[发明专利]基于模糊相容图的多时相遥感影像变化检测方法

说明书

技术领域

本发明属于图像处理技术领域，针对多时相遥感影像变化检测，具体地说是一种基于模糊相容图的多时相遥感影像变化检测的方法，适用于遥感影像分析与处理。

背景技术

基于多时相遥感影像的变化检测技术是指利用具有同一地理位置但不同时相的遥感影像来识别其中发生变化的区域的技术。变化检测作为遥感影像分析的重要任务之一，已经应用于诸多领域，如土地使用监测、森林监测、农业测量以及城市研究等。

针对多时相遥感影像变化检测已提出很多方法，也有很多学者对已有的变化检测方法进行了综述和分析，如Singh(1989)首次对遥感影像变化检测进行综述，将其分为以下几种方法：影像差分法、影像回归法、影像比值法、植被指数差分法、主成分分析法、分类后比较法、多时相影像直接分类、变化矢量分析、背景减除以及其它方法；Coppin(1996)则从森林监测的角度讨论了遥感影像变化检测的方法；李德仁(2003)根据图像配准与变化检测的数据源两个因素将变化检测方法分为两大类七种方法；Gong(2008)等和周启鸣(2011)将变化检测分为两大类(双时相影像变化检测和时间序列影像变化检测)七种方法(直接比较法、分类比较法、面向对象比较法、模型法、时间序列分析法以及混合法)。综上，可以将变化检测分为两类：直接比较检测法和分类后比较法。对于这两类方法针对不同的影像单元又可以分为像元级和对象级。由于目前对象级变化检测还存在诸多问题，如对象获取难、面向对象的影像分类也难以得到高精度结果以及对象间直接运算困难等。因而目前对于多时相遥感影像变化检测还主要采用像元级变化检测。下面主要分析像元级的直接比较检测法和分类后检测法。

(1)直接比较检测法：一般是应用两幅影像的代数运算进行变化检测的方法，其过程为：a.变化特征的选择：光谱、边缘、纹理；b.差异影像的构成；c.变化检测策略的选择：依据模式识别的理论方法；d.变化检测精度评价：定性评价，定量评价。其中，差异影像的构成主要有以下方法：影像差值法、影像回归法、影像比值法、变化矢量分析法、相关系数法等。

直接比较法优势在于算法简单，易实现，但不足在于难以克服由大气条件、噪声和大气辐射的差异带来的干扰，因而对预处理敏感，同时变化阈值也难以确定。

(2)分类后比较法：分类后比较法是通过对每幅影像均进行分类，然后根据相应像素类别的差异识别区域是否发生变化。分类方法一般分为监督分类和非监督分类。监督方法需知道一定的先验知识，可以得到较高的分类精度，但地物信息的获取较为困难，因而在无任何先验知识的情况下，非监督方法的使用范围更为广阔[Bruzzone等，2002；Bovolo等，2005；Mura等，2008；辛芳芳等，2012]。如Gabriele M(2009)等提出的基于MRF(Markov Random Field)理论的非监督法；Pacifici等(2010)提出的基于非监督的PNCC(Pulse-Coupled Neural Network)高分辨率遥感影像的自动变化检测方法；Bovolo等(2008)提出的基于半监督SVM和相似性测度的非监督变化检测方法；Mura等(2008)提出的基于形态学滤波器的高分辨率遥感影像非监督变化检测技术。

分类后比较法的优势在于可以克服由于多时相影像的传感器性质、分辨率等因素的差异所带来的不利影响，无需数据进行归一化处理。但局限性也较大，如a.对类别的划分要求高，不合理的划分易造成检测精度下降；b.变化检测在分类的基础上进行，而检测过程基于处理后的信息，这样会产生信息量的减少，从而降低检测结果的准确性；c.分类后比较法对两幅影像的分类错误较为敏感，任何一幅影像的分类结果出错都将造成变化检测的结果出错。

发明内容

本发明的目的在于解决上述已有的多时相遥感影像变化检测技术的不足，提出一种基于模糊相容图的多时相遥感影像变化检测方法，以克服现有方法的检测精度低、检测错误率高的问题。

为实现上述目的，本发明提出的基于模糊相容图的多时相遥感影像变化检测方法，具体包括以下步骤：

1)对输入的两个不同时相的遥感影像分别进行Frost滤波；

2)对滤波后的两个时相的遥感影像进行归一化处理，并进行比值运算构造差异影像；