基于treelet融合和水平集分割的遥感图像变化检测制造技术

本发明专利技术公开了一种基于treelet融合和水平集分割的遥感图像变化检测方法，主要解决现有变化检测方法存在较多伪变化信息的问题。其实现过程是：输入两时相遥感图像，对每幅图像分别进行均值漂移滤波，得到两时相滤波后图像并分别对其进行3次不同层数下的二维平稳小波分解，对相同分解层数对应方向子带的小波系数矩阵做差；采用sobel算子对得到的水平、垂直方向小波系数差矩阵进行增强并进行二维小波逆变换重构；采用treelet算法融合不同分解层数的重构图像得到最终的差异图，对该差异图进行水平集分割得到变化检测结果。本发明专利技术能够有效提高变化检测结果的精度，同时较好的保持变化区域的边缘特征，可用于对自然灾害的分析、土地资源监测等领域。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体来说是一种基于treelet融合和水平集分割遥感图像变化检测方法，可用于土地资源监测、自然灾害分析、城市发展规划等诸多领域的遥感图像分析。
技术介绍
遥感图像变化检测技术是遥感图像研究的重要组成部分，它对同一地点不同时期的图像进行比较分析，根据图像之间的差异来得到人们需要的地物变化信息。在遥感图像的变化检测方法中，最简单常见的方法是直接对图像灰度值进行差分得到差异影像，利用阈值区分变化类和非变化类。然而不同时刻之间的遥感图像由于光照、 辐射等因素造成图像灰度值存在偏差，简单对图像的灰度做差得到差异图的变化检测方法结果中会存在较多的伪变化信息，同时，如何精确的估计阈值一直是一个瓶颈问题。为了提高变化检测结果的精度，有关学者提出了许多改进的方法=Yakoub Bazi等学者于2009年在会议文章“A Variational Level-Set Method for Unsupervised Change Detection in Remote Sensing Images”中提出基于CV模型的变化检测方法，2010年作者在上述会议文章的基础上进一步完善理论部分并增加实验数据，又发表了期刊文章 "Unsupervised Change Detection in Multispectral Remotely Sensed Imagery With Level Set Methods”。该方法不需要估计变化阈值，但是CV模型容易受到噪声的影响从而影响结果的准确性。Turgay Celik等学者在文章“A Bayesian approach to unsupervised multiscale change detection in synthetic aperture radar image”中一禾中■于双树复小波变换的变化检测方法。由于双树复小波变换的下采样特性，该方法首先要对原始图像进行插值，插值方法的选择对结果有一定影响，此外，分别对低频系数矩阵和高频系数矩阵进行分割容易累积分类误差，同样影响变化检测结果的精度。
技术实现思路
本专利技术的目的在于克服上述已有的遥感图像变化检测技术的不足，提出了一种基于treelet融合和水平集分割的遥感图像变化检测方法，以较好的保持变化区域的边缘， 减少伪变化信息，提高变化检测的精度。为实现上述目的，本专利技术的检测方法包括如下步骤(1)对输入的两幅已配准的大小均为mXn的多时相遥感图像I1和I2分别进行均值漂移滤波，得到滤波后图像X1和X2 ；(2)对滤波后图像X1和X2分别进行3次二维平稳小波分解，且每一幅滤波后图像 3次分解的最高分解层数分别为s (s = 1，... 3)，一次二维平稳小波分解得到四个小波系数矩阵，即一个低频系数矩阵和三个分别表示水平、垂直、对角方向的高频小波系数矩阵；(3)对滤波后图像X1和X2相同分解层数下对应方向子带的小波系数矩阵做差，得到每一个分解层s的低频小波系数差矩阵和三个分别表示水平、垂直、对角方向的高频小波系数差矩阵；(4)对步骤(3)中的水平方向小波系数差矩阵和垂直方向小波系数差矩阵利用 sobel算子进行增强，保持低频小波系数差矩阵和对角方向小波系数差矩阵不变；(5)使用(3)中低频小波系数差矩阵、对角方向小波系数差矩阵和⑷中增强后的水平、垂直方向小波系数差矩阵，对每一个分解层s进行二维逆平稳小波变换，得到每个分解层s的重构图像RIs ；(6)对每个分解层s的重构图像RIs使用treelet变换进行融合，得到融合后的差异图D;(7)对融合后的差异图D进行水平集分割，得到变化检测结果图Z。本专利技术与现有的技术相比具有以下优点(1)本专利技术由于通过对两幅滤波后图像分解得到的小波系数矩阵做差并对差矩阵重构来构造差异图，因而能减轻不同时刻之间的遥感图像由于光照、辐射等因素造成图像灰度值存在偏差对结果造成的影响，从而能减少结果中的伪变化信息，提高变化检测结果的精度；(2)本专利技术由于采用sobel算子的水平、垂直方向模板对水平、垂直方向的小波系数差矩阵进行增强，使得图像中几何形状的边缘特征更加突出；(3)本专利技术采用treelet变换对三张逆平稳小波变换重构得到的差异图进行融合，该变换能得到一棵反映数据内部结构的层级聚类树和一组多尺度的正交基，本专利技术利用这组正交基将三张不同分解层数下重构得到的差异图进行融合，相比于直接对融合前的差异图进行分割得到的结果，对融合后的差异图进行分割得到的结果精度更高；(4)本专利技术由于采用均值漂移法对原始图像进行滤波，不仅可以滤除图像中的噪声信息，还具有良好的边缘保持特性；(5)本专利技术由于采用二维平稳小波分解，平稳小波具有冗余性和平移不变性，因此不必对原始图像进行插值，避免了插值算法带来的误差。附图说明图1是本专利技术的实现流程图；图2是本专利技术使用的两时相遥感图像及对应参考图；图3是本专利技术通过treelet融合得到的差异图；图4是用本专利技术及对比方法对模拟遥感数据集实验得到的变化检测结果图；图5是用本专利技术及对比方法对真实遥感数据集实验得到的变化检测结果图。具体实施例方式参照图1，本专利技术的实施如下步骤1，对输入的两个不同时相的已配准且大小均为mXn的遥感图像I1和I2，如 2(a)和图2(b)所示，分别进行均值漂移滤波，得到滤波后图像X1和X2 ；(Ia)对输入图像的每一个像素点，按照下式计算均值漂移矢量mh(x)的值权利要求1.一种基于treelet融合和水平集分割的遥感图像变化检测方法，包括如下步骤(1)对输入的两幅已配准的大小均为mXn的多时相遥感图像I1和I2分别进行均值漂移滤波，得到滤波后图像X1和X2 ；(2)对滤波后图像X1和X2分别进行3次二维平稳小波分解，且每一幅滤波后图像3次分解的最高分解层数分别为s(s = 1，...幻，一次二维平稳小波分解得到四个小波系数矩阵，即一个低频系数矩阵和三个分别表示水平、垂直、对角方向的高频小波系数矩阵；(3)对滤波后图像X1和X2相同分解层数下对应方向子带的小波系数矩阵做差，得到每一个分解层s的低频小波系数差矩阵和三个分别表示水平、垂直、对角方向的高频小波系数差矩阵；(4)对步骤(3)中的水平方向小波系数差矩阵和垂直方向小波系数差矩阵利用sobel 算子进行增强，保持低频小波系数差矩阵和对角方向小波系数差矩阵不变；(5)使用(3)中低频小波系数差矩阵、对角方向小波系数差矩阵和中增强后的水平、垂直方向小波系数差矩阵，对每一个分解层s进行二维逆平稳小波变换，得到每个分解层s的重构图像RIs ；(6)对每个分解层s的重构图像RIs使用treelet变换进行融合，得到融合后的差异图D ；(7)对融合后的差异图D进行水平集分割，得到变化检测结果图Z。2.根据权利要求1所述的遥感图像变化检测方法，其中步骤C3)所述的对滤波后图像 X1和X2相同分解层数下对应方向子带的小波系数矩阵做差，包括对低频小波系数矩阵做差和对高频小波系数矩阵做差，即Ai =I 41 K=IKs-Kl式中忍和Z〗分别表示滤波后图像X1和X2第S分解层得到的低频小波系数矩阵，Ai为忍和g的低频小波系数差矩阵；分别表示滤波后图像X1和X2第S分解层得到的高频小波系数矩阵，θ取值为0本文档来自技高网...

【技术保护点】
１．一种基于ｔｒｅｅｌｅｔ融合和水平集分割的遥感图像变化检测方法，包括如下步骤：（１）对输入的两幅已配准的大小均为ｍ×ｎ的多时相遥感图像Ｉ１和Ｉ２分别进行均值漂移滤波，得到滤波后图像Ｘ１和Ｘ２；（２）对滤波后图像Ｘ１和Ｘ２分别进行３次二维平稳小波分解，且每一幅滤波后图像３次分解的最高分解层数分别为ｓ（ｓ＝１，．．．３），一次二维平稳小波分解得到四个小波系数矩阵，即一个低频系数矩阵和三个分别表示水平、垂直、对角方向的高频小波系数矩阵；（３）对滤波后图像Ｘ１和Ｘ２相同分解层数下对应方向子带的小波系数矩阵做差，得到每一个分解层ｓ的低频小波系数差矩阵和三个分别表示水平、垂直、对角方向的高频小波系数差矩阵；（４）对步骤（３）中的水平方向小波系数差矩阵和垂直方向小波系数差矩阵利用ｓｏｂｅｌ算子进行增强，保持低频小波系数差矩阵和对角方向小波系数差矩阵不变；（５）使用（３）中低频小波系数差矩阵、对角方向小波系数差矩阵和（４）中增强后的水平、垂直方向小波系数差矩阵，对每一个分解层ｓ进行二维逆平稳小波变换，得到每个分解层ｓ的重构图像ＲＩｓ；（６）对每个分解层ｓ的重构图像ＲＩｓ使用ｔｒｅｅｌｅｔ变换进行融合，得到融合后的差异图Ｄ；（７）对融合后的差异图Ｄ进行水平集分割，得到变化检测结果图Ｚ。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王桂婷，焦李成，张敏，钟桦，张小华，田小林，公茂果，王爽，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87