在步骤(4)得到的二值化图像上， 遍历种子点的八个邻域内的像素，将灰度值不为O且未进行区域标记的像素与种子点合并 至一个区域，同时将这些新合并的像素作为种子点顺序存入堆栈；(54)重复步骤(53)，直到堆栈为空；5(55)统计步骤(54)得到的变化区域所包含的像素个数，若小于预先设定的最小 区域阈值，则将该变化区域中所有像素的灰度值置0，并取消其区域标记；(56)重复步骤(52) (55)，进行下一个区域增长的运算，直至满足步骤(5)结束 的条件。所述步骤(6)中通过Sobel边缘检测算子提取边缘的方法为对经步骤(5)处理 后的差值图像进行如下运算fx' = |f(x+l，y-l)+2*f(x+l，y)+f(x+l，y+l)-f(x_l，y-l)-2*f(x_l，y)-f(x_l，y+D I，fy' = |f(x-l，y+l)+2*f(x，y+l)+f(x+l，y+l)-f(x_l，y-l)_2*f(x，y-l)_f(x+l，y-D I，上式中f(x，y)表示在图像上第x行，第y列处像素的灰度值，fx'为像素(x，y) 在χ方向上的梯度值，fy'为像素(χ，y)在y方向上的梯度值；当fx'或fy'不为0时， 将f(x，y)置为相同的非零值，当fx'，fy'都为0时，将f(x，y)置为0。本专利技术与现有技术相比的优点在于(1)本专利技术方法采用最大类间方差算法获取差值图像上变化目标与非变化目标像 素提取的灰度值阈值，具有自适应的特点，对于任何光学遥感图像都适用，在很大程度上减 少了人工的参与，简化了变化区域像素提取的过程；(2)本专利技术方法采用形态学变换，可消除大部分高分辨遥感影像因纹理细节较多， 在通过灰度值阈值提取变化像素之本文档来自技高网...
【技术保护点】
【技术特征摘要】
基于自适应阈值分割的高分辨率遥感影像变化检测方法，其特征在于步骤如下(1)对于同一空间覆盖范围的两个不同时期的遥感影像，以其中一幅作为参考影像，另一幅与之进行几何配准；(2)利用差值法获取各个波段的差值图像，差值图像上的像素灰度值为经步骤(1)处理后的两个不同时期遥感影像上各个波段相对应图像位置像素灰度值之差的绝对值；(3)对步骤(2)得到的各个波段的差值图像应用最大类间方差算法求得各个波段的差值图像上变化区域像素的灰度提取阈值，将各个波段差值图像上小于对应波段灰度提取阈值的所有像素的灰度值置为0，各个波段差值图像上不小于对应波段灰度提取阈值的所有像素的灰度值置为相同的非0值，然后将经过阈值分割的各个波段二值化差值图像合并仍得到一个二值化的差异图像；(4)利用形态学变换去掉步骤(3)得到的差异图像上的噪声像素；(5)应用区域增长的方式将步骤(4)所得图像上相互邻接的灰度值为非0值的像素先归并至同一区域，再根据所需提取的变化区域的大小确定区域所包括的像素个数阈值，将所包含像素个数小于像素个数阈值的区域中所有像素的灰度值置为0；(6)通过Sobel边缘检测算子提取经步骤(5)处理后的差值图像上变化区域的边缘轮廓；(7)将步骤(6)得到的各变化区域的边缘轮廓线叠加在步骤(1)中的参考影像上，得到遥感影像变化检测结果。2.根据权利要求1所述的基于自适应阈值分割的高分辨率遥感影像变化检测方法，其 特征在于所述步骤(1)中对遥感影像进行几何配准的方法为在两幅图像上选取至少6 对同名控制点对，采用二次多项式建立两幅图像的函数关系，对待配准的图像进行空间坐 标变换，再采用最近邻元法进行灰度内插，确定待配准图像各像素的灰度值。3.根据权利要求1或2所述的基于自适应阈值分割的高分辨率遥感影像变化检测方 法，其特征在于所述步骤(3)中单波段差值图像提取阈值的确定方法为(31)将单波段差值图像按照灰度值划分为L个等级，统计各等级的像素个数Ni,i = 1，2，3. . . L，计算得到整幅差值图像的像素总个数N = N^N2+. · · +Ni+. . . +Nl ；(32)计算单波段差值图像上各等级像素出现的概率Pi= Ν,/Ν ；(33)通过公式σ2(Κ)= M1(Utl-U1)2计算类间方差σ2(Κ), O2(K)的最大值对应的KKKL-I即为提取阈值，上式中“O =Σ凡 ai == Y4iPi/α0似I = Σ iPtlaI。/=0/=0i=K+l4.根据权利要求3所述的基于自适应阈值分割的高分辨率遥感影像变化检测方...
【专利技术属性】
技术研发人员：郑琎琎，吕争，李杏朝，张浩平，王奇，
申请(专利权)人：中国资源卫星应用中心，
类型：发明
国别省市：11
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。