本发明专利技术公开一种基于双字典交叉稀疏表示的光学遥感图像变化检测方法。主要解决现有方法检测结果不稳定和未能兼顾漏检和虚警的问题。实现步骤为：(1)读入两幅不同时相图像；(2)逐个像素构造特征向量；(3)逐个像素构造构造局部字典；(4)对两幅时相图像同一位置的像素，用时相1图像的局部字典稀疏表示时相2图像的特征向量，用时相2图像的局部字典稀疏表示时相1图像的特征向量；(5)利用所有特征向量的l1范数构成两幅l1范数图；(6)构造差异图；(7)对差异图进行最大熵阈值，得到初分类二值图；(8)对初分类二值图进行区域生长，得到最终变化检测结果。本发明专利技术的检测结果能够保持变化区域的边缘信息，减少伪变化区域，有效提高检测精度，可用于资源监测和灾害评估。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及光学遥感图像变化检测，具体地说是一种，适用于遥感图像处理和分析。
技术介绍
遥感变化检测是检测同一地理位置在不同时期获取多幅遥感图像之间的变化信息，广泛应用于国民经济和国防建设的诸多领域，如国土资源和土地调查、森林资源监测、军事侦察、灾害预报与评估、国家重大生态工程监理等方面。在已配准的多时相遥感图像变化检测方法中，常见的方法是先构造差异图，然后利用阈值或者分类方法确定变化与非变化类。该方法的优点是简单易行，不改变原始数据的信息，但它的缺点是对图像的几何校正、辐射校正等预处理要求较高，并且对精确阈值的自动选取和分类方法的要求更加苛刻，影响了检测的精度。为了提高变化检测的精确度，至关重要的一步就是构建变化与非变化类别差异显著、能有效减少几何误差并降低辐射光照影响的差异图像。将两时相遥感图像信息交叉利用构建差异图像则是一个解决此问题的根本有效途径。目前此方面的研究才刚开始。西安电子科技大学在其专利申请“基于Treelets的遥感图像变化检测方法”(专利申请号:201110001584.0，公开号:CN102063720A)中提出 了一种 Treelets 滤波和 Kieans 聚类相结合的遥感图像变化检测方法。该方法能够减小因噪声、辐射和光照等因素对检测结果的影响，变化区域的一致性保持较好，减少了伪变化信息，提高了变化检测的精确性。不足之处是Treelets交叉滤波会导致检测结果中存在较多漏检信息，不能较好的保持变化区域边缘信息。2010 年 LamH.Nguyen 和 Trac D.Tran 在文献“A Sparsity-Driven JointImage Registration And Change Detection Technique For Sar Imagery，，(Proceedings2010 IEEE International Conference on Acoustics, Speech and Signal Processing,ICASSP2010:2798-2801.)中引入字典和稀疏表示，提出了基于字典构造和稀疏逼近的变化检测方法。该方法利用一幅时相图中一个像素的若干局部图像块构造一个局部字典，用来稀疏逼近另一幅时相图的同一像素的图像块，其优点是利用原始图像数据自适应地构造局部字典、不需要训练字典，可以减小算法的执行时间和几何配准误差对变化检测的影响。不足之处是该方法将稀疏系数的I1范数和逼近误差的I2范数的乘积作为差异图的灰度幅值，而稀疏逼近误差的I2范数对图像边缘敏感，对平滑区域不敏感，它在变化区域的边缘部分取得大值，在变化区域的非边缘部分取得小值，所以构造的差异图像并不合理，在变化区域的非边缘部分会产生很多的漏检；另外在非变化区域的图像边缘处也会产生虚警。
技术实现思路
本专利技术的目的在于针对上述遥感图像变化检测方法中的不足，提出了一种，以准确地检测出变化区域、减少伪变化信息，提高变化检测的精度。本专利技术的实现方案，包括如下步骤:(I)读入同一地区不同时刻获取的已配准的两幅遥感图像X1和X2，图像大小为IXJ；(2)对图像X1和X2分别进行N个像素的边界镜像拓展，得到边界拓展后的图像Y1和Y2，其中N为奇数，N e {3，5，7}；(3)对图像Y1的像素(i+N, j+N),以该像素为中心选取一个大小为NXN的正方形图像块，将该图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，该列向量作为像素(i+N，j+N)的特征向量yf，其中i和j为图像的行序号和列序号，1=1, 2,...,1, j=l, 2,..., J;(4)对图像Y2的像素(i+N, j+N)，以该像素为中心选取一个大小为NXN的正方形图像块，将该图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，该列向量作为像素(i+N，j+N)的特征向量yf;(5)对图像Y1的像素(i+N，j+N)构造局部字典Df:对图像Y1的像素(i+N，j+N)，以该像素为中心选取一个大小为(2N+1) X (2N+1)的搜索窗Wf，对搜索窗Wf中的像素，在保证不超出搜索窗1Wf边界的情况下，逐个像素选取大小为NXN的正方形图像块，并将每一个正方形图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，每个列向量作为局部字典的一个原子，用总共(N+2)X(N+2)个原子构成一个维数大小为N2X (N+2)2的局部字典Df;(6)按照步骤(5)，对图像Y2的像素(i+N，j+N)构造局部字典Df;(7)利用局部字典D对特征向量W进行稀疏表示，使用正交匹配追踪算法计算稀疏表示系数af;(8)利用局部字典Df对特征向量yf进行稀疏表示，使用正交匹配追踪算法计算稀疏表示系数a ;(9)计算稀疏表示系数af的I1范数，并对I1范数的结果取下整数，得到幅度值A1(I1J),由图像Y1所有像素对应的A1Q, j)得到I1范数图A1= (A1(Lj) i=l,2,...,I,j=l, 2，...，J}；(10)计算稀疏表示系数a〖的I1范数，并对I1范数的结果取下整数，得到幅度值A2 (i, j)，由图像 Y2 所有像素对应的 A2 (i, j)得到 I1 范数图 A2= (A2 (i, j) I i=l, 2,...,1, j=, 2，...，J};(11)构造差异图A:对两幅I1范数图的对应像素点的幅度值进行减法运算，并对减法运算的结果取绝对值，得到一幅差异图像A= IA1-A21 ；(12)对差异图A进行最大熵阈值，得到初分类二值图C ；(13)对初分类二值图C进行区域生长，得到最终的变化检测结果图E。本专利技术与现有技术相比具有如下优点:I)本专利技术充分利用两个时相图像的局部信息给每一个像素构造两个不同的局部字典交互稀疏表示两个时相的 图像块，可降低局部配准误差和弱噪声对变化检测结果的不良影响。2)本专利技术不同于已有方法中利用一幅时相图像构造局部字典稀疏表示另外一幅时相图像的图像块，而是利用交互的稀疏表示方法，不会产生由第一时相构造局部字典稀疏表不第二时相的图像块与第二时相构造局部字典稀疏表不第一时相的图像块之间的变化检测结果不一致的情况，不会出现变化检测结果模棱两可、不稳定的现象，提高了检测的稳定性。3)由于本专利技术中是对初分类二值图进行区域生长，初分类二值图中的像素灰度值只有O和1，因此，区域生长阈值可选初分类二值图中灰度值的O和I之间的任意一个值，最终的生长结果均相同且不受区域生长阈值选取的影响。因而，本专利技术方法在准确检测出变化信息的同时去掉了散杂的伪变化区域，弥补了现有技术中存在较多虚警的不足。附图说明图1是本专利技术的流程图；图2是本专利技术使用的两组两时相遥感图像及其变化检测参考图；图3是用本专利技术和现有方法对图2遥感图像的变化检测结果图。具体实施例方式参照图1对本专利技术的步骤做进一步的详细描述。步骤1，读入同一地区在不同时刻获取的已配准的两幅遥感图像XJPX2，图像大小均为IXJ。步骤2，对图像X1和X2分别进行N个像素的边界镜像扩展，得到图像Y1和\。2a)将图像X1的前N行围绕X1的上边界作镜像反射扩展，将图像X1的最后N行围绕X1的下边界作镜像反射扩展，将X1本文档来自技高网...
【技术保护点】
一种基于双字典交叉稀疏表示的光学遥感图像变化检测方法，包括如下步骤：（1）读入同一地区不同时刻获取的已配准的两幅遥感图像X1和X2，图像大小为I×J；（2）对图像X1和X2分别进行N个像素的边界镜像拓展，得到边界拓展后的图像Y1和Y2，其中N为奇数，N∈{3,5,7}；（3）对图像Y1的像素(i+N,j+N)，以该像素为中心选取一个大小为N×N的正方形图像块，将该图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，该列向量作为像素(i+N,j+N)的特征向量其中i和j为图像的行序号和列序号，i=1,2,...,I，j＝1,2,...,J；（4）对图像Y2的像素(i+N,j+N)，以该像素为中心选取一个大小为N×N的正方形图像块，将该图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，该列向量作为像素(i+N,j+N)的特征向量（5）对图像Y1的像素(i+N,j+N)构造局部字典对图像Y1的像素(i+N,j+N)，以该像素为中心选取一个大小为(2N+1)×(2N+1)的搜索窗对搜索窗中的像素，在保证不超出搜索窗边界的情况下，逐个像素选取大小为N×N的正方形图像块，并将每一个正方形图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，每个列向量作为局部字典的一个原子，用总共(N+2)×(N+2)个原子构成一个维数大小为N2×(N+2)2的局部字典（6）按照步骤（5），对图像Y2的像素(i+N，j+N)构造局部字典（7）利用局部字典对特征向量进行稀疏表示，使用正交匹配追踪算法计算稀疏表示系数（8）利用局部字典对特征向量进行稀疏表示，使用正交匹配追踪算法计算稀疏表示系数（9）计算稀疏表示系数的l1范数，并对l1范数的结果取下整数，得到幅度值A1(i,j)，由图像Y1所有像素对应的A1(i,j)得到l1范数图A1={A1(i,j)i=1,2,...,I，j＝1,2,...,J}；（10）计算稀疏表示系数的l1范数，并对l1范数的结果取下整数，得到幅度值A2(i,j)，由图像Y2所有像素对应的A2(i,j)得到l1范数图A2={A2(i,j)|i=1,2,...,I，j=1,2,...,J}；（11）构造差异图A：对两幅l1范数图的对应像素点的幅度值进行减法运算，并对减法运算的结果取绝对值，得到一幅差异图像A=|A1?A2|；（12）对差异图A进行最大熵阈值，得到初分类二值图C；（13）对初分类二值图C进行区域生长，得到最终的变化检测结果图E。FDA00002772933000011.jpg,FDA00002772933000012.jpg,FDA00002772933000013.jpg,FDA00002772933000014.jpg,FDA00002772933000015.jpg,FDA00002772933000016.jpg,FDA00002772933000017.jpg,FDA00002772933000018.jpg,FDA00002772933000019.jpg,FDA000027729330000110.jpg,FDA000027729330000111.jpg,FDA000027729330000112.jpg,FDA000027729330000113.jpg,FDA000027729330000114.jpg,FDA000027729330000115.jpg,FDA00002772933000021.jpg...
【技术特征摘要】
1.一种基于双字典交叉稀疏表示的光学遥感图像变化检测方法，包括如下步骤: (1)读入同一地区不同时刻获取的已配准的两幅遥感图像X1和X2,图像大小为IXJ; (2)对图像X1和X2分别进行N个像素的边界镜像拓展，得到边界拓展后的图像Y1和Y2，其中N为奇数，Ne {3，5，7}； (3)对图像Y1的像素(i+N，j+N)，以该像素为中心选取一个大小为NXN的正方形图像块，将该图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，该列向量作为像素(i+N，j+N)的特征向量yf，其中i和j为图像的行序号和列序号，i=l, 2,...,1,j = I, 2,..., J ； (4)对图像Y2的像素(i+N，j+N)，以该像素为中心选取一个大小为NXN的正方形图像块，将该图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，该列向量作为像素(i+N，j+N)的特征向量yf'; (5)对图像Y1的像素(i+N，j+N)构造局部字典Df:对图像Y1的像素(i+N，j+N)，以该像素为中心选取一个大小为(2N+1) X (2N+1)的搜索窗Wf，对搜索窗Wf中的像素，在保证不超出搜索窗边界的情况下，逐个像素选取大小为NXN的正方形图像块，并将每一个正方形图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，每个列向量作为局部字典的一个原子，用总共(N+2) X (N+2)个原子构成一个维数大小为N2X (N+2)2的局部字ADf (6)按照步骤(5)，对图像Y2的 像素(i+N，j+N)构造局部字典Df; (7)利用局部字典Df对特征向量yf进行稀疏表示，使用正交匹配追踪算法计算稀疏表示系数af; (8)利用局部字典Df对特征向量y进行稀疏表示，使用正交匹配追踪算法计算稀疏表示系数a (9)计算稀疏表示系数af的I1范数，并对I1范数的结果取下整数，得到幅度值A1Q, j)，由图像Y1所有像素对应的A1 (i, j)得到I1范数图A1= (A1 (i, j) i=l, 2，...，I, j =I,2,...,...
【专利技术属性】
技术研发人员：王桂婷，焦李成，马静林，马文萍，马晶晶，侯彪，张小华，
申请(专利权)人：西安电子科技大学，
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。