[发明专利]引力模型优化条件随机场的多尺度融合图像变化检测方法

说明书

本发明公开一种引力模型优化条件随机场的多尺度融合图像变化检测方法，采用简单线性迭代聚类方法SLIC分别对两幅影像进行超像元分割，共获得像元级、超像元级和对象级三个空间尺度的影像；利用变化矢量分析技术分别生成两期影像的像元级、超像元级和对象级三种空间尺度的差分影像；对三种空间尺度的差分影像进行模糊聚类，得到三种空间尺度差分影像的模糊隶属度函数；应用决策级融合方法融合所获取的三组模糊隶属度函数，获得初步融合结果；利用引力模型优化的条件随机场模型优化所述初步融合结果，得到最终变化检测图。本发明通过融合高分辨率遥感影像的多尺度信息，并在融合过程中有效地利用空间信息，能够得到较优变化检测结果。

技术领域

本发明涉及遥感技术领域，具体涉及一种引力模型优化条件随机场的多尺度融合图像变化检测方法。

背景技术

变化检测是遥感领域的研究热点。随着遥感影像空间分辨率的提高，遥感影像的细节信息更加丰富，但也使得光谱的类内方差增大，类间方差减小。基于像元的变化检测技术难以适应高分辨率遥感影像，面向对象变化检测应运而生。然而，面向对象变化检测往往只考虑遥感影像的单一尺度特征，不能很好的利用高分辨率遥感影像的多尺度特性，限制了变化检测精度的进一步提高。针对此问题，本发明提出一种引力模型优化条件随机场的多尺度融合变化检测技术。所提出技术能够融合高分影像的多尺度信息，并在融合过程中有效地利用空间信息，有望得到较优的高分辨率遥感影像变化检测结果。

现有技术中有对遥感图像进行变化检测的技术，专利文献CN 102496154A记载了一种基于马尔科夫随机场的多时相遥感图像变化检测方法，包括差值图像生成步骤、EM参数估计步骤、差值图像边缘检测步骤、自适应权重计算步骤以及马尔科夫随机场标记步骤。本发明利用差值图像的相邻像素大小自动调整马尔科夫随机场的权值大小，有效提高变化检测精度。

发明内容

本发明所要解决的技术问题是提供一种引力模型优化条件随机场的多尺度融合图像变化检测方法，能够快速得出遥感图像的变化检测结果。

为解决上述技术问题，本发明所采用的技术方案是：

引力模型优化条件随机场的多尺度融合图像变化检测方法，包括以下步骤：

Step1、将不同时期对同一目标摄取的两期高分辨率遥感影像进行预处理，预处理包括影像配准和相对辐射校正；

Step2、采用简单线性迭代聚类方法分别对两幅影像进行超像元分割，采用多分辨率分割方法分别对两幅影像进行面向对象分割，加上原始影像，共获得像元级、超像元级和对象级三个空间尺度的影像；

Step3、使用变化矢量分析法分别生成两期影像的像元级、超像元级和对象级三种空间尺度的差分影像；

Step4、对Step3中三种空间尺度的差分影像进行模糊聚类，得到三种空间尺度差分影像的模糊隶属度函数；

Step5、使用决策级融合方法融合Step4中所获取的三组模糊隶属度函数，获得初步融合结果；

Step6、利用引力模型优化的条件随机场模型优化Step5中的初步融合结果，得到最终变化检测图。

上述的Step2中将两期高分辨率遥感影像摄取时间定义为T₁时刻和T₂时刻，对应的遥感影像分别为X₁和X₂，采用简单线性迭代聚类方法对X₁和X₂进行分割，得到超像元分割图S₁和S₂，采用多分辨率分割对X₁和X₂进行分割，得到对象分割图O₁和O₂；

上述的Step3中，像元级，超像元级，对象级差分影像分别记为和三组差分影像的计算公式如下：