结合空间邻域信息的方法，确定光 学遥感影像的变化区域和非变化区域。
[0062] 具体的的，步骤S108具体包括：
[0063] S1081、设定核FCM结合空间邻域信息模型中的聚类数目C= 2,作为初始的未变 化类和变化类的中心，选择和变化矢量幅值χΜ最小值和最大值相对应的矢量；设隶属度的 加权指数m= 2，ε为大于〇的常量，参数α和核参数g的值为选定的所述最优模型参数 值；
[0064] S1082、计算XM，XS^局部窗口均值，窗口大小设置为3X3 ;
[0067] S1085、重复更新模糊划分矩阵和聚类中心直到相邻两次迭代的聚类中心聚类小 于ε;
[0068] S1086、根据模糊划分矩阵u]k确定最终的变化检测图，得到光学遥感影像的变化 区域和非变化区域。
[0069] 本发明的效果可通过以下实验结果与分析进一步说明：
[0070] 本发明的实验数据为法国Littoral地区的多时相SPOT高分辨影像数据，图像大 小为400X400,使用B1、B2和B3三个波段。为了验证本发明的有效性，将本发明变化检测 方法与下述变化检测方法进行比对：
[0071] (1)基于CVA的EM方法（CVA-EM)[意大利的BruzzoneL.等在文章"Automatic analysisofdifferenceimageforunsupervisedchangedetection'，（IEEE TransactionsonGeoscienceandRemoteSensing, 2000, 38 (3) :1171-1182.)中所提的检 测方法]。
[0072] (2)FCM结合空间邻域信息的分类方法（FCM-S)[Chensongchan等在文章 "RobustImageSegmentationUsingFCMWithSpatialConstraintsBasedon NewKernel-InducedDistanceMeasure'，（IEEETransactionsonSystems,Man,and Cybernetics一PartB:Cybernetics, 2004,34 (4) :l907_l9l6·)中所提的方法]
[0073] (3)本发明方法。
[0074] 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。检测结果如表 1所示。由图2、图3和表1可见，本发明所提的检测方法性能优于其他两种检测方法，这表 明本发明所提的变化检测方法是有效的。
[0075] 表1Littoral地区的多时相SP0T5影像变化检测结果比较
[0076]
[0077] 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。
[0078] 在本申请所提供的几个实施例中，应该理解到，所揭露的方法可以通过其它的方 式实现。例如，以上所描述的系统实施例仅仅是示意性的，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（ROM)、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。
[0079] 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. 一种遥感影像变化检测方法，其特征在于，包括： 获取两时相高分辨率光学遥感影像Xl和X2; 对光学遥感影像Xl和X2进行影像配准； 利用多元变化检测方法对光学遥感影像Xl和X2进行福射归一化校正； 根据福射归一化校正后的光学遥感影像Xl和X2分别计算变化矢量幅值XΜ和光谱角信 息XsA; 根据变化矢量幅值Xm利用Bayes原理和最大期望算法计算得到最优分割阔值T; 根据最优分割阔值T和变化矢量幅值Xm选择伪训练样本区域； 将Xm和XSA组合作为核FCM的输入，根据所述伪训练样本区域对核FCM结合空间邻域 信息模型进行最优模型参数值选择； 根据选择的最优模型参数值，采用核FCM结合空间邻域信息的方法，确定光学遥感影 像的变化区域和非变化区域。2. 如权利要求1所述的遥感影像变化检测方法，其特征在于，所述对光学遥感影像X1 和X2进行影像配准，具体包括： 采用ENVI14. 8遥感软件对光学遥感影像Xl和X2进行几何粗校正； 利用自动匹配与Ξ角剖分法对几何粗校正后的Xl和X2进行几何精校正。3. 如权利要求1所述的遥感影像变化检测方法，其特征在于，所述利用多元变化检测 方法对光学遥感影像Xl和X2进行福射归一化校正，具体包括： 获取光学遥感影像Xl和X2各波段亮度值的线性组合，得到变化信息增强的差异影像； 根据所述差异影像通过阔值确定变化区域和未变化区域； 通过未变化区域对应的两时相像元对的映射方程，完成相对福射校正。4. 如权利要求1所述的遥感影像变化检测方法，其特征在于，所述根据福射归一化校 正后的光学遥感影像Xl和X2分别计算变化矢量幅值XΜ和光谱角信息XSA，具体包括： 根据福射归一化校正后的光学遥感影像Xl和X2计算得到变化矢量幅值Xm，其中，,式中，B表示每一个时相遥感影像的波段数 目，（i，如是影像的坐标，Xl康示X1的b波段影像，X2康示X2的b波段影像； 根据福射归一化校正后的光学遥感影像Xl和X2计算得到变化矢量幅值Xm，其中，5. 如权利要求1所述的遥感影像变化检测方法，其特征在于，所述根据变化矢量幅值 Xm利用Bayes原理和最大期望算法计算得到最优分割阔值T，具体包括： 采用最大期望算法估计Xm影像上未变化类ω。的均值m。和方差σ。，变化类ω。的均值 和方差为σ其中，式中，t表示迭代次数，t上标表示当前内容的第t次迭代时的值，I和J分别表示影像的行数和列数，表示Xm 影像上未变化类ω。服从的高斯分布，表示Xm影 像上变化类ω。服从的高斯分布； 根据Bayes最小误差准则，求解公式得到最优分割阔值T。6. 如权利要求1所述的遥感影像变化检测方法，其特征在于，所述根据最优分割阔值T 和变化矢量幅值Xm选择伪训练样本区域，具体包括： 根据最优分割阔值T和变化矢量幅值Xm选择未变化类伪训练集样本为根据最优分割阔值T和变化矢量幅值Xm选择变化类伪训练集样本为其中，δ为Xm动态范围的15%。7. 如权利要求1所述的遥感影像变化检测方法，其特征在于，所述将XΜ和XSA组合作为 核FCM的输入，根据所述伪训练样本区域对核FCM结合空间邻域信息模型进行最优模型参 数选择，具体包括： 将Xm和XSA组合作为核FCM的输入，构建核FCM结合空间邻域信息模型为：，式中，c是 聚类数目，N是样本的总数，Μ;表示第k样本对于第j类聚类中屯、的模糊隶属度，m为隶属 度的加权指数，u，ke[0, 1]且，参数α控制惩罚效果，絮为Xm的局部均值影 像和XsA的局部均值影像的组合，； 设定参数α和核参数g取值范围，利用伪训练样本集，捜索变化指数Ci"d。为 最小时的α和g的值作为最优模型参数值；其中，变化指数CmdM=Di"dM/kT，kT表示模型参数在伪训练样本集上的Ka卵a系数， Ν"(α，g)表示在给定α和g时利用目标函数最小化获取的整个影像的非变化像素个数；N。（α,g)表示在给定α和g时，整个影像的变化像素个数；TN。（α,g)表示在给定α和g 时，伪训练样本集中的非变化像素个数；TNt(a，g)表示在给定α和g时，伪训练样本集中 的变化像素个数。8.如权利要求7所述的遥感影像变化检测方法，其特征在于，所述根据选择的最优模 型参数值，采用核FCM结合空间邻域信息的方法，确定高分辨率光学遥感影像的变化区域 和非变化区域，具体包括： 设定核FCM结合空间邻域信息模型中的聚类数目C= 2,作为初始的未变化类和变化类 的中屯、，选择和变化矢量幅值Xm最小值和最大值相对应的矢量；设隶属度的加权指数m= 2,ε为大于0的常量，参数α和核参数g的值为选定的所述最优模型参数值； 计算Xm，XsA的局部窗口均值，窗口大小设置为3X3 ; 采用式更新模糊划 分矩阵； 采用式更新聚 类中屯、； 重复更新模糊划分矩阵和聚类中屯、直到相邻两次迭代的聚类中屯、聚类小于ε; 根据模糊划分矩阵u，k确定最终的变化检测图，得到光学遥感影像的变化区域和非变 化区域。
【专利摘要】本发明公开了一种遥感影像变化检测方法，包括：获取两时相高分辨率光学遥感影像X1和X2；对X1和X2进行影像配准；利用多元变化检测方法X1和X2进行辐射归一化校正；根据辐射归一化校正后的X1和X2分别计算变化矢量幅值XM和光谱角信息XSA；根据XM利用Bayes原理和最大期望算法计算得到最优分割阈值T；根据T和XM选择伪训练样本区域；将XM和XSA组合作为核FCM的输入，根据所述伪训练样本区域对核FCM结合空间邻域信息模型进行最优模型参数值选择；根据选择的最优模型参数值，采用核FCM结合空间邻域信息的方法，确定光学遥感影像的变化区域和非变化区域。本发明更稳健、精度更高。
【IPC分类】G06T7/00, G06K9/62
【公开号】CN105405133
【申请号】CN201510742564
【发明人】石爱业, 高桂荣
【申请人】河海大学
【公开日】2016年3月16日
【申请日】2015年11月4日