遥感图像变化检测方法与流程

技术特征：
1.一种遥感图像变化检测方法，包括如下步骤：(1)输入变化前后的遥感图像：输入同一地区，不同时刻获取的两幅变化前后的遥感图像；(2)判断输入的遥感图像是否为彩色遥感图像，若是，执行步骤(3)，否则，将输入的遥感图像作为去雾后的遥感图像，执行步骤(6)；(3)构造暗原色通道图像：(3a)选取彩色遥感图像的某一个像素点，从红色R、绿色G、蓝色B三个颜色通道中，选取其中亮度值最小的颜色通道，将该颜色通道的亮度值作为该像素点的灰度值；(3b)重复步骤(3a)，直至处理完彩色遥感图像中的全部像素点，得到所有像素点的灰度值，将所有像素点的灰度值构成一幅最暗灰度图像；(3c)以最暗灰度图像中的某一像素点为中心像素点，选取一个大小为N1×N1个像素的正方形窗口，其中N1的取值范围为{7,9,11,13,15}；(3d)将正方形窗口中全部像素点的灰度值，按照由小到大的顺序排列，组成一个灰度序列，选取灰度序列中最小的灰度值作为滤波值，用该滤波值替代步骤(3c)中的中心像素点的灰度值；(3e)重复步骤(3c)和步骤(3d)，直至处理完最暗灰度图像中的全部像素点，得到一幅暗原色通道图像；(3f)对暗原色通道图像，按照下式，计算暗像素概率：其中，P表示暗原色通道图像的暗像素概率,P的取值范围为[0,1]，表示将等式左边的暗像素概率P定义为等式右边公式的操作，X表示暗原色通道图像中灰度值小于等于灰度阈值D的像素点个数，灰度阈值D的取值范围为{25,26,27…,35}，X的取值范围为{0,1,2…,M×N}，M、N分别表示暗原色通道图像矩阵的行数和列数；(4)判断彩色遥感图像是否有雾，若彩色遥感图像的暗像素概率P小于先验阈值T1，则认为该彩色遥感图像为有雾彩色遥感图像，执行步骤(5)；否则，将彩色遥感图像作为去雾后的遥感图像，执行步骤(6)，其中，T1表示先验阈值，T1的取值范围为{0.75,0.8,0.85,0.9,0.95}；(5)对有雾彩色遥感图像进行去雾：(5a)将有雾彩色遥感图像对应的暗原色通道图像中的所有像素点，按其灰度值由大到小排列，得到像素点序列，从像素点序列中灰度值最大的像素点开始，依次提取占该序列0.1％比例的像素点，记录所提取像素点在暗原色通道图像中的坐标；(5b)从有雾彩色遥感图像中，提取所记录坐标上的像素点，得到像素点集合O；(5c)将像素点集合O中所有像素点的红色R、绿色G、蓝色B三个颜色通道中的亮度值，由大到小进行排列，得到亮度值序列，从该亮度值序列中选取最大的亮度值作为全局大气光；(5d)选取暗原色通道图像中的某一个像素点，按照下式，计算所选取像素点在彩色遥感图像的透射率图中对应的像素点的灰度值：其中，t(x,y)表示所选取像素点在彩色遥感图像的透射率图中对应的像素点的灰度值，t(x,y)取值范围为[0,1]，(x,y)表示所选取像素点在彩色遥感图像的透射率图中对应的像素点的坐标，E1(x,y)表示暗原色通道图像中所选取像素点的灰度值，E1(x,y)的取值范围为{0,1,2…,255}，(x,y)表示所选取像素点在暗原色通道图像中的坐标，x的取值范围为{0,1,2…,M-1}，y的取值范围为{0,1,2…,N-1}，A表示全局大气光；(5e)重复步骤(5d)，直至处理完暗原色通道图像中的所有像素点，得到暗原色通道图像中所有像素点在彩色遥感图像的透射率图中对应像素点的灰度值，将彩色遥感图像的透射率图中对应像素点的灰度值构成透射率图；(5f)按照下式，计算彩色遥感图像去雾后的无雾图像，得到去雾后的遥感图像：其中，L表示去雾后的遥感图像，F表示彩色遥感图像，A表示全局大气光，t表示彩色遥感图像的透射率图，H表示一个大小为M×N的全1矩阵，M、N分别表示彩色遥感图像矩阵的行数和列数；(6)利用模糊C均值FCM聚类算法，对去雾后的遥感图像进行分割，得到分割后各类地物的遥感图像；(7)利用K近邻KNN算法，对分割后各类地物的遥感图像进行分类识别，获得分类识别后的遥感图像；(8)利用作差法，对分类识别后的遥感图像进行变化检测，获得所有地物种类的变化检测图像。2.根据权利要求1所述的遥感图像变化检测方法，其特征在于：步骤(7)所述的K近邻KNN算法的具体步骤如下：第一步，分别从每种选定的已知地物类别信息的遥感图像中，随意截取20个大小为10×10的子图像矩阵，建立不同地物类别遥感图像的训练集；第二步，分别从分割后各类地物的遥感图像中，随意截取50个大小为10×10的子图像矩阵，建立不同地物的测试集；第三步，分别对不同地物类别的遥感图像的训练集中的每一个训练样本，使用4个尺度5个方向的伽柏滤波器Gaborfilter，提取20维的特征列向量，得到训练集的特征向量集：其中，Sw表示第w种地物的训练集的特征向量集，w表示训练集的特征向量集所属的地物类别标号，w的取值范围为{1,2…，Z}，Z表示遥感图像中的地物种类数，si表示第w种地物训练集中的第i个训练样本的特征列向量；第四步，分别对不同地物的测试集中的每一个测试样本，使用4个尺度5个方向的伽柏滤波器Gaborfilter，提取20维的特征列向量，得到测试集的特征向量集：其中，Ur表示第r种地物测试集的特征向量集，r表示测试集的特征向量集的标号，r的取值范围为{1,2,…,Z}，Z表示遥感图像中的地物种类数，uj表示第r种地物测试集中的第j个测试样本的特征列向量；第五步，选取第r种地物测试集的特征向量集Ur，按照下式，计算所选取的特征向量集Ur到第w种地物的训练集的特征向量集Sw的欧氏距离：其中，dr,w表示第r种地物测试集的特征向量集Ur到第w种地物的训练集的特征向量集Sw的欧氏距离；第六步，重复第五步，直至计算完第r种地物测试集的特征向量集Ur到所有地物的训练集的特征向量集Sw的欧氏距离，得到第r种地物的欧氏距离集合{dr,1,dr,2…,dr,Z}；第七步，将第r种地物的欧氏距离集合中的所有元素由小到大进行排列，得到该集合中元素的序列，从该集合中元素的序列中选取一个最小的元素，将该最小元素的第2个下标，作为第r种地物的遥感图像所属的地物种类标号；第八步，重复第五步、第六步、第七步，直至处理完所有地物测试集的特征向量集，得到分割后各类地物的遥感图像所属的地物种类标号。3.根据权利要求1所述的遥感图像变化检测方法，其特征在于：步骤(8)所述的作差法的具体步骤如下：第一步，对分类识别后的遥感图像，选取该类地物在同一地区，不同时刻获取的变化前后的两幅遥感图像，将这两幅遥感图像矩阵相减后取绝对值，得到该种地物的差值图像；第二步，设定变化检测阈值Y，其中Y的取值范围为{80,90,100,110,120}，将该种地物的差值图像中灰度值小于变化检测阈值Y的像素点的灰度值置0，得到该种地物的变化检测图像；第三步，重复第一步和第二步，直至处理完所有地物种类的遥感图像，得到所有地物种类遥感图像的变化检测图像。