[发明专利]一种结合DT-CWT和MRF的遥感图像变化检测方法与装置

说明书

本发明公开了一种结合双树复小波变换(Dual‑tree Complex Wavelet Transform，DT‑CWT)和马尔科夫随机场(Markov Random Field，MRF)的遥感图像变化检测方法与装置，本发明有助于图像信息的多方向表达和多尺度分析，充分利用了像素间的相关性，不仅能有效平衡高频信息的保留和噪声的去除，而且边缘检测更加平滑，变化检测结果具有较好的区域一致性，大大降低了误检率和去除配准误差的影响，极大提高了遥感图像变化检测的精度。

技术领域

本发明涉及图像处理技术，特别涉及一种结合DT-CWT和MRF的遥感图像变化检测方法与装置。

背景技术

随着遥感数据获取手段不断提高和更新周期不断缩短，变化检测技术作为遥感图像处理与分析中的一项重要应用，已广泛应用于土地利用和土地覆盖变化监测，森林或植被变化检测，灾害救援与治理、城镇和道路变化、地理数据库更新等众多领域。由于无监督变化检测方法除了利用两时相的原始图像外，不需要任何额外的先验知识就能得到最终变化检测结果，方法较为高效，故成为研究的热点。通常无监督变化检测是基于像素差异的变化检测，可分为阈值法、变换法、图像建模法等。阈值法是通过选择合适的阈值来区分差异图像中的变化类与非变化类像素，从而得到最终的变化区域，具有简单直观的优点，但是往往只进行单一尺度的分割，难免会引起过度分割或不完全分割，同时检测结果严重依赖于选取的阈值。变换法主要是多尺度变换法方法，如小波变换，这类方法可以进行多尺度分析，能较好地克服了传感器噪声、配准误差等因素的影响，但没有考虑像素间的相关性，检测边缘粗糙，误检像素较多。图像建模法是通过建立模型来模拟空间上下文相关的分布信息，如马尔科夫随机场(Markov Random Field，MRF)充分考虑了邻域内像素之间的相互影响，较好地克服了孤立像素问题，但突变和细节信息表达较弱，伪变化检测较多。为了解决上述方法存在的问题，已经提出了将小波变换与MRF相结合的遥感图像变化检测方法，这些方法利用了小波变换的时频分析能力并且考虑了像素的空间相关性，较好地克服了单一像素孤立性、噪声和配准误差等因素引起的伪变化，但是由于在融合过程中直接舍弃了高频信 息，只取低频信息进行试验，难免造成信息的损失，加之小波变换存在着方向选择性和平移敏感性，使得变化检测细节仍表达不足。

发明内容

本发明旨在提供一种结合双树复小波变换(Dual-tree Complex WaveletTransform，DT-CWT)和马尔科夫随机场(MRF)的遥感图像变化检测方法与装置，其不仅能有效平衡高频信息的保留和噪声的去除，而且边缘检测更加平滑，变化检测结果具有较好的区域一致性，提高遥感图像变化检测的精度，可充分地消除由于现有技术的限制和缺陷导致的一个或多个问题。

本发明另外的优点、目的和特性，一部分将在下面的说明书中得到阐明，而另一部分对于本领域的普通技术人员通过对下面的说明的考察将是明显的或从本发明的实施中学到。通过在文字的说明书和权利要求书及附图中特别地指出的结构可实现和获得本发明目的和优点。

本发明提供了一种结合DT-CWT和MRF的遥感图像变化检测方法，其特征在于，所述方法具体包括以下步骤：

步骤1，输入大小相同的经过精确配准的两期同区域的遥感影像对应的两幅灰度图像X₁、X₂；

步骤2，求所述两幅灰度图像X₁、X₂的差值图像；

步骤3，对所述差值图像进行3层DT-CWT分解；

步骤4，利用基于FCM的MRF分割算法，对经DT-CWT分解后得到的高频子带进行变化特征提取；

步骤5，对通过步骤3的DT-CWT分解得到的低频分量和通过步骤4的变化 特征提取得到的高频分量进行重构；

步骤6，利用所述基于FCM的MRF分割算法，对通过步骤5重构后的结果进行变化检测；