[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

说明书

技术领域

本发明涉及遥感图像处理技术领域，尤其是针对变化矢量分析方法和分类后比较方法相结合的两时相遥感图像变化检测方法。

背景技术

遥感图像变化检测是遥感图像处理领域中最重要的应用方向之一。遥感图像变化检测技术在自然灾害监测、国土资源规划管理、军事目标打击评估等众多军民领域都有重要的应用价值。随着遥感图像数据的分辨率增高，变化检测可以获取的变化信息日益丰富，使得变化检测的实际应用范围得到进一步扩大。

分类后比较方法(post-classification comparison(PCC))和变化矢量分析方法(change vector analysis(CVA))是两类常用的变化检测方法。分类后比较方法通常先对每个时相的图像进行分类，通过直接比较分类后图像的标记图，获取两时相上地面覆盖发生的变化情况。变化矢量分析方法则是直接获取关于两时相图像的变化矢量，通过对变化矢量的分析，得到两时相上地面覆盖发生的变化情况。分类后比较方法的优点是：不需要对两时相的图像进行辐射校正，能够比较方便地获取地面上覆盖类型的变化情况。其缺点是：忽略了两时相图像之间的依存关系，容易导致错误的累积，致使检测精度不高。变化矢量分析方法的优点是：比较充分地利用了两时相图像之间的依存关系，能够比较有效地抑制由于分类错误产生的误差累积。其缺点是：检测受光照、植被等辐射因素影响严重；另外，由于变化矢量获取的不唯一性，导致原始图像信息损失严重，致使检测结果不具备唯一性。

如何综合利用两种方法的优点，实现优势互补，提高检测精度，是一个比较有意义的问题。现有方法(J.Chen，X.Chen，X.Cui，and J.Chen，″Change Vector Analysis in Posterior Probability Space：A New Method for Land Cover Change Detection″.IEEE Trans.Trans.Geosci.Remote Sens.Letters，vol.8，no.2，pp.317-321，Mar.2011.)试图利用变化矢量分析方法降低分类后比较方法的误差积累，但是这类方法的重要缺点就是不能充分利用两时相图像的依存信息，需要手工阈值选取，自动化程度不高。本发明综合利用分类后比较方法和变化矢量分析方法的优点，实现优势互补，第一次将分类后比较方法与变化矢量分析方法相结合的变化检测方法转化为一个联合马尔可夫能量函数表现形式，通过能量函数的优化求解，获取最优的变化检测输出结果。整个检测过程无需人工干预，自动化程度高。

发明内容

本发明的目的是提供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，以充分有效利用变化矢量分析方法与分类后比较方法的优势，提高变化检测精度。

为实现上述目的，本发明的技术方案是：

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。

所述的遥感图像变化检测方法，其所述第一步，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。