[发明专利]基于视觉选择注意和像素依赖的无监督变化检测方法

说明书

技术领域

本发明涉及的是一种信息处理技术领域的检测方法，具体是一种基于视觉选择注意和像素依赖的无监督变化检测方法。

背景技术

在遥感研究领域，变化检测通常涉及对不同时期同一地域的两幅遥感影像(简称两期影像)进行分析，来获得后期地表变化区域。由于变化检测能够广泛应用于环境监测、农业调查、城市研究和森林监测等领域，因此，在最近几年，越来越多的研究者开始关注遥感影像变化检测。变化检测方法主要分两大类：监督方法和无监督方法。前者主要基于监督分类的方法，需要大量人工标注的变化区域图谱(ground truth)集作为训练样本。后者直接对比两期影像，进行变化检测。由于人工标注的变化区域图谱集的产生是一项困难和耗时的工作。因此，在没有人工标注的变化区域图谱集情况下，使用无监督变化检测是唯一选择。但目前噪声是影响无监督变化检测精度的一个重要因素。

视觉选择注意理论是C.Koch等人在《Human Neurobiology》(人类神经生物学)，Volume.4，1985，page.219-227上发表的“Shifts in selective visualattention：towards the underlying neural circuitry”(选择性视觉注意转移：潜在的视觉神经元注意线路)一文提出的理论，即：人类视觉在区分场景中各个具体目标之前，能够潜意识首先关注场景中某些重要目标。依据该特性，L.Itti等人在《IEEE Trans.Anal.Mach.Intell》，Volume.20，Number.11，1998，page.1254-1259上发表的“A model of Saliency-based visual attention forrapid scene analysis”(基于显著性视觉注意的场景目标快速搜索模型)一文将视觉选择注意理论引入到计算机视觉领域，构造出计算机视觉选择性注意模型，应用于场景目标快速搜索。具体为：对场景图像颜色部分或强度部分进行高斯金字塔和Gabor金字塔操作，对相差三级和四级的高斯(或Gabor)金字塔图像对进行插值相处理，取绝对值，获得特征图谱，叠加所有特征图谱形成显著谱，该显著谱能够指向场景中对比度强的目标，并对噪声鲁棒。

经对现有技术的文献检索发现，L.Bruzzone等人在《IEEE Trans.Geosci.Remote Sens》(IEEE地球科学与遥感杂志)，Volume.38，Number.3，May2000，page.1171-1182上发表的“Automatic analysis of the difference image forunsupervised change detection”(无监督变化检测中自动分析差分图像)一文，仅考虑了自动区分变化像素的策略，不能较好解决噪声对变化检测的影响，变化检测中图像噪声越大，检测精度越低。

发明内容

本发明目的在于针对现有无监督变化检测对噪声敏感的不足，提出一种基于视觉选择注意和像素依赖的无监督变化检测方法，将视觉选择注意理论引入无监督变化检测领域，有效地降低噪声对变化检测的影响，提高检测精度。

本发明是通过以下技术方案实现的，本发明包括步骤如下：

第一步，获取差分图谱：对两期多波段遥感影像进行配准和归一化操作，使用矢量分析方法处理配准和归一化后的两期影像，获得差分图谱；

第二步，去除差分图谱中的噪声：使用计算机视觉选择性注意模型的强度谱部分处理差分图谱，去除差分图谱中的噪声点，获得中间图谱；

第三步，使用基于像素依赖方法，使用EM算法和Bayes决策区分出中间图谱中的变化类和无变化类，并进一步去除孤立噪声点，获得变化检测图谱。

所述使用计算机视觉选择性注意模型的强度谱部分处理差分图谱，去除差分图谱中的噪声点，具体为：对差分图谱进行高斯金字塔操作，顶级金字塔图像尺寸大于4*4，共产生n级金字塔图像I(n)，n为自然数，将相差三级或四级金字塔图像配成对，每对图像插值到原始图像大小，相减取绝对值，获得特征谱，对特征谱中每一个像素值进行平方运算，拉伸图像像素值的范围，叠加所有拉伸后的特性谱形成中间图谱。