[发明专利]基于分形属性和决策融合的遥感影像变化检测方法

权利要求书

1.基于分形属性和决策融合的遥感影像变化检测方法，其特征在于，包括以下步骤：

(1)采集多时相高分辨率遥感影像；

(2)建立基于平均尺度间相关性最小值的目标函数，通过迭代计算，自适应确定各属性的尺度参数集合，提取具有自适应尺度参数的形态学属性剖面；

(3)构建多特征决策融合框架，计算变化强度指标和证据置信度指标来分别描述变化信息和相应的信任程度，利用多特征决策融合框架融合来自自适应尺度参数的形态学属性剖面和原始光谱的变化信息，得到最终的变化检测图；

在步骤(2)中，自适应尺度参数提取方法如下：

(201)设置每种属性的尺度总数为W，尺度参数的取值区间为[T_min,T_max]，其中T_min和T_max分别为尺度参数能够取得的最小值和最大值；

(202)计算区间Sub_w，第w个尺度参数应位于区间Sub_w内，w∈{1,2,...,W}：

(203)定义目标函数：

迭代计算尺度参数的所有组合，并将GRSIM_sum最小值对应的组合作为提取的最优尺度参数集；其中，GRSIM_w,w+1表示两个相邻属性剖面的梯度相似性：

上式中，GRSIM_B1，B1为两幅影像B1和B2之间的梯度相似性；σ_Z1和σ_Z2表示两个影像的梯度幅度矩阵的标准差，σ_M1和σ_M2表示两个影像的梯度方向矩阵的标准差，和表示两个影像的梯度幅度矩阵的方差，σ_M1,M2表示两个影像的梯度方向矩阵的协方差；

在步骤(3)中，构建多特征决策融合框架的方法如下：

将决策融合框架定义为Θ:{CT,NT}，其中，Θ表示为假设空间，CT和NT分别表示变化的像素和不变像素，对于每个像素i，通过下式建立基本概率分配公式：

m_n({CT})＝CII_n×CIE_n

m_n({NT})＝(1-CII_n)×CIE_n

m_n({CT,NT})＝1-CIE_n

上式中，CII_n和CIE_n代表与像素i对应的第n个变化强度指标和证据置信度指标，m_n({CT})、m_n({NT})和m_n({CT,NT})代表非空子集{CT}、{NT}和{CT,NT}第n组证据对应的基本概率分配公式；

利用下式计算非空子集{CT}、{NT}和{CT,NT}对应的基本概率分配公式m({CT})、m({NT})和m({CT,NT})：

上式中，A表示非空子集，N表示证据的总数，m_n(F_n)表示由第n组证据得到的基本概率分配公式，并且有F_n∈2^Θ，

建立如下判定规则：

如果像素i满足上述判定规则，则像素i被判定为变化像素，否则像素i被判定为不变像素；遍历所有像素，得到最终的变换检测图。

2.根据权利要求1所述基于分形属性和决策融合的遥感影像变化检测方法，其特征在于，在步骤(2)中，选择面积、对角线、标准差和归一化惯性矩4个形态学属性。