[发明专利]基于分水岭和treelet的遥感图像变化检测方法

权利要求书

1.一种基于分水岭和treelet的遥感图像变化检测方法，包括如下步骤：

(1)对输入的两幅已配准的多时相遥感图像分别进行3×3像素的中值滤波，得到去噪后图像T1和T2；

(2)将去噪图像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X；

(3)对差值差异图X进行空间域到模糊域的变换，在模糊域修正隶属度后反变换回空间域，得到增强后的差异图像EX；

(4)采用标记分水岭算法将增强后的差异图像EX进行分割，得到L个区域的分水岭过分割图像Y，其中L为增强后的差异图像EX分水岭过分割后的区域数目，取值根据选取的图像确定，每一个标记区域记为lk(lk＝1，2，3，...，L)；

(5)在增强后的差异图像EX计算每一个区域lk内的均值、方差、平滑度、三阶矩、一致性和熵这六种纹理特征，组成特征列向量H_lk，并将所有L个区域的纹理特征向量H_lk合并，得到维数为6×L的特征矩阵H，再计算特征矩阵H的协方差矩阵C和相关系数矩阵A；

(6)采用treelet算法将特征矩阵H进行合并，得到纹理特征向量的合并标记S_lk；

(7)依据纹理特征向量合并标记S_lk，对步骤(4)所得的过分割图像Y中的L个区域中相同类别的区域进行合并，得到变化和非变化两分类图B_n；

(8)统计两分类图B_n的邻域像素信息，利用最大后验概率的变权高斯马尔科夫模型得到变化区域边缘细化的检测结果图像B_E；

(9)以变化检测结果图像B_E参考图，在图B_E中利用区域连通性保留B_E和B_n两幅图像中的相同区域，去除仅在B_E图中存在的噪声杂点，得到最终的变化检测结果图Z。

2.根据权利要求1所述的遥感图像变化检测方法，其中步骤(6)所述采用treelet算法将特征矩阵H进行合并，按如下步骤进行：

(6a)定义聚类的层数l＝0，1，…，L-2，当l＝0时，初始化和变量为S⁽⁰⁾＝H，差变量D⁽⁰⁾为空集，并将和变量的集合Ω用下标集表示为Ω＝{1，2，...，L}，将差变量集合Φ作为空集，将正交Dirac基B⁽⁰⁾＝[φ_0，1，φ_0，2，…φ_0，L]作为L×L维单位矩阵；

(6b)当l≠0时，寻找相关系数矩阵A中最大的两个值，将最大值和次大值的对应位置序号分别记为α和β：

这里i＜j，分别表示相关系数矩阵A中任意值的行和列，且只在和变量集合Ω内进行；

(6c)计算Jacobi旋转矩阵J：

J=1L0L0L0MOMMM0LcnLsnL0MMOMM0L-snLcnL0MMMOM0L0L0L1]]>

其中c_n＝cos(θ_l)，s_n＝sin(θ_l)；旋转角θ_l由C^(l)＝J^TC^(l-1)J及计算得到：

θl=tan-1[Cα,α-Cβ,β±(Cα,α-Cβ,β)2+4Cα,β42Cα,β]]]>且|θl|≤π4]]>

由矩阵J更新去相关后的正交基B^(l)＝B^(l-1)J，协方差矩阵C^(l)＝J^TC^(l-1)J，其中B^(l)为更新后的正交基，C^(l)为更新后的协方差矩阵，并利用C^(l)更新相关系数矩阵A^(1-1)为A^(l)：

Ai,j(l)=Ci,j(l)Ci,i(l)Ci,j(l)]]>

其中为相关系数矩阵A^(l)中第i行j列的更新值，为协方差矩阵C^(l)中第i行j列的值，为协方差矩阵C^(l)中第i行i列的值，为协方差矩阵C^(l)第中j行j列的值；

(6d)定义正交基矩阵B^(l)中第α列和第β列的列向量分别为尺度函数φ_l和细节函数ψ_l，定义当前l层的尺度向量集合{φ_l}是尺度函数φ_l和上一层的尺度向量集合{φ_l-1}的合集，将β差变量从和变量集合Ω中去除，即Ω＝Ω/{β}，加入到差变量集合Φ中，即Φ＝{β}；

(6e)重复步骤(6b)至(6d)直至聚类的最高层l＝L-2，可得最终的正交基矩阵B＝[φ_L-2，1，φ_L-2，2，ψ₁，...ψ_L-2]，其中φ_L-2，1，φ_L-2，2∈{φ_L-2}；

(6f)将特征矩阵H沿正交基矩阵B的方向进行投影，计算投影后矩阵的能量矩阵En＝(H×B′)·(H×B)^T，提取能量阵En中的前两行得到尺度向量{φ_L-2}对应的能量矩阵Em(2×L)即为聚类得到的结果，按照各自对应尺度的能量大小进行排序，得到特征的合并标记S_lk。

3.根据权利要求1所述的遥感图像变化检测方法，其中步骤(7)涉及的对过分割图像Y中的L个区域中相同类别的区域进行合并，得到变化和非变化两分类图B_n：是先根据过分割图像Y中的任意区域lk对应的类别标记S_lk，将Y中具有相同标记值的区域进行合并，得到一幅两分类图像；再分别统计该两分类图像中各自类别的像素数目，将数目较多的一类标记为0，即确定为非变化类，将数目较少的另一类标记为1，即确定为变化类，最终得到变化和非变化两分类图B_n。