[发明专利]基于多尺度分割和融合的高分辨率遥感图像变化检测方法

说明书

基于多尺度分割和融合的高分辨率遥感图像变化检测方法，属于高光谱遥感图像技术领域，本发明为解决现有遥感图像变化检测技术对于高分辨率遥感图像的检测精度低、无法保证检测结果的完整性的问题。本发明的具体过程为：采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割；对分割后的各尺度图像中的目标在对象角度上进行特征提取，用对象特征描述对象本身，进而相对其他时相的遥感图像进行向量分析，获得多个尺度的对象差异图；对获得的多个尺度的对象差异图进行变化信息提取和融合，获得最终的总变化结果图。本发明用于高分辨率遥感图像变化检测。

技术领域

本发明涉及一种高分辨率遥感图像变化检测方法，属于高光谱遥感图像技术领域。

背景技术

随着卫星分辨率的提高，高分辨率遥感卫星数据细节信息丰富、数据量剧增，图像数据量和复杂度的增加使多时相遥感影像自动识别变化区域的难度提高，相应的数据处理技术也很难满足精度的要求；且高分辨率遥感影像细节信息丰富，各地物边缘明显，噪声大大增加，使得现阶段大多数基于特征域和像素级别的变化检测方法无法克服检测精度不足的问题，大多目标级检测方法，无法克服检测目标破碎的问题，从而影响后续的处理及应用。

发明内容

本发明目的是为了解决现有遥感图像变化检测技术对于高分辨率遥感图像的检测精度低、无法保证检测结果的完整性的问题，提供了一种基于多尺度分割和融合的高分辨率遥感图像变化检测方法。

本发明所述基于多尺度分割和融合的高分辨率遥感图像变化检测方法，该方法的具体过程为：

步骤1、采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割，空间尺度分为粗尺度和细尺度两个部分，并选择适当的形状因子，利用自上而下区域异质性准则进行合并；

步骤2、对步骤1分割后的各尺度图像中的目标在对象角度上进行特征提取，用对象特征描述对象本身，进而相对其他时相的遥感图像进行向量分析，获得多个尺度的对象差异图；

步骤3、对步骤2获得的多个尺度的对象差异图进行变化信息提取和融合；首先采用自适应权重的像素级别融合方法，利用变化差异图的方差定义权重，分别得到针对粗尺度大目标和细尺度小目标的融合差异图；然后增加算法的鲁棒性，基于图像二维直方图进行变换信息提取，分别对粗尺度大目标和细尺度小目标变化差异图提取差异，分别获得粗尺度大目标和细尺度小目标的变化结果图；最后利用决策级的融合规则获得最终的总变化结果图。

本发明的优点：为提高遥感图像变化检测技术对于高分辨率遥感图像的检测精度、保证检测结果的完整性，本发明在分析传统像素级别及特征级别方法的基础上，引入多尺度分割和融合的检测技术，从高分辨率遥感图像对象出发，通过粗细尺度融合的方式来提取变化区域，从而提高变化检测的精度，实现变化区域的完整提取，克服了目标破碎的情况，为后续毁伤评估，灾害评估等应用奠定基础。

附图说明

图1是本发明所述目标区域直方图示意图；

图2是时相1的原图像；图3是时相2的原图像；图4是一维OTSU检测结果图；图5是二维OTSU检测结果图；图6是循环分割结果图；图7是EM算法结果图；图8是多特征融合方法结果图；图9是PCA聚类方法结果图；图10是多尺度分割融合结果图；图11是MRF方法结果图；图12是参考变化图；

图13是细尺度融合变化图；图14是粗尺度融合变化图。

具体实施方式

具体实施方式一：本实施方式所述基于多尺度分割和融合的高分辨率遥感图像变化检测方法，该检测方法的具体过程为：

步骤1、采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割，空间尺度分为粗尺度和细尺度两个部分，并选择适当的形状因子，利用自上而下区域异质性准则进行合并；