基于多组滤波和降维的遥感图像变化检测方法技术

本发明专利技术公开了一种基于多组滤波和降维的遥感图像变化检测方法，主要解决现有技术对变化检测图像的精度和运行时间上不足的问题。其实现过程是：输入两幅不同时相的遥感图像，并构造差值差异图像，得到差值差异图像的分割结果，并对遥感图像进行灰度校正得到新的差值差异图；应用Gabor滤波器得到多组滤波图像，并组成样本矩阵；利用Treelet算法对样本矩阵进行降维，对降维后的图像进行K均值聚类得到最终的变化检测结果。实验表明本发明专利技术能够有效地提高变化检测处理效率，保持图像的边缘信息，提高变化检测的精确度，可用于灾情监测、土地利用领域。

【技术实现步骤摘要】

本专利技术属于数字图像处理
，具体的说是ー种，适用于遥感图像的处理与分析。
技术介绍
基于遥感图像的变化检测就是从不同时间获取的同一地理区域的多时相遥感图像中，分析和确定地表变化特征和过程的技术。在农业、环境、城市规划、国防等领域得到广泛的应用。通过对同一地区不同时相的遥感图像的分析，能够获取该地区地物变化的信息，这些信息可用于地理信息系统更新、资源环境监测、目标动态监视以及打击效果评估等，是遥感技术的重要研究方向。对配准后的两幅遥感图像的变化检测方法一般是先获取差异图，然后对差异图进行变化与非变化分类。获取差异图的方法由于对原始数据直接进行差异比较，不会改变数据本身，信息较为可靠。其中对变化区域与非变化区域的常用分类方法是通过统计差异图的分布计算分类阈值，但该方法没有考虑差异图像的邻域信息，易将剧烈的噪声部分认为变化区域从而影响最終的检测精度。考虑邻域信息的分类方法能够克服以上的缺点。聚类方法即属于考虑邻域信息的分类方法，不需要建立统计模型，能够对变化和非变化的模糊部分有效的分类。常见的聚类算法有模糊均值聚类(Fuzzy C-Means, FCM)和K均值聚类(K-Means, KM)等。Susmita Ghosh 等学者在文章“Unsupervised Change Detection of RemotelySensed Images using Fuzzy Clustering”中提出的FCM聚类进行变化检测的方法,能够对差异图像中变化区域和非变化区域的重叠部分得到有效地的分类判断结果。但仍会出现难以分辨的噪声区域，从而影响变化检测的结果。Turgay Celik学者在文章“ Unsupervisedchange detection in satellite images using principal component analysis andk-means clustering”中提出的利用PCA降维提取差异图中邻域块的有效特征向量,从而得到差异图像的特征向量空间，利用K均值聚类对差异图像的特征向量空间进行分类，最后根据最小欧氏距离得到最終的变化检测结果图。但差异图像的特征向量空间需要较大的计算量，且将图像进行块处理会降低变化区域的空间信息，影响变化检测的結果。
技术实现思路
本专利技术的目的在于针对上述已有遥感图像变化检测方法的不足，提出一种，以减小计算量，快速、准确地检测出变化区域。为实现上述目的，本专利技术的变化检测方法包括如下步骤(I)对输入的两幅已经配准的多时相遥感图像Tl和T2空间位置对应的像素灰度值进行差值计算，得到一幅差值差异图Xd ；(2)计算差值差异图Xd变化类和非变化类的分类阈值；(3)根据分类阈值计算出图像Tl和图像T2中非变化类像素的灰度直方图，将图像Tl中的非变化类像素和图像T2中的非变化类像素进行灰度校正，得到图像T2灰度校正后的图像T3 ;将图像Tl和图像T3空间位置对应的像素灰度值进行差值计算，得到一幅灰度校正的差值差异图D ；(4)将Gabor滤波函数参数中5个方向角度的任意一个与6个频率的任意一个进行两两组合，可得到30组滤波器函数，利用该组滤波器函数对灰度校正的差值差异图D进行滤波得到30组滤波后的差异图像组，记为滤波图像组矩阵E1 ；(5)将灰度校正的差值差异图D加入到滤波图像组矩阵E1中，得到降维样本矩阵E ；(6)利用Treelet算法计算降维样本矩阵E的投影矩阵P，得到沿投影方向降维后 的最终差异图像F ;(7)对得到的最终差异图像F利用K均值算法进行聚类，得到最终的变化检测结果图Z。本专利技术与现有的技术相比具有以下优点(I)本专利技术根据差值差异图的预分类结果对原始遥感图像的非变化类像素进行灰度校正，能有效地减少噪声信号的影响，提高变化检测的准确度。(2)本专利技术使用多组Gabor滤波器对差值差异图进行滤波，滤波图像具有较大的类间离散度和较小的类内离散度，提高图像的聚类质量和算法效率。(3)本专利技术使用Treelet算法对滤波后的图像进行降维，得到有效的滤波结果，不需要进行参数遍历，算法效率将得到提高。附图说明图I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数据图像及其变化检测参考图；图3是用本专利技术对模拟遥感图像实验的变化检测结果图；图4是用本专利技术对真实遥感图像实验的变化检测结果图。具体实施例方式参照图I，本专利技术的实施步骤如下步骤I，对输入的两幅大小均为MXN的不同时相已配准的遥感图像Tl和T2，如图2所示，将图像Tl和图像T2空间对应位置(x，y)处的像素点灰度值7；和巧进行差值计算，得到差值差异图Xdxy=I7；- |，X = 1，2， ，M，y = 1，2，…，N，其中M为遥感图像Tl的长，N为遥感图像Tl的宽。步骤2，计算差值差异图Xd变化类和非变化类的分类阈值Tm (2a)初始化分类阈值T为差值差异图Xd中最大像素值和最小像素值的均值；(2b)利用初始化分类阈值T将差值差异图Xd分成两类，分别计算变化类像素值的均值m。和非变化类像素值的均值md，将m。和md的均值记为Tn，当初始化分类阈值T与Tn的绝对差值大于收敛值Ts时，更新分类阈值T为Tn，Ts << I ;(2c)重复步骤(2b)直至初始化分类阈值T与均值Tn的绝对差值满足收敛值Ts时，得到最终的分类阈值Tm。步骤3，将图像Tl中的非变化类像素和图像T2中的非变化类像素进行灰度校正(3a)根据差值差异图Xd的分类阈值Tm将图像Tl和T2分成两类，得到两幅图像各自的变化类和非变化类，计算出图像Tl中的非变化类像素的灰度直方图P1和图像T2中非变化类像素的灰度直方图P2 ;(3b)以灰度直方图P1为参考，通过直方图匹配使灰度直方图P2尽可能地接近灰度直方图P1，得到图像T2灰度校正后的图像T3 ；(3c)将图像Tl和图像T3空间位置对应的像素灰度值进行差值计算，得到灰度校正的差值差异图D。步骤4，利用Gabor滤波器函数对灰度校正的差值差异图D进行滤波，得到滤波图像组矩阵E1 (4a)设Gabor滤波器函数的参数包括六个不同频率f= 和五个不同方向角度小=，将参数中6个频率的任意一个与5个方向角度的任意一个进行两两组合，可得到30组Gabor滤波器函数，二维Gabor滤波器函数可以表示为权利要求1.一种，包括如下步骤 (1)对输入的两幅已经配准的多时相遥感图像Tl和T2空间位置对应的像素灰度值进行差值计算，得到一幅差值差异图Xd ； (2)计算差值差异图Xd变化类和非变化类的分类阈值； (3)根据分类阈值计算出图像Tl和图像T2中非变化类像素的灰度直方图，将图像Tl中的非变化类像素和图像T2中的非变化类像素进行灰度校正，得到图像T2灰度校正后的图像T3 ;将图像Tl和图像T3空间位置对应的像素灰度值进行差值计算，得到一幅灰度校正的差值差异图D ； (4)将Gabor滤波器函数参数中5个方向角度的任意一个与6个频率的任意一个进行两两组合，可得到30组滤波器函数，利用该组滤波器函数对灰度校正的差值差异图D进行滤波得到30组滤波后的差异图像组，记为滤波图像组矩阵E1 ； (5)将灰度校正的差值差异图D加入到滤波图像组矩阵E1中，得到降维样本矩阵E； (6)本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：王桂婷，焦李成，曹娟，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：