基于低秩稀疏模型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低秩稀疏模型的遥感图像的变化检测方法，主要解决现有技术中构造差异图信息丢失严重的问题。其实现过程是：首先，用对数比值法从变化前后的遥感图像中提取出初始变化区域；其次，用该初始变化区域与变化前后图像，构造模拟遥感图像序列；然后，用低秩稀疏分解算法，将模拟遥感图像序列分解为低秩矩阵，稀疏矩阵和噪声矩阵三个部分；最后，用模糊C均值的方法对稀疏矩阵最后一列的列向量进行分类，得到最终的变化检测结果图。本发明专利技术具有检测精度高，信息丢失和累积误差少的优点，可用于目标检测与识别，图像分割以及机器学习领域。

【技术实现步骤摘要】

本专利技术属于图像处理
，特别涉及遥感图像的处理，可应用于生态和环境的监控以及自然灾害的评测与预防。
技术介绍
遥感图像变化检测是指选用合适的检测方法，从不同时期获取的多幅遥感图像中提取出变化信息并加以分析，生成变化分布图和其他检测结果的技术。目前遥感图像变化检测技术变化检测已成为遥感图像处理研究的一个研究重点，被广泛的应用到社会经济的各个领域，比如灾害监测和评估、土地使用情况的分析、水资源质量和地理分布情况调查、城市的规划及布局、气候的变化监测、战场态势的评估等。目前遥感图像变化检测还处于初步阶段，大致有两个路线，一条路线是分类后比较方法，该方法先对多时相遥感图像单独进行分类标记，然后根据相应像素类别的差异来提取发生变化的区域/像素，最后得到变化检测结果；另外一条路线是图像直接比较方法，该方法先对多时相遥感图像进行逐像素的比较，比如逐像素点的差值、比值、CVA等，再对比较得出的差异图像进行进一步地多种变换、概率分布等处理以达到两分类，最后得到变化检测结果。图像直接比较方法能够减少由于数据获取平台和环境的不同引起的伪变化信息，不需要数据的辐射校正等复杂的预处理，目前较多的研本文档来自技高网...

【技术保护点】
一种基于低秩稀疏模型的遥感图像的变化检测方法，包括如下步骤：（1）输入变化前的遥感图像P1和变化后的遥感图像P2，其中，变化前后图像大小均为m×n；（2）利用变化前的遥感图像P1和变化后的遥感图像P2，构造k幅模拟变化后遥感图像Xi,i=1,2,…,k，且模拟变化后遥感图像Xi的大小为m×n；（3）利用变化前的遥感图像P1，变化后的遥感图像P2以及k幅模拟变化后遥感图像Xi,i=1,2,…,k，构造模拟遥感图像序列X=[p1,…xi,…p2]，其中，p1，xi，p2分别为将变化前图像P1，模拟变化后图像Xi以及变化后图像P2，拉成列向量后的列向量，则p1，xi，p2∈Rmn×1，X∈Rmn×(...

【技术特征摘要】
1.一种基于低秩稀疏模型的遥感图像的变化检测方法，包括如下步骤: (1)输入变化前的遥感图像P1和变化后的遥感图像P2，其中，变化前后图像大小均为mXn ； (2)利用变化前的遥感图像P1和变化后的遥感图像P2,构造k幅模拟变化后遥感图像Xi, i=l,2,…，k，且模拟变化后遥感图像Xi的大小为mXn ； (3)利用变化前的遥感图像P1，变化后的遥感图像P2以及k幅模拟变化后遥感图像Xi, i=l, 2，…，k,构造模拟遥感图像序列X=Iip1,…Xi,…P2],其中，P1, Xi, p2分别为将变化前图像P1，模拟变化后图像Xi以及变化后图像匕，拉成列向量后的列向量，则Pl，Xi，p2 G Rmnxi,X G Rmnx(k+2), Rmnx(k+2)表示大小为mnX (k+2)的实数空间； (4)用GODEC低秩稀疏分解算法，对模拟遥感图像序列X进行低秩稀疏分解:X=S+L+G, 其中，S为稀疏矩阵，L为低秩矩阵，G为噪声矩阵，S，L，G G Rmnx(k+2), Rmnx(k+2)表示大小为 mnX(...

【专利技术属性】
技术研发人员：缑水平，焦李成，余田田，马文萍，马晶晶，朱虎明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：