专利名称：一种多层次分割的遥感影像变化检测方法
技术领域：
本发明涉及一种遥感图像变化检测的方法，尤其涉及一种多层次分割的遥感影像变化检测方法，属于图像处理技术领域。
背景技术：
遥感图像变化检测是指对同一地区不同时期的遥感图像进行分析，从中检测出地物随时间发生变化的信息，这些信息可用于地理系统信息更新、资源环境监测、目标动态监视以及军事打击效果评估等。目前的检测技术分为1.基于像元的变化检测方法基于像元的变化检测，其实现主要依赖于由地物变化引起的遥感图像中光谱反射值的改变，而这些改变可能是由于地物的真实变化引起的，也可能是由于传感器位置，太阳入射角，云，雾等非地物因素的差异引起的，因此，需要对比较的图像进行配准，配准之后直接进行像元相减，求出差异图像。假设图像输入为两幅不同时相的遥感图像X(tl)，X(t2)，并已经做过配准处理。差异图像Xchange = I X(tl)_X(t2)2.面向对象的变化检测技术(1)分类后比较分类后比较的方法首先分别对两期图像进行图像分割，然后将图像分割结果与各自的光谱分类结果结合进行图像的再分类(即面向对象的分类)，接着对两个时相的分类图像进行比较，得到变化检测结果，如
图1所示。⑵直接比较直接比较的方法首先选择两景不同时相的遥感影像，包括多光谱数据和全色波段数据，对选择的数据进行预处理，将预处理后的两期遥感影像的所有波段组成一景影像， 对该影像进行分割，建立两景不同时相遥感影像的对象的一一映射关系；基于分割结果，构建每个对象的特征集描述，利用这些特征值进行代数计算，设定一个变化阈值，结合计算结果，最终得到变化图像，其整体方案如图2所示。现有技术缺点(1)基于像元的变化检测，有很多伪变化信息，变化检测精度不高，不适用于高分
辨率遥感影像。(2)面向对象的变化检测方法，采用直接比较法，即图像分割后，直接提取特征值进行图斑对象的变化检测，很难检测到亚图斑对象(分割区域内部)的变化情况。采用分类后比较法，即在图像分割后，以图斑对象进行分类，从而得到各类要素的变化情况。该方法受限于分类结果的精确度，存在分类误差累积的现象。
发明内容
本发明的目的在于克服上述已有的遥感图像变化检测技术的不足，提出一种面向对象的图斑变化检测方法。本发明所采用的技术方案是一种多层次分割的遥感影像变化检测方法，检测分为以下步骤1.选取待检测区域两景不同时相的遥感影像，01期和02期；2.选取01期遥感影像作为基准影像，02期遥感影像作为检测影像；3.对选择的遥感影像进行图像预处理。包括降噪处理、辐射校正和影像配准；(1)降噪处理图像的噪声一般存在于图像的高频部分，而要想剔除高频信号中的噪声，需要将图像的高低频分开，本发明利用小波变化进行图像消噪，剔除混杂在图像中的非相关信息；(2)辐射校正本发明采用统计回归法，以基准影像为主图像，对检测影像进行辐射校正，该方法在两时相影像中找到同一地点没有发生地物类型变化且光谱性质稳定的地物样本点，利用其灰度值的线性相关关系进行校正，不需要传感器的辐射定标和相关大气参数就可获得规则化的地物反射率数据；(3)影像配准本发明采用仿射不变特征提取算法实现影像配准，方法首先构建具有仿射不变性的SIFT描述子，并利用该描述子对提取的控制点进行匹配，求出变换参数实现影像配准；4.将步骤3选择的基准影像进行面向对象的多尺度分割本发明采用均值平移 (Mean-shift)的分割算法对基准影像进行第一次分割，得到基准影像的图斑对象和边界信息。组合这些边界信息并转换为分割矢量图；5.将步骤4所得的分割矢量图叠加检测影像，对该影像进行分割，得到与基准影像一一对应的图斑对象；6.基于上述的分割结果，得到各个图斑对象，提取对象的多个特征值，主要包括纹理特征(灰度共生矩阵-熵)、光谱特征(均值)和形状特征(密度)；本发明根据公式(1)来计算均值，其中Ci表示影像对象中每个像素点的像素值；
权利要求
1. 一种多层次分割的遥感影像变化检测方法，其特征在于检测分为以下步骤(1).选取待检测区域两景不同时相的遥感影像，01期和02期；(2).选取01期遥感影像作为基准影像，02期遥感影像作为检测影像；(3).对选择的遥感影像进行图像预处理。包括降噪处理、辐射校正和影像配准；(A)降噪处理图像的噪声一般存在于图像的高频部分，而要想剔除高频信号中的噪声，需要将图像的高低频分开，本发明利用小波变化进行图像消噪，剔除混杂在图像中的非相关信息；(B)辐射校正本发明采用统计回归法，以基准影像为主图像，对检测影像进行辐射校正，该方法在两时相影像中找到同一地点没有发生地物类型变化且光谱性质稳定的地物样本点，利用其灰度值的线性相关关系进行校正，不需要传感器的辐射定标和相关大气参数就可获得规则化的地物反射率数据；(C)影像配准本发明采用仿射不变特征提取算法实现影像配准，方法首先构建具有仿射不变性的SIFT描述子，并利用该描述子对提取的控制点进行匹配，求出变换参数实现影像配准；(4).将步骤3选择的基准影像进行面向对象的多尺度分割本发明采用均值平移 (Mean-shift)的分割算法对基准影像进行第一次分割，得到基准影像的图斑对象和边界信息。组合这些边界信息并转换为分割矢量图；(5).将步骤4所得的分割矢量图叠加检测影像，对该影像进行分割，得到与基准影像一一对应的图斑对象；(6).基于上述的分割结果，得到各个图斑对象，提取对象的多个特征值，主要包括纹理特征(灰度共生矩阵-熵)、光谱特征(均值)和形状特征(密度)；本发明根据公式(1)来计算均值，其中Ci表示影像对象中每个像素点的像素值；
全文摘要
本发明公开了一种多层次分割的遥感影像变化检测方法，检测共分为九大步骤，最后通过对图像去噪、平滑等处理后，融合各个图斑对象，最终得到遥感影像的的变化检测结果。本发明首先采用分割后直接比较法，如果图斑对象发生变化，算法则对这些图斑对象进行二次分割，然后再提取特征值进行比较。本发明能有效的去除伪变化信息，提高变化检测精度，并且相比已有方法，本发明能得到更加详细复杂的变化结果，实现亚图斑对象的变化检测。
文档编号G06T7/00GK102254319SQ20111009780
公开日2011年11月23日 申请日期2011年4月19日 优先权日2011年4月19日
发明者徐成华, 杨金锋, 马鹏飞 申请人:中科九度(北京)空间信息技术有限责任公司