[发明专利]基于变化矢量分析与分类后比较的遥感图像变化检测方法

权利要求书

1.一种基于变化矢量分析与分类后比较的遥感图像变化检测方法，其特征在于，包括以下步骤：

第一步，分别对两时相的遥感图像以像素为单位提取颜色和纹理特征；

第二步，用马尔可夫随机场理论，将基于分类后比较方法的两时相遥感图像变化检测转化为两时相图像上马尔可夫能量函数比较；

第三步，分别对两时相图像进行过分割，根据规则分别对两时相过分割图像区域进行重新调整；

第四步，将基于变化矢量分析方法的两时相遥感图像变化检测转换为基于区域特征的相似性度量函数项；

第五步，将基于分类后比较的马尔可夫能量函数与基于变化矢量分析的相似性度量函数项进行联合，构造一个联合马尔可夫能量函数；

第六步，用优化方法对联合能量函数进行求解，输出变化检测结果。

2.如权利要求1所述的遥感图像变化检测方法，其特征在于，所述第一步，像素级特征提取，包括：

a1、以像素为单位，提取每个像素的CIELab颜色特征、Gabor纹理特征、熵特征；其中，Lab颜色特征维数为3；Gabor滤波器尺度参数、方向参数根据实际需要选择维数，Gabor纹理特征的维数为5×8＝40；根据图像分辨率选取窗口大小，计算以当前像素为中心的窗口区域内图像的熵作为该像素的熵特征，熵特征的维数为1；

a2、分别对每类特征进行归一化处理。

3.如权利要求1所述的遥感图像变化检测方法，其特征在于，所述第二步，基于马尔可夫能量函数比较的分类后比较变化检测方法：利用马尔可夫随机场模型对每个时相的图像分别建模，以第一步获取的两时相遥感图像特征为基础，分别在每个时相图像上构造马尔可夫能量函数，将每个时相上图像的分类问题转化为马尔可夫能量函数优化问题，通过对两时相图像的马尔可夫能量函数比较，获取基于分类后比较方法的两时相遥感图像变化检测结果。

4.如权利要求1或3所述的遥感图像变化检测方法，其特征在于，所述第二步，具体包括：

b1、根据最大后验概率估计理论和马尔可夫随机场理论，分别对每个时相的图像进行建模：

特征模型p(x/y)：假定每个时相图像中的每类特征均服从高斯分布，利用高斯分布函数，计算特征模型；对于每个时相图像中的任意一个像素p(i，j)，该像素属于第k类的高斯分布计算公式如下：

p(x|y)=12πΣkexp[-12(x-μk)TΣk-1(x-μk)]---(1)]]>

其中，p(x/y)为条件概率，x表示当前像素p(i，j)的特征矢量；y为当前像素p(i，j)对应的分类输出标记，y∈{1，…，k}；μ_k、∑_k分别表示第k类的均值和方差；

先验模型p(y)：先验模型采取一阶Ising模型，即仅认为当前像素p(i，j)只与其一阶邻域内N的像素存在相互作用，而与其他像素之间不存在相互关系；马尔可夫一阶Ising模型表述为：

p(y)=1Zexp(-Σym∈Nβ1·δ(y,ym))---(2)]]>

其中，p(y)为先验概率，δ(y，y_m)定义为卡迪拉克函数：如果y＝y_m，则δ(y，y_m)＝1，否则δ(y，y_m)＝0；β₁为平滑加权系数，控制邻域像素之间的互作用的大小；N为一阶邻域；Z为规整化常数；

b2、马尔可夫能量函数构造：

每个时相的图像上马尔可夫能量即为图像上每个像素p(i，j)的能量之和，其函数表达形式为：

argminx∈XΣ{12ln(2πΣi)+(x-μk)22Σk+β1Σym∈Nδ(y,ym)}---(3)]]>

b3、对两时相图像的马尔可夫能量函数进行比较，获取分类后比较方法的马尔可夫能量函数表述形式：由于两时相的图像是独立不相关的，因此每个时相图像的分类是独立的，对应两时相图像的分类后比较就是两时相图像的马尔可夫能量函数分别最小化；直接将两时相图像上定义的能量函数相加，作为两时相图像分类后比较的能量函数表述形式：

argminx∈XΣs=12Σ{12ln(2πΣi)+(x-μk)22Σk+β1Σym∈Nδ(y,ym)}---(4)]]>