的转导 学习阶段中，在第k次迭代前，如果任何一个转导样本的标记和前一次的标记不同，则该转 导样本被重新作为未标记样本，并从当前的转导样本集中删除；在转导样本的选择过程中， 如果两个转导样本的决策值相同，且相应的输入矢量相同，则删除其中一个样本；
[0055] S1065、不断迭代进行归纳学习和转导学习，直到达到指定的学习迭代次数或前后 两次迭代后的非标记样本没有变化，得到最终的分类超平面。
[0056] S107、利用最终的分类超平面确定影像的变化区域和非变化区域。
[0057] 本发明的效果可通过以下实验结果与分析进一步说明：
[0058] 1、实验数据：
[0059] 本发明的实验数据为Landsat TM数据，位于巴西的亚马逊森林地区的2幅遥感 影像，获取时间分别为2000年7月和2006年7月，选用前4个波段，实验区大小为320像 元X320像元，图2(a)和（b)分别为两个时相的真彩色遥感影像。变化参考图如图2(c) 所示，共有16, 826个变化像素。
[0060] 2、实验方法：
[0061] 方法1 :基于SVM的归纳学习方法（ISVM)，即仅仅利用少量标记样本的分类方法。
[0062] 方法 2 :意大利的 Bruzzone L.等在文章 "A novel transductive SVM for semisu-pervised classification of remote-sensing images'， （IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(11) :3363-3373.)中所提的方法。
[0063] 方法3 :本发明方法。
[0064] 3、实验内容与结果分析：
[0065] 用不同方法对如图2 (a)和图2 (b)所示的两幅不同时相的多光谱图像进行变化检 测，其中图3 (a)为现有方法1得到的变化检测结果图，图3 (b)为现有方法2得到的变化检 测结果图，图3(c)为本发明方法得到的变化检测结果图。从图3可以看出，现有方法1和 现有方法2结果图中存在较多的伪变化信息，本发明方法伪变化信息很少，比较接近参考 图 2(c)。
[0066] 表1各变化检测方法性能评价
[0068] 对实验变化检测结果进行定量分析，检测性能用错检数FP、漏检数FN、总错误数 0E和Kappa系数四个指标来衡量。FP、FN和0E越接近于0、Kappa系数越接近于1，表明变 化检测方法的性能越好。结果如表1所示。
[0069] 从表1中的四个评价指标可以看出，所有评价指标均优于其他方法。所提算法在 总体检测性能上是最好的。
[0070] 为了更进一步表明所提算法的快速性，以各算法运行10次的平均运行时间进行 比对，如表2所示。从表2可以看出，本发明方法要比方法2快约4倍。从表1和表2可以 看出，从检测效果和运行时间上来看，本发明方法是有效的。
[0071] 表2各算法10次运行的平均时间（单位：秒）
[0073] 因此，实施本发明，具有如下有益效果：
[0074] 1)在基于FPTSVM的变化检测中，联合XSA和原始多光谱影像的波段信息作为输入， 利用这两个特征，优于仅仅使用原始多光谱影像的波段信息的SVM方法；
[0075] 2)变化检测中，FPTSVM学习过程中，仅从SVM两个分界面内的未标记样本中选择 侯选样本，选择的策略是基于区域的学习策略，即从离分解面一定距离内的区域选择样本， 从而进一步加快学习速度。可以加快变化检测的速度。当达到一定的学习次数后，输出变 化检测图像。该检测方法通过FPTSVM可以提高多时相遥感影像差异影像的分类精度及速 度。
[0076] 需要说明的是，在本文中，术语"包括"、"包含"或者其任何其他变体意在涵盖非排 他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而 且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有 的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在包括 该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0077] 专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元 及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和 软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些 功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业 技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应 认为超出本发明的范围。软件模块可以置于随机存储器（RAM)、内存、只读存储器（R0M)、电 可编程R0M、电可擦除可编程R0M、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知 的任意其它形式的存储介质中。
[0078] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种遥感影像半监督变化检测方法，其特征在于，包括： 获取两时相的原始光学遥感影像； 对所述原始光学遥感影像进行影像配准； 利用直方图调整方法对影像配准后的遥感影像进行辐射归一化校正； 根据辐射归一化校正后的遥感影像计算光谱角信息； 将所述辐射归一化校正后的遥感影像和所述光谱角信息组合，作为FPTSVM的输入； 采用FPTSVM方法进行学习，不断调整SVM的分类超平面，直到达到指定的学习迭代次 数或前后两次迭代后的非标记样本没有变化； 利用最终的分类超平面确定影像的变化区域和非变化区域。2. 如权利要求1所述的遥感影像半监督变化检测方法，其特征在于，所述对所述原始 光学遥感影像进行影像配准，具体包括： 采用ENVI14. 8遥感软件对原始光学遥感影像进行几何粗校正； 利用自动匹配与三角剖分法对几何粗校正后的遥感影像进行几何精校正。3. 如权利要求1所述的遥感影像半监督变化检测方法，其特征在于，所述利用直方图 调整方法对影像配准后的遥感影像进行辐射归一化校正，具体包括： 将影像配准后的遥感影像的像素灰度值分别调整为从而实 现辐射归一化校正， 其中，影像配准后的遥感影像各个波段服从高斯分布，yf、〇￡分别为参考影像的像素 均值和标准差，&、μ P 别为影像配准后的遥感影像的像素灰度值、均值和标准差。4. 如权利要求1所述的遥感影像半监督变化检测方法，其特征在于，所述根据辐射归 一化校正后的遥感影像计算光谱角信息，具体包括： 根据辐射归一化校正后的遥感影像&和X 2计算光谱角信息X SA，其中，式中，B表示每一个时相的遥感影像的波段数目，（i，j)是影像的坐标，Xlb表示 波段影像，X2b表示X 2的b波段影像。5. 如权利要求1所述的遥感影像半监督变化检测方法，其特征在于，所述将所述辐射 归一化校正后的遥感影像和所述光谱角信息组合，作为FPTSVM的输入，具体包括： 将辐射归一化校正后的遥感影像X1J2和光谱角信息组合Xsa组合为变，作为FPTSVM的 输入。6. 如权利要求5所述的遥感影像半监督变化检测方法，其特征在于，所述采用FPTSVM 方法进行学习，不断调整SVM的分类超平面，直到达到指定的学习迭代次数或前后两次迭 代后的非标记样本没有变化，具体包括： 建立拉格朗日函数为式中，Xi为标记矢量，标记y {±1}，i = 1，2,…，η，η为标记矢量个数，-1表示没有 变化类，+1表示变化类，为转导矢量，相应的伪标记为J7,，j = 1，2,…，m，m为转导矢量 个数，k( ·，·）表示核函数，C和Cf分别表示对有标记样本和转导样本的惩罚参数，α = U1, α2，…，αη)和丨分别表示两个拉格朗日乘数； 建立分类决策函数为"式中d是一个 常数，表示分类超平面的偏移量； 进行FPTSVM的归纳学习阶段：利用已知标记的样本，获取初始的超平面h。和 两个分类边界k h2，此时候选的转导样本集合式中，U。是非标记样本集合；其中，当迭代归纳学习时，在第k+Ι次迭代 时，标记样本集更新为：，候选转导样本集合为式中，分别表不第k次 迭代的转导样本集，分别表示第k次迭代的分类边界； 进行FPTSVM的转导学习阶段：将转导样本的惩罚参数设置为：式中，是初始的惩罚参数，C是初始的有标记样本的惩罚参数，k表示迭 代的次数，〇 < k < G，G是最大的迭代次数；其中，在FPTSVM的转导学习阶段中，在第k次 迭代前，如果任何一个转导样本的标记和前一次的标记不同，则该转导样本被重新作为未 标记样本，并从当前的转导样本集中删除；在转导样本的选择过程中，如果两个转导样本的 决策值相同，且相应的输入矢量相同，则删除其中一个样本； 不断迭代进行归纳学习和转导学习，直到达到指定的学习迭代次数或前后两次迭代后 的非标记样本没有变化，得到最终的分类超平面。
【专利摘要】本发明公开了一种遥感影像半监督变化检测方法，包括：获取两时相的原始光学遥感影像；对所述原始光学遥感影像进行影像配准；利用直方图调整方法对影像配准后的遥感影像进行辐射归一化校正；根据辐射归一化校正后的遥感影像计算光谱角信息；将所述辐射归一化校正后的遥感影像和所述光谱角信息组合，作为FPTSVM的输入；采用FPTSVM方法进行学习，不断调整SVM的分类超平面，直到达到指定的学习迭代次数；利用最终的分类超平面确定影像的变化区域和非变化区域。本发明可以提高变化检测的速度和精度。
【IPC分类】G06T5/40, G06T5/00, G06T7/00
【公开号】CN105354845
【申请号】CN201510742829
【发明人】石爱业, 高桂荣
【申请人】河海大学
【公开日】2016年2月24日
【申请日】2015年11月4日