[发明专利]一种知识驱动的高空间分辨率遥感影像自动变化检测方法

说明书

本发明针对高空间分辨率影像变化检测的应用需求，公开了一种基于多元特征提取与知识驱动的高空间分辨率遥感影像自动变化检测方法。主要包括：S1知识驱动的地表覆盖区域分离；S2提取多元遥感影像特征；S3基于多元特征与地物分布知识的变化检测；S4基于形态学和连通域分析的变化检测后处理及矢量化。本方法能够在有效减少传统变化检测方法由于影像空间分辨率过高导致的虚警率，并保持较高的感兴趣变化地物检测精度。该方法无需人工干预，计算速度快，可满足海量卫星影像自动化生产的需求。

技术领域

本发明属于光学遥感图像处理技术领域，尤其涉及一种知识驱动的高空间分辨率遥感影像自动变化检测方法。

背景技术

遥感对地观测技术具有周期短、成本低、范围广等优点。尤其是随着遥感平台的快速发展，影像空间分辨率逐渐提高，地物细节信息更加丰富，利用遥感影像变化检测技术，能够为国土资源动态监测提供数据支撑。

由于空间分辨率的提升，相比于中低分辨率遥感影像，高空间分辨率影像变化检测技术存在以下难点：(1)现有变化检测方法大多基于影像光谱差异性进行分析，然而高空间分辨率影像光谱分辨率较低，“同物异谱-同谱异物”现象严重，导致差异图像中不同变化类型呈现相似的光谱特性，变化类型判别性能低；(2)影像获取时间不同，难以区分由光照、拍摄角度、季节等因素引起的不感兴趣的变化与由人为活动引起的感兴趣变化，变化检测精度低；(3)空间分辨率的提升导致检测结果存在大量椒盐噪声，影响变化检测精度。

发明内容

本发明的目的是针对高空间分辨率遥感影像变化信息提取，提供一种知识驱动的高空间分辨率遥感影像自动变化检测方法，将地物变化先验知识与遥感影像变化检测技术融合，在市郊等植被覆盖面积较大的区域，变化地物的光谱特性随空间分布一致性较高，光谱特征的差异能够反映地物的变化。而在城市覆盖区域，由于地物分布复杂，需要对感兴趣地物特征进行提取，在特征层分析地物变化，从而分离不感兴趣变化区域。

为达到上述目的，本发明包括如下步骤：

步骤1，基于可见光植被指数分离原始高空间分辨率遥感影像中的城市区域和非城市区域，得到二值的掩模图像；

步骤2，对原始高空间分辨率遥感影像进行多元特征提取，包括以下子步骤：

步骤2.1，利用分水岭方法对原始高空间分辨率遥感影像进行分割，并提取面向对象特征，得到面向对象特征影像；

步骤2.2，对原始高空间分辨率遥感影像提取形态学建筑物指数，得到形态学特征影像；

步骤3，分别对步骤2.1得到的面向对象特征影像和步骤2.2得到的形态学特征影像进行变化检测，得到两个特征下的两幅初始结果，然后利用步骤1的掩模对两幅初始结果进行融合，获取初始变化检测结果；

步骤4，基于形态学运算对初始变化检测结果进行后处理，获得形态学后处理的结果二值图，然后基于连通域分析对结果二值图进行矢量化，得到最终的变化检测矢量结果。

进一步的，所述步骤1的实现方式如下，

步骤1.1，对原始高分辨率影像逐像元计算可见光植被指数，获得VDVI影像，其公式为其中ρ_g、ρ_r、ρ_b分别表示绿、红、蓝三个可见光波段的像元亮度值；

步骤1.2，计算VDVI影像均值，并利用均值将VDVI图像二值化，得到二值的掩模图像M；其中，二值化规则为，遍历VDVI图像中的每个像素，若该像素灰度值大于均值，则将其标记为1，表示该像素属于非城区；若该像素灰度值小于等于均值，则将其标记为0，表示该像素属于城区。

进一步的，所述步骤2.1的实现方式如下，