[发明专利]一种多光谱遥感影像变化检测方法

摘要

本发明公开一种多光谱遥感影像变化检测方法。传统的遥感影像变化检测方法是通过代数法对两个不同时相的遥感影像作差异影像，然后通过对差异影像进行建模，确定变化阀值，从而实现对影像的变化检测，但是在这一过程中存在着差异影像不一定满足指定的模型和变化阀值难以确定的问题，针对这些问题本发明提出了基于SVM混合核函数的遥感影像变化检测方法，其实现过程包括下述步骤：首先，采用主成分（PCA）变换与相关系数融合法相结合的方式构造差异影像；其次再提取差异影像的灰度特征和纹理特征并进行归一化和格式化处理；接下来选择训练区域并构造SVM混合核函数再进行训练；最后将差异影像利用SVM混合核分类器进行分类得到目标影像的变化检测结果。

主权项

1.一种多光谱遥感影像变化检测方法，其特征在于：包括下述步骤：步骤1，数据准备：选取需要进行变化检测的同一区域、不同时相的2幅多光谱遥感影像数据；步骤2，构造差异影像：对2幅多光谱遥感影像数据通过相关系数融合法构造差异影像；差异影像的构造分以下几步进行，首先对经过步骤1得到的2幅多光谱遥感影像数据X₁，X₂，通过ENVI4.8软件分别进行PCA变换，并分别提取其第一主成分X_1pc1，X_2pc1；然后，求取X_1pc1，X_2pc1的差值就影像ΔY₁以及比值影像ΔY₂，最后对获取的差值、比值影像进行融合构造出差异影像；对于PCA变换，采用ENVI4.8软件对目标数据进行PCA变换时以协方差矩阵的特征向量对应的矩阵作为变换矩阵；对于n维随机变量X₁,X₂,…,X_n，若c_ij＝Cov(X_i,X_j)＝E{[X_i-E(X_i)][X_j-E(X_j)]都存在，i,j=1,2,…n,则n维随机变量X₁,X₂,…,X_n的协方差矩阵为：C=c11c12...c1nc21c22...c2n............cn1cn2...cnn---(1)]]>通过相关系数融合法构造的差异影像F在坐标(p,q)处的像元值为：F(p,q)＝λ_pq[αΔY₁(p,q)+βΔY₂(p,q)]     (2)式中，λ_pq＝ΔY₂(p,q)/max(ΔY₂)；α＝a|r|+b;α+β=1；r为ΔY₁与ΔY₂的相关系数；其表达式为：r=Σk=1N(ΔY1-ΔY1‾)(ΔY2-ΔY2‾)/Σk=1N(ΔY1-ΔY1‾)2Σk=1N(ΔY2-ΔY2‾)2---(3)]]>式中，N为GMM的像元总数，分别为ΔY₁与ΔY₂的均值，a，b为常数；常数a，b作为权重α的调节因子，a，b∈[0,1]；通过调节a，b的值来调整差值影像和比值影像的权重α,β，取a，b∈{0.1,0.2,…,1},则a，b的值可由下式确定；{a,b}=argmax{1NΣp=1mΣq=1n[F(p,q)-1NΣp=1mΣq=1nF(p,q)]2}---(4)]]>式中，m为差异影像F的行数，n为差异影像F的列数，且有N＝m×n；步骤3，提取差异影像的灰度特征和纹理特征并进行归一化和格式化处理：首先提取差异影像的灰度特征和纹理特征，接着将灰度向量和纹理向量进行归一化和格式化处理所有的特征值都归一化到[0，1]范围内，以便输入SVM；步骤4，构造SVM混合核函数并选择训练数据进行训练；步骤5，将差异影像输入到分类器中进行分类得到变化检测结果。