一种基于面向对象的特定区域全自动变化监测方法与流程

本发明涉及遥感影像处理技术领域，特别是涉及一种基于面向对象的特定区域全自动变化监测方法。

背景技术：

利用遥感影像进行目标动态监测是遥感信息科学的重要研究领域，是遥感信息科学、地球系统科学、统计学和计算机技术等学科技术交叉领域，是当前遥感数据处理技术的主要发展方向之一。遥感变化检测就是利用同一地表区域多时相的遥感影像来确定和分析地表变化，提供地物的空间分布及其变化的定性与定量信息。

地面的特定区域特征明显且空间位置固定不变，在高分辨率遥感影像上可以被清楚识别，已有许多方法可以利用高分辨率卫星影像对这些特定区域进行自动识别与提取。但很多地面设施没有固定的模型，不同的分辨率图像中的港口、道路、桥梁、机场和交通枢纽等特定区域，模型都不相同，传统的基于像元的分类方法易受高分辨率影像局部异质性大的影响和干扰。

技术实现要素：

面向对象方法是一种非常有效的信息提取方法，它最基本的特点就是以影像分割获得的影像对象为基本的操作单元，在特定区域动态监测方面具有很好的应用前景。本发明充分挖掘高分辨率卫星影像的优点，基于面向对象的方法，针对特定区域的变化监测，通过把卫星影像正射纠正、影像配准、辐射校正和面向对象变化检测等技术有机结合起来，研究关键技术、处理流程和应用模式的创新，实现对特定区域自动化、流程化的动态监测，提供有效的定性与定量信息。

本发明的技术方案为一种基于面向对象的特定区域全自动变化监测方法，包括以下步骤：

步骤1，获取输入影像对应的地面范围；

步骤2，在特定区域基础信息库中，通过特定区域的地理坐标和输入影像对应的地面范围，自动筛选出输入影像对应的地面范围内有特定区域的影像，并在在线地图上显示出输入影像对应的地面范围和特定区域的地面范围；

步骤3，对包含特定区域的影像区域进行局部rpc纠正，得到特定区域的正射影像；

步骤4，由特定区域基准信息库中当前要处理的特定区域对应的基准影像对特定区域的正射影像进行自动影像精配准，获得精配准后的正射影像；

步骤5，根据基准影像地理坐标范围，对精配准后的正射影像进行影像裁剪，得到与基准影像完全重合的影像切片；

步骤6，对影像切片和基准影像进行自动相对辐射校正；

步骤7，结合特定区域地物的不变特征，对影像切片和基准影像进行分割，然后采用对象变化向量分析法进行变化检测，提取出异常的区域，输出变化范围；

步骤8，结合特定区域基础信息库，针对特定区域的地物类别，自动评价变化检测结果，输出特定区域有效的变化信息，实现对特定区域的动态监测；

步骤9，将特定区域的变化信息和影像切片录入基础信息库中，对基础信息库进行更新。

而且，所述步骤4的具体实施方式为，利用sift和常规方法在基准影像上提取特征点作为配准控制点rcp，通过与特定区域的正射影像匹配获取同名点对，在此基础上进行最小二乘匹配，构建三角网，再经过小面元微分纠正，得到特定区域的正射影像的精配准结果，获得精配准后的正射影像。

而且，所述步骤6中对影像切片和基准影像进行自动相对辐射校正通过采用一种基于高低频分离及对象级平滑的辐射一致性处理方法实现。

而且，所述步骤7中对影像切片和基准影像进行分割通过全尺度或多尺度分析方法实现。

而且，所述步骤7中对象变化向量分析法进行变化检测的具体实施方式如下，

假设o1和o2分别是两时相影像f1和f2同一位置对应的两个对象，它们的特征向量分别为p1(p11,p12,…,p1n)和p2(p21,p22,…,p2n)，n为对象的特征数量，那么o1和o2两个对象的差值向量为pc(p21-p11,p22-p12,…,p2n-p1n)，通过分析pc的特性，判断对象o1和o2发生了何种变化。

与现有技术相比，本发明的有益效果：本发明处理方法清晰，可操作性强，充分利用了高分辨率卫星影像的信息，将特定区域内部地物的形状、几何结构和纹理信息有效结合起来进行多尺度分割，以对象为最小处理单元，针对性强，避免了“同物异谱、异物同谱”现象的干扰，不仅可以全自动化地快速获取特定区域的变化信息，还能实现业务化批量处理，解决了特定区域动态监测的难题，同时形成了序列基准影像，可用于对特定区域进行时序分析。

附图说明

图1为本发明实施例的流程图。

图2为本发明实施例的影像地面范围和目标地面范围示意图。

图3为本发明实施例的局部rpc纠正原理示意图。

图4为本发明实施例的影像配准效果示意图，图4a为精配准前，图4b为精配准后。

图5为本发明实施例的影像相对辐射校正效果示意图，图5a为相对辐射校正前，图5b为相对辐射校正后。

图6为本发明实施例的面向对象变化检测效果示意图，图6a为基准影像，图6b为输入影像。

具体实施方式

本发明所提供的一种基于面向对象的特定区域全自动变化监测方法是，对输入的高分辨率卫星影像1a级产品，不经过解压，直接解算影像对应的地理坐标范围；然后根据特定区域基础信息库的信息对其进行筛选；对筛选后的影像进行区域rpc纠正，再结合基准影像进自动行影像精配准；然后根据基准影像范围对输入影像进行影像裁剪，得到影像切片；接着由影像切片和基准影像进行自动相对辐射校正，然后与基准影像自动进行面向对象变化检测，结合基础信息库自动评定变化检测结果，输出变化检测信息，最后对固定目标基础信息库进行更新，形成序列基准影像。

下面结合附图和实施例详细说明本发明技术方案。

如图1所示，本发明实施例的流程具体包括以下步骤：

步骤1，获取输入影像对应的地面范围。在原始高分辨率影像数据压缩包内，包含了原始影像文件与其对应的rpc参数文件。不经过解压缩，直接提取出压缩包内rpc参数文件信息，然后利用有理函数纠正模型(rfm)，直接由影像rpc参数迭代解算出影像四个角点对应的地面范围。

步骤2，特定区域基础信息库中，存储了每个特定区域的地理坐标范围，通过特定区域的地理坐标和输入影像对应的地面范围，自动筛选出输入影像对应的地面范围内有特定区域的影像，并在在线地图上显示出输入影像对应的地面范围和特定区域的地面范围，如图2所示，图中大矩形框代表输入影像对应地面范围，小矩形框代表特定区域的地面范围，圆圈表示特定区域所在的位置，十字丝表示选中了当前的特定区域；

步骤3，将筛选后的输入影像的压缩包，不经过解压缩，结合特定区域的范围，不对整景影像进行纠正，只对包含特定区域的影像区域进行局部rpc纠正，得到特定区域的正射影像，如图3所示，其中左边的小图为特定区域对应的基准影像，右边的小图是进行局部rpc纠正的正射影像。直接从压缩包从提取影像数据且进行局部rpc纠正，可以大大减少处理所需的时间。

实施方法为：利用现有技术直接从压缩包提取出原始影像数据，接着新建一幅正射影像，正射影像坐标范围是以特定区域范围为基础上外扩100个像元得到的，由rfm模型解算出正射影像每个像元对应的原始影像像素坐标，采用双线性内插法内插出每个像元的像素值，从而得到特定区域的正射影像。

步骤4，由特定区域基准信息库中当前要处理的特定区域对应的基准影像对特定区域的正射影像进行自动影像精配准，获得精配准后的正射影像。

实施方法为：利用sift和常规方法在基准影像(从特定区域基准信息库中获得)上提取特征点作为配准控制点rcp(registrationcontrolpoint)，通过与特定区域的正射影像匹配获取同名点对，在此基础上进行最小二乘匹配，构建三角网，再经过小面元微分纠正，得到特定区域的正射影像的精配准结果。影像精配准后的正射影像和基准影像的同名像元可以一一对应，配准效果如图4中所示，图4a表示配准前基准影像与正射影像像元错位大，图4b表示配准后基准影像与正射影像无错位。

步骤5，根据基准影像地理坐标范围，对精配准后的正射影像进行影像裁剪，得到与基准影像完全重合的影像切片。

步骤6，采用一种基于高低频分离及对象级平滑的辐射一致性处理方法，对影像切片和基准影像进行自动相对辐射校正。

实施方法为：在影像是有代表前景地物目标纹理信息的高频和代表背景辐射信息的低频两部分组成的事实基础上，首先对影像切片和基准影像都进行对象级的平滑处理，减弱或消除高亮或特暗前景目标对于影像背景辐射信息提取带来的干扰，对进行对象级平滑后的两张影像通过影像变换进行高低频分离，进而在分离后的低频部分进行空间域的平滑，最大限度减少基准影像高频信息混入影像切片，在空间域平滑后的低频部分进行比值或者差值辐射调整，最后通过影像逆变换得到影像切片辐射调整后结果，影像相对辐射校正结果如图5所示，其中图5a为相对辐射校正前的影像，图5b为相对辐射校正后的影像。

步骤7，结合特定区域地物的不变特征，利用一种顾及地物目标类型的多尺度影像分割方法对影像切片和基准影像进行分割，然后采用对象变化向量分析法进行变化检测，提取出异常的区域，输出变化范围。

具体实施方法为：在分割过程中采取全尺度/多尺度分析方法，使得分割可以基于特定区域的类别采取不同的分割尺度，达到较好的分割结果。例如，针对机场区域目标提取时主要关注长直型面状地物的提取，此时可以利用跑道波谱反射较强、具有丰富直线和角点信息等特性进行分割准则的调整；同时分割过程中采取全尺度/多尺度分析方法，尽最大努力使得地物本身固有尺度特性能够在分割结果中得到体现，例如机场跑道通过全尺度/多尺度分割够能够尽量合并为一个区域对象。分割后，再利用影像的光谱、纹理、结构等特征构建对象变化特征向量，利用对象变化向量分析法进行变化检测。

对象变化向量分析方法为：假设o1和o2分别是两时相影像f1和f2同一位置对应的两个对象，它们的特征向量分别为p1(p11,p12,…,p1n)和p2(p21,p22,…,p2n)，n为对象的特征数量。一般特征向量中至少包括对象在各波段的光谱值以及各波段的标准差，因此n一般至少两倍于影像波段数。那么o1和o2两个对象的差值向量为pc(p21-p11,p22-p12,…,p2n-p1n)。因此通过分析pc的特性，就可以判断对象o1和o2是否发生了变化以及发生了何种变化，具体判断方法可查阅相关参考文献：孙开敏,陈艳.对象级变化检测中的变化向量分析法[c].the,internationalconferenceoncomputationalintelligenceandindustrialapplication.2010.

步骤8，结合特定区域基础信息库，针对特定区域的地物类别，自动评价变化检测结果，输出特定区域有效的变化信息，实现对该区域的动态监测，如图6中所示，其中图6a为基准影像，图6b为输入影像，在图6b中用矢量标注出了发生变化的区域。

具体实施方法为：据特定区域的类别设定经验阈值，若异常发生在特定区域内部且尺度大于经验阈值时，则将该异常确定为地物内部的变化；若异常使特定区域的范围大小发生了变化，将该异常确定为区域的扩张或缩小，并利用历史数据变化检测结果进一步判断各变化所属类型。

步骤9，将特定区域的变化信息和影像切片录入基础信息库中，对基础信息库进行更新。

具体实施方法为：特定区域边界的扩张缩小、地物的增减信息用于更新特定区域的基本信息，影像切片作为新的基准影像录入，当有多期基准影像时可以形成基准影像序列，既可用于时序分析，分析区域的变化规律，也可以追溯特定区域某一时期的状态。

具体实施时，以上流程可采用计算机软件技术实现自动流程运行。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。