[发明专利]结合阴影补偿与决策融合的遥感影像变化检测方法

说明书

本发明公开了结合阴影补偿与决策融合的遥感影像变化检测方法。在面向对象的变化检测框架下，首先提取遥感影像中的地物阴影，然后对多尺度变化检测进行阴影补偿。其中，通过构建一种尺度间互信息最小化的目标函数实现了尺度参数的自适应提取；在此基础上，结合所提出的阴影补偿因子，设计了一种基于D‑S证据理论的决策级多尺度融合策略，并进一步对变化强度的等级进行了划分。本发明能够较好地解决阴影所导致的错检问题，显著提高变化检测精度。

技术领域

本发明属于图像处理技术领域，特别涉及了一种遥感影像变化检测方法。

背景技术

遥感影像变化检测是从不同时期的遥感数据中定量分析和确定地表变化的过程。近年来，随着多时相高分辨率遥感数据的不断积累，如何从中提取和检测城市场景中的变化信息已成为遥感科学和地理信息科学的重要研究课题。与中、低分辨率遥感影像相比，高分辨率遥感影像的光谱、纹理及空间细节信息等都更加丰富。与此同时，空间分辨率的提高也使变化检测面临着更加突出的“同物异谱”和“同谱异物”问题。为此，学者们试图利用面向对象的图像分析OBIA(Object-Based Image Analysis)来提高变化检测的精度。

与传统像素级检测方法相比，对象级变化检测OBCD(Object-Based ChangeDetection)基于对象固有形状及尺寸进行特征提取，对配准误差、噪声等具有更高的鲁棒性。例如，Chen等人提出的OB-HMAD方法以地理对象作为基本单元，依据最小噪声分离变换MNF(Minimum Noise Fraction Rotation)确定分割阈值来提取变化信息，其检测精度显著优于传统像素级方法；佃袁勇等通过多尺度的图像分割、特征提取及融合来描述变化信息，相较于基于单一尺度的变化检测方法错检率显著降低。尽管如此，现有多尺度OBCD方法中大多直接比较地理对象间光谱、纹理特征的差异，而忽略了地物阴影的影响。特别是在城市场景中，各种人造、自然地物阴影普遍存在且密集分布，地物阴影所导致的“伪变化”已成为产生错检的主要来源之一。因此，有必要在多尺度变化检测中引入阴影补偿策略，而其关键在于准确的阴影提取、尺度参数的合理选择，以及光谱、纹理、阴影及尺度信息的有效融合。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供结合阴影补偿与决策融合的遥感影像变化检测方法，解决阴影所导致的错检问题，显著提高变化检测精度。

为了实现上述技术目的，本发明的技术方案为：

结合阴影补偿与决策融合的遥感影像变化检测方法，括以下步骤：

(1)基于矢量量化方法对遥感影像进行分类，基于分类结果，将阴影像素视为出界点，采用卡方检验进行阴影检测；

(2)采用多尺度分割算法提取地理对象；

(3)基于尺度间互信息最小的优化目标自适应提取尺度参数，获取多尺度J-image影像序列；

(4)获取步骤(1)中检测出的阴影和步骤(2)中提取的地理对象在不同时相、相同尺度J-image影像序列中的投影，并在此基础上，分析任意地理对象在不同时相、相同尺度J-image影像序列间的相似程度；

(5)通过结合阴影补偿的决策融合算法实现遥感影像变化检测及变化强度等级的划分。

进一步地，在步骤(1)中，采用卡方检验进行阴影检测的方法如下：

定义卡方分布：

(X-m)^TΣ^-1(X-m)～χ²(b)

其中，X为随机变量，m和Σ分别为非阴影区域的均值和协方差矩阵，b为自由度，即多光谱影像的波段数目；

在此基础上，采用下式确定阴影像素：