[发明专利]遥感图像变化检测方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及图像分割与图像分类识别技术领域中的一种遥感图像变化检测方法。该方法可快速检测出两时相遥感图像的变化信息，可应用于对地震前后地物变化监测、农作物生长状态的动态监测。

背景技术

变化检测是通过分析同一地区不同时刻的多幅遥感图像，检测出该地区地物随时间发生变化的信息。随着遥感技术和信息技术的发展，多时相遥感图像变化检测已经成为当前遥感图像分析研究的一个重要方向。

在多时相遥感图像变化检测方法的研究中，常见的一种检测方法是先分类后比较法，即首先将遥感图像中不同地物分类，然后再针对不同地物分别构造差异图像，最后利用阈值法确定变化类和非变化类。先分类后比较法的优点在于能够得到针对不同地物的变化检测图像，对阈值选择的方法要求不高，但该方法的存在的不足是，存在分类误差累计问题，即图像质量会对分类结果会造成误差，该误差会影响变化检测的精度。

因为光学遥感图像受制于天气，而雾霾的影响尤其明显，雾霾往往污染遥感影像的可见光波段，被摄物体表面反射的光线在大气中由于吸收和散射作用而衰减；同时由于散射作用，摄影镜头中会混入大气光，造成遥感图像的对比度以及分辨率降低，从而降低变化检测精度。所以，在变化检测之前有必要消除或减轻雾霾对遥感图像的影响，提高遥感图像的质量和变化图像的精确度。

北京市遥感信息研究所和中国科学院自动化研究所在其申请的专利“高分辨率可见光遥感图像变化检测方法”(专利申请号：201210247866,公开号：CN102842044A)中提出了一种对高分辨率可见光遥感图像变化检测的方法。该方法首先获取图像目标，然后去除虚假目标，并且提取目标的变化特征，然后计算目标的初始变化置信度，选择变化置信度高的部分目标作为正样本，选择变化置信度低的部分目标作为负样本，得到变化监测模型，并且利用训练得到的变化监测模型对目标进行变化检测，最后利用目标的纹理特性对变化目标进行提炼，得到最终的变化检测结果。该方法虽然能够通过形状分析有效去除由于局部配准误差引起的虚假目标，但是仍然存在的不足是，该方法的变化检测精确度依赖于可见光遥感图像的高分辨率，由于雾霾天气会导致遥感图像的分辨率下降，而在获取图像目标之前未进行去雾操作，该方法在对受雾霾影响的遥感图像处理时，分割和识别的精确度较低，导致变化检测结果中存在较多漏检信息和虚警信息，降低了遥感图像的变化检测精度，减小了该方法适用的遥感图像范围。

西安电子科技大学在其申请的专利“基于treelet特征融合的遥感图像变化检测方法”(专利申请号：2013104153995，公开号：CN103456020A)中提出了一种基于treelet特征融合的遥感图像变化监测方法。该方法的实现步骤为：(1)输入两时相遥感图像X1和X 2；(2)计算两幅图像的差值图，对数比值图和均值比图；(3)获取由三幅不同差异图中像素的邻域向量组成的样本矩阵；(4)用treelet方法对样本矩阵进行特征提取，得到特征向量矩阵；(5)采用Kmeans方法将特征向量矩阵聚为两类，根据聚类结果得到变化检测结果。该方法虽然能够解决单一类型差异图检测精度低，适用范围窄的问题，但是仍然存在的不足是，该方法面向像素点进行操作，从而忽略了面向某一特定地物对象的变化结果，仅得到变化和未变化的两类结果，不能够对遥感图像进行分类，无法得到不同地物的变化检测图像。

发明内容

本发明针对上述现有技术存在的不足，提出了一种遥感图像变化检测方法。本发明既可以较好地处理受雾霾影响的遥感图像，又可以分别得到不同类型地物的变化检测图像，具有较广泛的适用范围和较高的检测精度。

本发明实现上述目的的思路是：首先构造输入遥感图像的暗原色通道图像，并判断输入的遥感图像是否需要去雾，若需要，则用暗原色先验方法去雾，然后对去雾后的遥感图像使用模糊C均值FCM聚类方法进行分割，并且使用K近邻KNN算法进行分类识别，最后分别对不同地物变化前后的遥感图像进行变化检测。

本发明的步骤包括如下：

(1)输入变化前后的遥感图像：

输入同一地区，不同时刻获取的两幅变化前后的遥感图像；

(2)判断输入的遥感图像是否为彩色遥感图像，若是，执行步骤(3)，否则，将输入的遥感图像作为去雾后的遥感图像，执行步骤(6)；

(3)构造暗原色通道图像：

(3a)选取彩色遥感图像的某一个像素点，从红色R、绿色G、蓝色B三个颜色通道中，选取其中亮度值最小的颜色通道，将该颜色通道的亮度值作为该像素点的灰度值；