[发明专利]NSST域MRF与自适应阈值融合的遥感图像变化检测方法

摘要

本发明公开一种NSST域MRF与自适应阈值融合的遥感图像变化检测方法，解决了现有变化检测方法中不能在有效去除杂点的同时保持变化区域边缘信息的缺点。其实现过程是：输入两幅不同时相的遥感图像，用差值法构造差异图像；对差异图像进行非下采样Shearlet分解，将每一层方向子带合并为一个高频子带；对各层高频子带和低频子带分别自适应阈值分类，每层得到一幅高频自适应阈值分类图和一幅低频自适应阈值分类图；分别对各层的低频子带MRF分类，每层得到一幅MRF分类图；融合分类结果得到变化检测结果。本发明既有较强的抗噪性，又有边缘信息保持好的优点，检测结果误检少，准确率高。用于城区变化监测、森林和植被变化监测、军事目标监测等领域。

主权项

一种NSST域MRF与自适应阈值融合的遥感图像变化检测方法，其特征在于：包括如下步骤：步骤1，输入同一地区不同时相的已配准的两幅遥感图像，对该两幅图对应像素点灰度值做差得到一幅差值差异图像；步骤2，对差值差异图像进行非下采样Shearlet分解，分解的每层有一个低频子带和多个高频方向子带，将每层中所有高频方向子带合并为一个高频子带；步骤3，应用K‑均值聚类算法分别将各层的低频子带和高频子带聚类，在每一层分别得到一幅低频初始分类图和一幅高频初始分类图；步骤4，利用每一层的低频初始分类图，对对应层中的低频子带在基于贝叶斯最小错误率下进行自适应阈值分类，在每一层得到一幅低频自适应阈值分类图；步骤5，利用每一层的高频初始分类图，对对应层中的高频子带在基于贝叶斯最小错误率下进行自适应阈值分类，在每一层得到一幅高频自适应阈值分类图；步骤6，对非下采样Shearlet分解得到的每一层的低频子带进行MRF建模，求满足最小化能量函数的类别标记，得到该层的一幅MRF分类图；步骤7，忽略第1层的高频自适应阈值分类图，将第1层的低频自适应阈值分类图作为第1层的总自适应阈值分类图，在其余各分解层中，对每一层的高频自适应阈值分类图和低频自适应阈值分类图进行并集融合，得到该层的一幅总自适应阈值分类图；步骤8，对所有分解层的总自适应阈值分类图进行交集融合，得到一幅最终自适应阈值分类图，对所有分解层的MRF分类图进行交集融合，得到一幅最终MRF分类图；步骤9，将最终自适应阈值分类图B和最终MRF分类图M进行融合得到变化检测结果图。