[发明专利]基于局部不变特征的高分辨率遥感图像变化检测方法

说明书

本发明公开了一种基于局部不变特征的高分辨率遥感图像变化检测方法，在待检测图像对两次交叉分块的基础上，分别利用LBP和SURF特征描述子分析图像块对的相似度置信度，基于相似度置信度判断1/4图像块的变化性质，并采用形态学区域增长的方式处理变化和非变化1/4图像块形成的块状效应。本发明两次分块处理，按图像块分析纹理特征，按1/4图像块判断图像变化性质，提高了图像块描述的准确性和图像块分析的精度；利用LBP和SURF特征具有的局部不变性和光照不敏感特性，使得图像块相似性判断更准确；通过形态学增长，降低了区域增长阈值选择的复杂度，避免了对孔洞等不连续小区域的处理。

技术领域

本发明属于数字图像处理技术领域，属于基于局部不变特征的多时相遥感图像变化检测，尤其涉及一种基于LBP和SURF特征的高分辨率遥感图像变化检测方法。

背景技术

遥感图像具有覆盖面积大、反映地表直观等特点，多时相的遥感图像变化检测广泛应用于土地监测、环境监测、灾害监测、城市规划等。

遥感图像变化检测方法主要分为基于像素和基于对象的方法，所使用的特征主要包括灰度、纹理等。基于对象的方法需对图像进行分割以提取分析对象，而图像分割存在分割尺度问题，对象变化属性分析过程中存在特征选取问题。基于像素的方法，若仅利用单个像素的灰度特征来判断像素的变化情况，则难以适应气候、光照等因素造成的图像灰度变化，易形成虚警和漏检。基于像素的方法，若利用纹理特征判断像素的变化属性，能一定程度上克服光照引起的灰度变化，但纹理特征提取的有效性决定了变化检测精度。

LBP(Local Binary Pattern，局部二值模式)是一种纹理特征描述子，通过统计局部空间结构来描述纹理，对灰度变化不敏感，且计算速度快。经过改进的LBP算子能在半径为R的圆形区域取P个采样点来分析局部空间关系，满足纹理不同尺寸和频率的需要，RP取值越小，纹理描述越细腻。LBP广泛应用在模式识别并取得良好的对象识别效果。SURF(Speeded Up Robust Features，加速稳健特征)是一种稳健的特征点，SURF特征描述子统计以特征点为中心的子区域垂直与水平方向的方向和，所提取的特征点具有良好的局部不变性和光照不敏感特性，其所描述局部区域时也具有的局部不变性和光照不敏感特性。

近些年遥感图像的空间分辨率越来越高，可达分米级，高分辨率遥感图像中地物的几何和纹理细节特征在图像中得到更好地呈现，但图像灰度受气候、光照强度等因素影响较低分辨率遥感图像大，给高分辨率遥感图像变化检测带来挑战。

发明内容

本发明所要解决的技术问题在于提供一种基于局部不变特征的高分辨率遥感图像变化检测方法，针对已完全配准的高分辨率遥感图像对，在待检测图像对两次交叉分块的基础上，分别利用LBP和SURF特征描述子分析图像块对的相似度置信度，基于相似度置信度对1/4图像块的变化性质进行判断，采用区域增长的方式处理变化和非变化1/4图像块形成的块状效应。以便提高高分辨率遥感图像地物纹理描述准确度，从而提高基于纹理的高分辨率遥感图像变化检测的精度。

为实现上述目的，本发明采用以下技术方案。基于局部不变特征的高分辨率遥感图像变化检测方法，其特征在于，在待检测图像对两次交叉分块的基础上，分别利用LBP和SURF特征描述子分析图像块对的相似度置信度，基于相似度置信度对1/4图像块的变化性质进行判断，并采用形态学区域增长的方式处理变化和非变化1/4图像块形成的块状效应。

进一步，所述两次交叉分块的过程为：第一次分块，以图像坐标原点O位置为初始点，按窗口大小进行正方形分块；第二次分块，以图像坐标1/2窗口大小位置为初始点，按窗口大小进行正方形分块，1/4图像块在两次分块中出现交叠。

进一步，所述窗口大小选择为20像素。

进一步，所述利用LBP和SURF特征描述子分析图像块对的相似度置信度，其过程为：

1)计算第一次分块图像块对的LBP特征向量距离，并按下式求得平均距离