[发明专利]基于遥感图像变化检测算法的投资项目智能搜索技术

说明书

技术领域

本发明通过不同影像上同一区域的变化来判断投资项目的存在，适用于国家统计局投资司对投资项目的监管。

背景技术

通过不同时期影像变化检测的方法来完成投资项目的自动检测与识别，首先需要注意的是变化检测成功与否关键在于前期对不同时期遥感影像的处理，包括影像的地物配准与几何校正，和影像直方图匹配。由于对全图进行直方图匹配不能够体现出地物细节，因此这里设计采用影像分块局部直方图匹配的方法保证两幅影像的灰度一致性。针对地物配准问题，这里首先对影像全图进行几何精校正，然后采用局部地块配准的方法完成影像匹配。经过上述的地物位置配准和灰度匹配后，再利用比值或差值变化检测算法，即可得到较好的变化检测效果。需要注意的是，这里使用得差值必须取绝对值，才能够体现真正的影像变化，保证高亮显示区域为地物变化剧烈区域。对于变化检测的结果图像，高亮显示的地物变化剧烈区域并非全部是因为投资项目建设引起的变化，部分地区可能是由于阴影、植被生长、云层遮挡、城市美化等原因引起，因此对于这些变化区域，需要在检测影像上进行人工剔除。但大部分投资项目所在地会引起大块区域的地物变化，在检测影像上也比较容易看到。因此，变化检测算法的实际应用效果可以体现，主要在辅助人工判读影像上。

发明内容

本发明解决的问题是通过不同时期的影像变化监测方法来完成投资项目目标识别，主要是通过自主的数字图像处理的算法，来大范围的精确监测投资项目：

(1)变化监测算法；

首先进行对待监测的两幅图像进行直方图的匹配，如果是RGB的两幅图像也是可以适用的。

(2)二值化算法；

对变化监测后的图像进行二值化显示，选取特定的阈值(只要是对变化区域和未变化区域进行分离，达到目标探测的目的)，输出二值化的图像。

(3)小斑去除算法；

二值化输出的图像含大量的随机噪声，也有几何配准不准确时变化检测产生的噪声，去除零散的随机噪声，保留大片的散点“噪声”，这有可能是大片的目标，这些散点经过开闭运算后就可以连成大片的目标。

(4)目标识别算法；

定义目标识别三类地物的判断依据：像素数和形状编号；将像素数和目标形状满足一定的要求，把投资遥感的项目定义为：线性地物(道路类)，大面积地物(基础建设类)，小面积地物(房产类)。

(5)投资项目矢量化生成；

根据项目目标识别出的三类地物，将三类地物进行矢量化生成，其中的生成的矢量的属性信息包括(项目的名称，地理位置，项目的地址，项目的类别，施工的面积，施工的人数，是否谎报，备注等等)；

(6)投资项目精确点位生成。

根据生成的项目矢量图，将三类地物的矢量图生成精确的点矢量，这样方便投资司对正在施工的项目进行监管。

具体实施方式

A.影像直方图匹配算法

在变化检测之前，必须保证两幅影像色调基本一致。因此需要用直方图规定化的方法对两幅影像灰度进行调整。常用的映射规则是单映射规则(Single Mapping Law，SML)和组映射规则(Group Mapping Law，GML)。本算法从便于计算机实现角度建立了一个矩阵来统一处理GML映射规则，同时也考虑了几种方法来弥补均衡化后灰度级不足的缺点。

直方图规定化是一种借助于直方图来增强图像的方法通过将原始图的直方图转化为指定的直方图，可用来校正因拍摄亮度或者传感器的变化而导致的图像差异。例如，在不同时间、不同的光照条件下对同一地区分别拍摄了两张影像，由于光照的原因，两张影像的统计特性完全不同，这就为分析场景带来了困难，如果能够建立一个模型，使得原始图像的直方图与目标图像一致，从统计意义上来说，它们就是等同的。

直方图的规定化方法主要是以求取累计直方图为桥梁，首先求原始图像的累积直方图，公式如下：