[发明专利]一种高分辨率遥感影像变化检测方法及系统

说明书

本发明公开一种高分辨率遥感影像变化检测方法及系统。首先对两幅高分辨率遥感影像分别利用简单线性迭代算法SLIC进行超像素分割，得到第一超像素分割图像和第二超像素分割图像；提取第一超像素分割图像和第二超像素分割图像的光谱特征和纹理特征；根据各光谱特征和各纹理特征，计算第一超像素分割图像和第二超像素分割图像的特征差异向量；根据特征差异向量，得到第一幅变化幅度图像和第二幅变化幅度图像；将第一幅变化幅度图像和第二幅变化幅度图像融合得到统一的变化幅度图像；根据统一的变化幅度图像利用条件随机场算法，得到变化图像。本发明能够消除产生的噪声并很好的保留变化图像的边界信息，提高检测结果的精确度。

技术领域

本发明涉及遥感影像识别领域，特别是涉及一种高分辨率遥感影像变化检测方法及系统。

背景技术

变化检测是遥感影像研究中非常重要的部分。其目的是分析在相同地方不同时间所获取影像之间的差异。在近几十年间变化检测结果在许多方面得到了广泛的应用，比如：环境监测、灾害评估、城市规划等。

多时相遥感影像中，变化检测技术的发展引起学者们广泛的关注。在过去几十年间，针对中低分辨率遥感影像(比如：MODIS、Landsat(MSS，TM)，SPOT等)研究者们提出许多不同的变化检测技术，这些方法主要是以单个像素作为处理的基本单元。基于像素的变化检测方法首先是利用两个时相影像得到差异图像，采用的方法主要有：差值法、比值法、变化向量分析法、主成分分析法等。这些算法被用来计算差异图像主要是通过阈值来确定变化和未变化类。其优势在于能够利用到影像间的光谱信息，而且计算简单容易实现，在中低分辨率遥感影像变化检测中得到了较为满意的结果。

最近几年间，随着遥感技术的发展，高分辨率遥感影像(比如：QuickBird、SPOT－5、IKONOS和高分二号等)的获取更加容易，已经成为变化检测技术的主要数据来源。随着遥感影像分辨率的提高，给变化检测技术带来了更多机遇的同时也带来了诸多困难。因为空间分辨率的提高可以提取到更加丰富的光谱、纹理、结构和细节信息，但是相对于中低分辨率遥感影像变化检测来说高分遥感影像变化检测更加困难，主要体现在下面两个方面：一方面随着空间和光谱分辨率的提高，要利用其光谱、纹理等的信息计算就更加复杂；另一方面在高分辨率遥感影像间存在很多同谱异物和同物异谱现象，这对于基于像素的变化检测技术很不友好，其结果往往存在大量椒盐噪声。传统的变化检测技术应用于中低分辨率遥感影像是合理的，但应用于高分辨率遥感影像存在下面四个巨大缺陷：首先因为基于像素的变化检测技术对多时相影像间的配准误差很敏感，如果出现较大配准误差，由于高分遥感影像空间分辨率高导致大量误检和漏检现象，严重影响变化检测精度；其次，基于像素变化检测容易受到阴影和季节变化影响，将未变化类检测为变化类，产生错检现象；再者，通过阈值法来确定变化与未变化类存在不稳定性，很容易受到干扰而产生错检和漏检现象；最后，由于基于像素的变化检测技术只是以单个像素点作为处理单元，对于影像间的光谱、空间上下文信息无法有效利用，而高分辨率遥感影像的优势就在于丰富的细节信息提取上面。

为了有效利用高分辨率遥感影像间丰富的光谱、纹理、结构等信息，学者们提出了面向对象和马尔可夫随机场的方法。这些方法的优势在于能够将空间信息和光谱上下文信息融合到算法中，得到一个相对平滑的结果，能够消除椒盐噪声。面向对象的变化检测技术首先对影像进行分割，分割的规则是将光谱相似空间相邻的像素归为一个对象，然后对于得到的对象提取它的光谱、纹理、结构和几何等信息，最后分别比较两个时相上对应对象块的特征，然后通过阈值得到变化检测结果。该方法优势在于能够保护边界信息，消除椒盐噪声，但是有一个问题就是最后阈值的确定具有不稳定性，容易受到干扰。马尔可夫随机场的方法同样能够利用像素间的空间信息，但是一方面为了简化计算假设观测数据间是条件独立的，只是利用到了状态数据或标签数据间的空间依赖关系，另一方面为了得到先验概率还需要建立对应的假设分布模型。因此受限于本身结构的问题，最后结果跟面向对象变化检测相差不多，无法显著提高检测精度，而且容易在边界处产生过平滑现象。

发明内容