基于变化矢量分析与分类后比较的遥感图像变化检测方法技术

一种基于变化矢量分析与分类后比较的遥感图像变化检测方法，涉及遥感图像技术，包括：第一步，分别对两时相的遥感图像以像素为单位提取颜色和纹理特征；第二步，用马尔可夫随机场理论，将基于分类后比较方法的两时相遥感图像变化检测转化为两时相图像上马尔可夫能量函数比较；第三步，分别对两时相图像进行过分割，根据规则分别对两时相过分割图像区域进行重新调整；第四步，将基于变化矢量分析方法的两时相遥感图像变化检测转换为基于区域特征相似性度量函数项；第五步，将基于分类后比较的马尔可夫能量函数与基于变化矢量分析的相似性度量函数项进行联合，构造联合马尔可夫能量函数；第六步，用优化方法对联合能量函数进行求解，输出变化数据。

【技术实现步骤摘要】

本专利技术涉及遥感图像处理
，尤其是针对变化矢量分析方法和分类后比较方法相结合的两时相遥感图像变化检测方法。
技术介绍
遥感图像变化检测是遥感图像处理领域中最重要的应用方向之一。遥感图像变化检测技术在自然灾害监测、国土资源规划管理、军事目标打击评估等众多军民领域都有重要的应用价值。随着遥感图像数据的分辨率增高，变化检测可以获取的变化信息日益丰富，使得变化检测的实际应用范围得到进一步扩大。分类后比较方法(post-classification comparison(PCC))和变化矢量分析方法(change vector analysis (CVA))是两类常用的变化检测方法。分类后比较方法通常先对每个时相的图像进行分类，通过直接比较分类后图像的标记图，获取两时相上地面覆盖发生的变化情况。变化矢量分析方法则是直接获取关于两时相图像的变化矢量，通过对变化矢量的分析，得到两时相上地面覆盖发生的变化情况。分类后比较方法的优点是:不需要对两时相的图像进行辐射校正，能够比较方便地获取地面上覆盖类型的变化情况。其缺点是:忽略了两时相图像之间的依存关系，容易导致错误的累积，致使检测精度不高。变化矢量分析方法的优点是:比较充分地利用了两时相图像之间的依存关系，能够比较有效地抑制由于分类错误产生的误差累积。其缺点是:检测受光照、植被等辐射因素影响严重；另外，由于变化矢量获取的不唯一性，导致原始图像信息损失严重，致使检测结果不具备唯一性。如何综合利用两种方法的优点，实现优势互补，提高检测精度，是一个比较有意义的问题。现有方法(J.Chen, X.Chen, X.Cui, and J.Chen, Change Vector Analysis inPosterior Probability Space:A New Method for Land Cover Change Detection.1EEE Trans.Trans.Geosc1.Remote Sens.Letters, vol.8, n0.2, pp.317-321, Mar.2011.)试图利用变化矢量分析方法降低分类后比较方法的误差积累，但是这类方法的重要缺点就是不能充分利用两时相图像的依存信息，需要手工阈值选取，自动化程度不高。本专利技术综合利用分类后比较方法和变化矢量分析方法的优点，实现优势互补，第一次将分类后比较方法与变化矢量分析方法相结合的变化检测方法转化为一个联合马尔可夫能量函数表现形式，通过能量函数的优化求解，获取最优的变化检测输出结果。整个检测过程无需人工干预，自动化程度高。
技术实现思路
本专利技术的目的是提供一种，以充分有效利用变化矢量分析方法与分类后比较方法的优势，提高变化检测精度。为实现上述目的，本专利技术的技术方案是:—种，其包括以下步骤:第一步，分别对两时相的遥感图像以像素为单位提取颜色和纹理特征；第二步，用马尔可夫随机场理论，将基于分类后比较方法的两时相遥感图像变化检测转化为两时相图像上马尔可夫能量函数比较；第三步，分别对两时相图像进行过分割，根据规则分别对两时相过分割图像区域进行重新调整；第四步，将基于变化矢量分析方法的两时相遥感图像变化检测转换为基于区域特征的相似性度量函数项；第五步，将基于分类后比较的马尔可夫能量函数与基于变化矢量分析的相似性度量函数项进行联合，构造一个联合马尔可夫能量函数；第六步，用优化方法对联合能量函数进行求解，输出变化检测结果。所述的遥感图像变化检测方法，其所述第一步，像素级特征提取，包括:al、以像素为单位，提取每个像素的CIELab颜色特征、Gabor纹理特征、熵特征；其中，Lab颜色特征维数为3 ;Gabor滤波器尺度参数、方向参数根据实际需要选择维数，Gabor纹理特征的维数为5X8 = 40 ;根据图像分辨率选取窗口大小，计算以当前像素为中心的窗口区域内图像的熵作为该像素的熵特征，熵特征的维数为I ;a2、分别对每类特征进行归一化处理。所述的遥感图像变化检测方法，其所述第二步，基于马尔可夫能量函数比较的分类后比较变化检测方法:利用马尔可夫随机场模型对每个时相的图像分别建模，以第一步获取的两时相遥感图像特征为基础，分别在每个时相图像上构造马尔可夫能量函数，将每个时相上图像的分类问题转化为马尔可夫能量函数优化问题，通过对两时相图像的马尔可夫能量函数比较，获取基于分类后比较方法的两时相遥感图像变化检测结果。所述的遥感图像变化检测方法，其所述第二步，具体包括:bl、根据最大后验概率估计理论和马尔可夫随机场理论，分别对每个时相的图像进行建丰吴:特征模型p(x/y):假定每个时相图像中的每类特征均服从高斯分布，利用高斯分布函数，计算特征模型；对于每个时相图像中的任意一个像素P α，j)，该像素属于第k类的高斯分布计算公式如下:本文档来自技高网...

【技术保护点】
一种基于变化矢量分析与分类后比较的遥感图像变化检测方法，其特征在于，包括以下步骤：第一步，分别对两时相的遥感图像以像素为单位提取颜色和纹理特征；第二步，用马尔可夫随机场理论，将基于分类后比较方法的两时相遥感图像变化检测转化为两时相图像上马尔可夫能量函数比较；第三步，分别对两时相图像进行过分割，根据规则分别对两时相过分割图像区域进行重新调整；第四步，将基于变化矢量分析方法的两时相遥感图像变化检测转换为基于区域特征的相似性度量函数项；第五步，将基于分类后比较的马尔可夫能量函数与基于变化矢量分析的相似性度量函数项进行联合，构造一个联合马尔可夫能量函数；第六步，用优化方法对联合能量函数进行求解，输出变化检测结果。

【技术特征摘要】
1.一种基于变化矢量分析与分类后比较的遥感图像变化检测方法，其特征在于，包括以下步骤: 第一步，分别对两时相的遥感图像以像素为单位提取颜色和纹理特征； 第二步，用马尔可夫随机场理论，将基于分类后比较方法的两时相遥感图像变化检测转化为两时相图像上马尔可夫能量函数比较； 第三步，分别对两时相图像进行过分割，根据规则分别对两时相过分割图像区域进行重新调整； 第四步，将基于变化矢量分析方法的两时相遥感图像变化检测转换为基于区域特征的相似性度量函数项； 第五步，将基于分类后比较的马尔可夫能量函数与基于变化矢量分析的相似性度量函数项进行联合，构造一个联合马尔可夫能量函数； 第六步，用优化方法对联合能量函数进行求解，输出变化检测结果。2.如权利要求1所述的遥感图像变化检测方法，其特征在于，所述第一步，像素级特征提取，包括: al、以像素为单位，提取每个像素的CIELab颜色特征、Gabor纹理特征、熵特征；其中，Lab颜色特征维数为3 ；Gabor滤波器尺度参数、方向参数根据实际需要选择维数，Gabor纹理特征的维数为5X8 = 40 ;根据图像分辨率选取窗口大小，计算以当前像素为中心的窗口区域内图像的熵作为该像素的熵特征，熵特征的维数为I ;a2、分别对每类特征进行归一化处理。3.如权利要求1所述的遥感图像变化检测方法，其特征在于，所述第二步，基于马尔可夫能量函数比较的分类后比较变化检测方法:利用马尔可夫随机场模型对每个时相的图像分别建模，以第一步获取的两时相遥感图像特征为基础，分别在每个时相图像上构造马尔可夫能量函数，将每个时相上图像的分类问题转化为马尔可夫能量函数优化问题，通过对两时相图像的马尔可夫能量函数比较，获取基于分类后比较方法的两时相遥感图像变化检测结果。4.如权利要求1或3所述的遥感图像变化检测方法，其特征在于，所述第二步，具体包括: bl、根据最大后验概率估计理论和马尔可夫随机场理论，分别对每个时相的图像进行建模: 特征模型P(x/y):假定每个时相图像中的每类特征均服从高斯分布，利用高斯分布函数，计算特征模型；对于每个时相图像中的任意一个像素P (i，j)，该像素属于第k类的高斯分布计算公式如下:5.如权利要求1所述的遥感图像变化检测方法，其特征在于，所述第三步，过分割图像区域调整:分别对两时相的遥感图像进行过分割处理，获取区域为单位的同质区域图像，按照规则分别对两个过分割图像进行区域调整，包括: Cl、利用分水岭分割方法分别对每个时相的遥感图像进行过分割处理，每个过分割区域即为同质区域；其中，当某个区域的总像素个数少于200时该区域停止分割； c2、根据两时相图像的过分割图，对每个时相图像的过分割区域逐一进行比较，并根据比较准则对每个时相上的过分割区域进行调整；其中，假定区域A为时相I图像中的一个过分割区域，区域B为区域A在第二个时相图像上的对应区域，则区域A和区域B比较准则为: 如果A = B，则区域A和区域B均保持不变； 如果A古B，且A H B = Α，则区域A保持不变，将区域B分割为B = BI U Β2，其中，BI为区域A在第二个时相图像上的对应区域，Β2为...

【专利技术属性】
技术研发人员：陈克明，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：