[发明专利]基于自适应差异图的遥感图像变化检测方法

说明书

技术领域

本发明属于数字图像处理技术领域，具体的说是一种基于自适应Treelet构造差异图的遥感图像变化检测方法，适用于环境、城市规划中的数字图像处理。

背景技术

遥感图像的变化检测是指对同一地理位置不同时期的遥感图像进行分析获得其中的变化信息，它是当前遥感数据处理技术的主要发展方向。

对配准后的两幅遥感图像的变化检测方法通常是通过直接运算获取差异图像，然后对差异图像进行分析处理，得到变化与非变化分类的检测结果图。这种方法具有相对简单、直接、易于实现的特点，缺点是获取的差异图像对遥感图像数据的预处理要求较高，差异图中的噪声对检测结果的影响很大。

为了改善直接差异图像的检测效果，提高变化检测的精度，Lingcao Huang等学者在文章“An Object-based Change Detection Approach by Integrating Intensity and Texture Differences”中提出了加权融合Sobel边缘纹理图和差值差异图得到概率差异图，利用阈值对融合后的概率差异图进行分割得到变化检测图像，在保持变化区域的同时引入了大量的噪声点，从而影响了变化检测的结果。Wei He在文章“Application of Euclidean norm in Multi-temporal Remote Sensing Image Change Detection”中提出的利用两幅遥感图像之间差值的欧式距离范数表示差异图，再利用最大熵阈值法提取变化部分，该方法抑制了噪声信息，但对边缘等细节保持不好，降低了变化区域的视觉效果。

发明内容

本发明的目的在于克服上述已有构造差异图像变化检测方法的不足，提出一种基于自适应差异图的遥感图像变化检测方法，以有效、准确的检测出变化区域边缘，减少伪变化信息，提高变化检测的准确度。

为实现上述目的，本发明的检测方法包括如下步骤：

(1)输入两幅已配准的多时相遥感图像T1和T2，并将图像T1和T2空间位置对应像素的灰度值进行差值计算，得到差值差异图X；

(2)对第一幅图像T1以像素点i为中心取3×3大小的滑窗E_i，对第二幅图像T2同样以像素点i为中心取7×7像素大小搜索窗G_i，i为当前像素点，在搜索窗G_i内逐像素取3×3大小的滑窗，得到滑窗集合{F_j}，F_j为滑窗集合内以j为中心点的一个滑窗，定义滑窗集合{F_j}内的滑窗数目为Q个，此处Q＝25；

(3)分别将第二幅图像T2得到的Q个滑窗与第一幅图像T1的滑窗Ei进行差值计算，并将差值的结果用列向量进行表示，得到样本矩阵H，该样本矩阵H中包含Q个列向量且维数为9×Q，将第二幅图像T2的滑窗F_i与第一幅图像T1的滑窗E_i的差值列向量表示为h_ii；

(4)利用Treelet算法对样本矩阵H进行自适应聚类，得到与差值列向量h_ii相同类别标记的q个列向量，其中1≤q≤Q，将这q个列向量组成矩阵R，并计算该矩阵R的均值m_i，将均值m_i作为自适应差异图D中像素点i的灰度值；

(5)对两幅遥感图像T1和T2中的每个像素点，重复进行步骤2至步骤4，得到自适应差异图D；

(6)用Otsu阈值法分别计算差值差异图X和自适应差异图D的阈值K₁和K₂；

(7)利用Otsu阈值K₁和K₂融合差值差异图X和自适应差异图D，得到最终差异图I；

(8)对最终差异图I利用Otsu阈值法进行分割，得到变化检测的结果图像Z。

本发明与现有的技术相比具有以下优点：

(1)本发明通过对相似窗口进行Treelet聚类构造自适应差异图，能有效的实现变化信息的分散，突出对比度，提高了检测准确性。

(2)本发明通过对差值差异图和自适应差异图进行图像融合，保留了差值差异图的细节信息和自适应差异图中的变化区域，在保证准确性的同时降低了漏检影响。

附图说明

图1是本发明的实现流程图；

图2是本发明使用的两时相遥感数据图像及其变化检测参考图；

图3是用本发明对模拟遥感图像实验的变化检测结果图；