[发明专利]基于多组滤波和降维的遥感图像变化检测方法

摘要

本发明公开了一种基于多组滤波和降维的遥感图像变化检测方法，主要解决现有技术对变化检测图像的精度和运行时间上不足的问题。其实现过程是：输入两幅不同时相的遥感图像，并构造差值差异图像，得到差值差异图像的分割结果，并对遥感图像进行灰度校正得到新的差值差异图；应用Gabor滤波器得到多组滤波图像，并组成样本矩阵；利用Treelet算法对样本矩阵进行降维，对降维后的图像进行K均值聚类得到最终的变化检测结果。实验表明本发明能够有效地提高变化检测处理效率，保持图像的边缘信息，提高变化检测的精确度，可用于灾情监测、土地利用领域。

主权项

一种基于多组滤波和降维的遥感图像变化检测方法，包括如下步骤：(1)对输入的两幅已经配准的多时相遥感图像T1和T2空间位置对应的像素灰度值进行差值计算，得到一幅差值差异图Xd；(2)计算差值差异图Xd变化类和非变化类的分类阈值；(3)根据分类阈值计算出图像T1和图像T2中非变化类像素的灰度直方图，将图像T1中的非变化类像素和图像T2中的非变化类像素进行灰度校正，得到图像T2灰度校正后的图像T3；将图像T1和图像T3空间位置对应的像素灰度值进行差值计算，得到一幅灰度校正的差值差异图D；(4)将Gabor滤波器函数参数中5个方向角度的任意一个与6个频率的任意一个进行两两组合，可得到30组滤波器函数，利用该组滤波器函数对灰度校正的差值差异图D进行滤波得到30组滤波后的差异图像组，记为滤波图像组矩阵E1；(5)将灰度校正的差值差异图D加入到滤波图像组矩阵E1中，得到降维样本矩阵E；(6)利用Treelet算法计算降维样本矩阵E的投影矩阵P，得到沿投影方向降维后的最终差异图像F；(7)对得到的最终差异图像F利用K均值算法进行聚类，得到最终的变化检测结果图Z。