本发明专利技术公开了一种基于区域和Kmeans聚类的遥感图像变化检测方法。主要解决现有方法检测结果含有孤立像素点和区域内有空洞的问题。实现步骤为：(1)读入两幅已配准的不同时相图像X1和X2；(2)对X1和X2滤波后构造差值图像；(3)对差异图像进行最大熵阈值分割提取感兴趣区域和肯定非变化区域；(4)计算感兴趣区域和肯定非变化区域的特征向量；(5)采用Kmeans聚类算法根据肯定非变化区域和所有感兴趣区域的特征将所有区域分为两类；(6)根据聚类结果，将对应于差异图像灰度值较高的那类区域作为变化区域，差异图像中的其他区域作为非变化区域，得到最终的变化检测结果。本发明专利技术的检测结果能保持区域内部的一致性和去除孤立像素点，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
遥感图像变化检测就是提取两个时相遥感图像中发生变化的区域，已广泛应用于经济和社会的诸多领域，如土地资源监测、水体监测、环境监测、林业监测、农业调查、植被覆盖和气象监测、灾害监测与评估、城市管理规划甚至军事侦察和战场估计等领域。实际应用中，如土地覆盖的变化、土地退化和沙漠化的变化、江河湖泊的变化、森林植被变化、农作物等的变化在遥感图像上呈现的都不是单个或两三个像素点或块的变化，而是面积大小形状不同的区域变化，即便是存在较多小面积的变化区域的城市管理规划、灾害监测等，其变化区域的面积也是足可以形成连通的小区域的。遥感图像的分辨率逐渐提高，真实变化区域的连通像素随之增多，基于区域的遥感图像变化检测方法也越显重要。人眼并非是逐像素地读取和理解图像的信息，而是基于区域进行的。对于两时相图像比较获得差异图像，其中的变化区域是遥感图像分析和解译的重点区域，是视觉上的重要区域。为了能有效检测两时相遥感图像的变化信息和提高变化检测的精确度，从区域和视觉注意的角度来进行变化检测则是解决此问题的一个有效途径。2012年万红林等在文献“在感兴趣的区域层面上进行SAR图像变化检测方法研究.”(测绘学报，2012，41 (2):239-245.)提出了一种在感兴趣的区域层面上进行SAR图像变化检测方法。该方法首先对差异图像提取感兴趣区域；然后将每一个感兴趣区域看作一个数据点并计算其特征，根据阈值标准的阈值技术对所有数据点分割，得到最终的变化检测结果。该方法要求提取的感兴趣区域必须含有非变化区域，否则会将变化区域错分为非变化区域，大大降低检测效果；该方法用FCM聚类提取感兴趣区存在较多的漏检，造成较大的传递误差和丢失过多的变化信息。2010年张敏在西安电子科技大学在其专利申请“基于显著性度量的遥感图像变化检测方法”(专利申请号:201210051159.7，公开号:CN102629377A)中提出了一种基于Ch1-square距离和显著性度量的遥感图像变化检测方法。该方法首先对差值图进行显著性度量得到差异影像，分别对差异影像和基于Ch1-square距离的差异图像进行分割，利用Ch1-square距离差异图像的分割结果修正差异影像的分割结果，得到最终的变化检测结果。该方法可以抑制伪变化信息的生成，通过修正使得变化区域的定位更准确，但是这种方法由于存在较多的漏检，不能很好地保持变化区域的边缘。
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，提出一种，以减少漏检，精确定位变化区域边缘，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)读入两幅遥感图像X1和X2,并对X1和X2进行邻域均值滤波，得到滤波后的图像Y1和Y2 ；(2)根据滤波后的图像Y1和Y2，构造差异图像=Y=IY1-Y2I ；(3)利用最大熵原理计算差异图像Y的最大熵阈值T ；(4)由差异图像Y中灰度值不小于最大熵阈值T的像素形成若干个连通区域，并将每一个连通区域看作一个感兴趣区域ROI，并将所有感兴趣区域构成一个感兴趣区域集合{R0I}；(5)将差异图像Y中灰度值小于α*Τ的像素作为肯定非变化像素，并将差异图像Y中所有肯定非变化像素构成一个肯定非变化像素集合NRset，将该肯定非变化像素集合NRset看作一个肯定非变化区域NR，其中，0〈α〈I ；(6)计算感兴趣区域集合{R0I}中各个感兴趣区域的区域灰度均值G、区域灰度最大值M和感兴趣区域的核心区域灰度均值K，并将这三个特征构成的向量作为该感兴趣区域的特征向量；(7)计算肯定非变化区域NR的区域灰度均值U、区域灰度最大值V和肯定非变化区域的核心区域灰度均值S，并将这三个特征构成的向量作为肯定非变化区域的特征向量；(8)将肯定非变化区域NR和感兴趣区域集合{R0I}中各个感兴趣区域作为待分类区域集合R={R0I} U NR, U为取并集符号；(9)采用Kmeans聚类算法对待分类区域集合R中所有区域的特征向量进行聚类，并将聚类中心向量的区域灰度均值分量较大的那类区域作为最终的变化区域，将差异图像Y中余下的其他区域则作为最终的非变化区域，得到最终的变化检测结果。本专利技术与现有技术相比具有如下优点:(I)本专利技术由于是在区域的层次上进行变化检测，对差异图像分割提取感兴趣区域，提高了分割精度，降低了区域分割对检测结果的传递误差。(2)本专利技术将肯定非变化像素集合作为一个肯定非变化区域参与Kmeans聚类，保证参与Kmeans聚类的所有区域一定含有变化区域和非变化区域，避免了参与Kmeans聚类的区域中仅含有变化区域从而将变化区域错分为非变化区域的情况发生。仿真结果证明，与现有的方法相比，本专利技术能兼顾虚警和漏检，能保持变化区域的边缘，提高了检测的精度，解决了现有方法中漏检较多的问题。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三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对本专利技术的实现步骤如下:步骤1，读入同一地区在不同时刻犾取的已配准的两幅遥感图像X1和X2,这两幅图像X1和X2的大小均为I行J列。步骤2，对第一时相图像X1进行邻域滤波，得到滤波后的第一时相图像I。邻域滤波的方法很多，例如有四邻域均值滤波、四邻域中值滤波、八邻域均值滤波、八邻域中值滤波和N3邻域均值滤波等，本实施例采用N3邻域均值滤波，其滤波步骤如下:2a)在第一时相图像X1中，以像素点(i，j)为中心，选取该像素点的邻域像素所得集合 Nij=Ki, j), (1-2, j), (i+2, j), (1-1, j-1), (1-1, j), (1-1, j+1), (i, j-2), (i, j-1), (i,j+1), (i, j+2), (i+1, j-1), (i+1, j), (i+1, j+1)}，其中，i 和 j 分别为图像中的行和列序号，它们的限定范围为i=3,...，1-2，j=3,...，J-2 ；2b)计算步骤2a)中集合Nu中全部像素灰度值的均值，并将该均值作为滤波后第一时相图像Y1在像素点(i，j)的灰度值Y1 (i, j)；2c)对于第一时相图像X1中i=3，…，1-2且j=3，…，J-2以外的边界像素点(i，j)，将该像素点的灰度值X1Q, j)作为滤波后第一时相图像Y1在像素点(i，j)的灰度值Y1(I1J)；2d)重复步骤2a)至2c)，直至处理完第一时相图像X1中所有的像素点，得到滤波后的第一时相图像Y:。步骤3，对第二时相图像X2进行与步骤2同样的邻域滤波，得到滤波后的第二时相图像γ2。步骤4，对滤波后图像Y1和Y2的对应像素点的灰度值进行相减并取绝对值，得到一幅差异图像Y，Y= IY1-Y21，差异图像Y的大小为I行J列。步骤5，通过如下公式计算差异图像Y的最大熵阈值T: 权利要求1.一种，包括如下步骤: (1)读入两幅遥感图像X1和X2,并对X1和X2进行邻域均值滤波，得到滤波后的图像Y1和Y2 ； (2)根据滤波后的图像^和Y2，构造差异图像:Y=IY1-Y2I； (3)利用最大熵原理计算差异本文档来自技高网...
【技术保护点】
一种基于区域和Kmeans聚类的遥感图像变化检测方法，包括如下步骤：(1)读入两幅遥感图像X1和X2，并对X1和X2进行邻域均值滤波，得到滤波后的图像Y1和Y2；(2)根据滤波后的图像Y1和Y2，构造差异图像：Y=|Y1?Y2|；(3)利用最大熵原理计算差异图像Y的最大熵阈值T；(4)由差异图像Y中灰度值不小于最大熵阈值T的像素形成若干个连通区域，并将每一个连通区域看作一个感兴趣区域ROI，并将所有感兴趣区域构成一个感兴趣区域集合{ROI}；(5)将差异图像Y中灰度值小于α*T的像素作为肯定非变化像素，由差异图像Y中所有肯定非变化像素构成一个肯定非变化像素集合NRset，将肯定非变化像素集合NRset看作一个肯定非变化区域NR，其中，0<α<1；(6)计算感兴趣区域集合{ROI}中各个感兴趣区域的区域灰度均值G、区域灰度最大值M和感兴趣区域的核心区域灰度均值K，并将这三个特征构成的向量[G,M,K]作为该感兴趣区域的特征向量；(7)计算肯定非变化区域NR的区域灰度均值U、区域灰度最大值V和肯定非变化区域的核心区域灰度均值S，并将这三个特征构成的向量[U,V,S]作为肯定非变化区域的特征向量；(8)将肯定非变化区域NR和感兴趣区域集合{ROI}中各个感兴趣区域作为待分类区域集合R={ROI}∪NR,∪为取并集符号；(9)采用Kmeans聚类算法对待分类区域集合R中所有区域的特征向量进行聚类，并将聚类中心向量的区域灰度均值分量较大的那类区域作为最终的变化区域，将差异图像Y中余下的其他区域则作为最终的非变化区域，得到最终的变化检测结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：王桂婷，焦李成，马静林，蒲振彪，马文萍，马晶晶，
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。