一种高分辨率遥感影像监督变化检测的方法技术

一种高分辨率遥感影像监督变化检测的方法，其特征在于，包括以下步骤：步骤1：对两个时期的多波段高分辨率遥感影像进行影像配准；步骤2：将两个时期的多波段高分辨率遥感影像进行波段叠加，生成新的叠加影像X，原来两个时期的影像均有L个波段，叠加后的新影像X有2L个波段；步骤3：对所述的X进行分割，根据同质性生成分割图斑；步骤4：根据所述的X选取训练样本，包括各种未变化类别和变化类别，在此基础上对所述的X进行一次像素级分类，生成像素级的变化检测结果；步骤5：利用投票法将步骤3得到的所述的X的分割结果和步骤4得到的所述的X的像素级变化检测结果进行融合，生成最终的变化检测图。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，本专利技术将两个不同时期影像进行叠加，视为一个时期的影像。在此基础上对叠加影像进行分割，生成具有同质区的分割图斑，同时对叠加影像根据光谱信息进行像素级分类，生成像素级变化检测结果。然后根据空间和光谱结合方法，利用投票法对分割生成的图斑和像素级变化结果行融合，得到最后变化检测结果。本专利技术把两期影像叠加后一次分类和空间与光谱结合理论共同引入到监督变化检测中，不但减弱了分类精度对变化检测结果的影响，同时大量去除了变化检测结果中的“椒盐”噪声。【专利说明】
本专利技术涉及遥感领域，特别涉及高分辨率遥感影像监督变化检测方法，尤其涉及一种利用一次分类进行空间和光谱信息结合的高分辨率影像监督变化检测的方法。
技术介绍
在遥感领域中，变化检测技术已被广泛应用于地表覆盖变化探测、灾害检测和森林、农业监测等领域。由于监督变化检测可以提供变化类别，即“由什么到什么”的变化，并且能够减弱大气对变化检测结果的影响，从而得到了广泛的应用。传统的监督变化检测对两个时期获取的同一地区遥感影像分别进行像素级分类，然后对分类结果进行比较，检测地表在两个时期的变化。因此，两时期影像的分类精度严重影响了变化检测结果的精度，并且像素级的分类方法对于高分辨率影像极易产生“椒盐”噪声，进而降低变化检 测精度。
技术实现思路
针对传统监督变化检测方法的不足，本专利技术提出一种利用一次分类进行空间和光谱信息结合的高分辨率影像监督变化检测的方法。本专利技术所采用的技术方案是:，其特征在于，包括以下步骤:步骤1:对两个时期的多波段高分辨率遥感影像进行影像配准；步骤2:将两个时期的多波段高分辨率遥感影像进行波段叠加，生成新的叠加影像X，原来两个时期的影像均有L个波段，叠加后的新影像X有2L个波段；步骤3:对所述的X进行分割，根据同质性生成分割图斑；步骤4:根据所述的X选取训练样本，包括各种未变化类别和变化类别，在此基础上对所述的X进行一次像素级分类，生成像素级的变化检测结果；步骤5:利用投票法将步骤3得到的所述的X的分割结果和步骤4得到的所述的X的像素级变化检测结果进行融合，生成最终的变化检测图。作为优选，步骤3中所述的对所述的X进行分割，是利用统计区域融合方法对所述的X进行分割，所述的统计区域融合方法中主要包括融合规则和融合顺序；融合规则P(R，R’)为: , 、丨if Vae [1,2.…’2L\,\r!? -R?\<h{R,R')/J(/W)= 、L J I 1、,I false otherwise其中R和R’表示所述的X里的图斑，瓦和Pa分别表示图斑R和R’在波段a中的 I ? I I 2平均灰度值，=+(0<J<1)，g表示所述的X中像素的灰度级别，Q表示所述的X的分割尺度，如果P (R, R’) =true,图斑R和R’将被合并；融合顺序为:fa(p，p，)= |pa-p，a其中P和p’分别表示所述的X中的像素，Pa和P’ a表示像素P和P’在波段a中的灰度值。作为优选，所述的X中像素的灰度级别g=255，所述的X的分割尺度Q=13。作为优选，步骤4中所述的对所述的X进行一次像素级分类，是利用支持向量机方法对所述的X进行像素级分类，生成像素级的变化检测结果；其具体实现过程为:假设训练样本数据有k个样本点，并可以表示为Ixi, yj，i=l, 2，...，k，其中Xi表示第i个像素的灰度值，Yi e {1,-1}表示第i个像素的分类标号，支持向量机方法通过找到一个最优分类超平面达到两类间的距离最大，从而实现最优分类；对于线性分类问题，分类超平面可以表示为w.x+b=0，其中向量w决定超平面的方向，χ是超平面上的一点，标量b表示超平面的偏移量，在此基础之上，分类超平面定义为f (x)=w.x+b，并且最优分类超平面通过求解如下约束最优问题来求解:【权利要求】1.，其特征在于，包括以下步骤: 步骤1:对两个时期的多波段高分辨率遥感影像进行影像配准； 步骤2:将两个时期的多波段高分辨率遥感影像进行波段叠加，生成新的叠加影像X，原来两个时期的影像均有L个波段，叠加后的新影像X有2L个波段； 步骤3:对所述的X进行分割，根据同质性生成分割图斑； 步骤4:根据所述的X选取训练样本，包括各种未变化类别和变化类别，在此基础上对所述的X进行一次像素级分类，生成像素级的变化检测结果； 步骤5:利用投票法将步骤3得到的所述的X的分割结果和步骤4得到的所述的X的像素级变化检测结果进行融合，生成最终的变化检测图。2.根据权利要求1所述的高分辨率遥感影像监督变化检测的方法，其特征在于:步骤3中所述的对所述的X进行分割，是利用统计区域融合方法对所述的X进行分割，所述的统计区域融合方法中主要包括融合规则和融合顺序； 融合规则P(R，R’)为: 3.根据权利要求2所述的高分辨率遥感影像监督变化检测的方法，其特征在于:所述的X中像素的灰度级别g=255，所述的X的分割尺度Q=13。4.根据权利要求1所述的高分辨率遥感影像监督变化检测的方法，其特征在于:步骤4中所述的对所述的X进行一次像素级分类，是利用支持向量机方法对所述的X进行像素级分类，生成像素级的变化检测结果；其具体实现过程为:假设训练样本数据有k个样本点，并可以表示为IxiJiK i=l，2，...，k，其中Xi表示第i个像素的灰度值，y, e {1,-1}表示第i个像素的分类标号，支持向量机方法通过找到一个最优分类超平面达到两类间的距离最大，从而实现最优分类； 对于线性分类问题，分类超平面可以表示为w ?x+b=。，其中向量w决定超平面的方向，χ是超平面上的一点，标量b表示超平面的偏移量，在此基础之上，分类超平面定义为f (x)=w.x+b，并且最优分类超平面通过求解如下约束最优问题来求解: 5.根据权利要求4所述的高分辨率遥感影像监督变化检测的方法，其特征在于:所述的核函数k(x，Xi)采用的是高斯径向基函数RBF。6.根据权利要求4所述的高分辨率遥感影像监督变化检测的方法，其特征在于:所述的惩罚参数C为100,所述的核函数k(x, Xi)中的Y为0.167。【文档编号】G06K9/46GK103729653SQ201410027081【公开日】2014年4月16日 申请日期:2014年1月21日 优先权日:2014年1月21日 【专利技术者】史文中, 郝明 申请人:武汉大学本文档来自技高网...

【技术保护点】
一种高分辨率遥感影像监督变化检测的方法，其特征在于，包括以下步骤：步骤1：对两个时期的多波段高分辨率遥感影像进行影像配准；步骤2：将两个时期的多波段高分辨率遥感影像进行波段叠加，生成新的叠加影像X，原来两个时期的影像均有L个波段，叠加后的新影像X有2L个波段；步骤3：对所述的X进行分割，根据同质性生成分割图斑；步骤4：根据所述的X选取训练样本，包括各种未变化类别和变化类别，在此基础上对所述的X进行一次像素级分类，生成像素级的变化检测结果；步骤5：利用投票法将步骤3得到的所述的X的分割结果和步骤4得到的所述的X的像素级变化检测结果进行融合，生成最终的变化检测图。

【技术特征摘要】

【专利技术属性】
技术研发人员：史文中，郝明，
申请(专利权)人：武汉大学，
类型：发明
国别省市：