[发明专利]基于treelet融合和水平集分割的遥感图像变化检测

说明书

技术领域

本发明属于图像处理技术领域，具体来说是一种基于treelet融合和水平集分割遥 感图像变化检测方法，可用于土地资源监测、自然灾害分析、城市发展规划等诸多领 域的遥感图像分析。

背景技术

遥感图像变化检测技术是遥感图像研究的重要组成部分，它对同一地点不同时期 的图像进行比较分析，根据图像之间的差异来得到人们需要的地物变化信息。

在遥感图像的变化检测方法中，最简单常见的方法是直接对图像灰度值进行差分 得到差异影像，利用阈值区分变化类和非变化类。然而不同时刻之间的遥感图像由于 光照、辐射等因素造成图像灰度值存在偏差，简单对图像的灰度做差得到差异图的变 化检测方法结果中会存在较多的伪变化信息，同时，如何精确的估计阈值一直是一个 瓶颈问题。

为了提高变化检测结果的精度，有关学者提出了许多改进的方法：Yakoub Bazi  等学者于2009年在会议文章“A Variational Level-Set Method for Unsupervised Change  Detection in Remote Sensing Images”中提出基于CV模型的变化检测方法，2010年作 者在上述会议文章的基础上进一步完善理论部分并增加实验数据，又发表了期刊文章 “Unsupervised Change Detection in Multispectral Remotely Sensed Imagery With Level  Set Methods”。该方法不需要估计变化阈值，但是CV模型容易受到噪声的影响从而 影响结果的准确性。Turgay Celik等学者在文章“A Bayesian approach to unsupervised  multiscale change detection in synthetic aperture radar image”中提出一种基于双树复小 波变换的变化检测方法。由于双树复小波变换的下采样特性，该方法首先要对原始图 像进行插值，插值方法的选择对结果有一定影响，此外，分别对低频系数矩阵和高频 系数矩阵进行分割容易累积分类误差，同样影响变化检测结果的精度。

发明内容

本发明的目的在于克服上述已有的遥感图像变化检测技术的不足，提出了一种基 于treelet融合和水平集分割的遥感图像变化检测方法，以较好的保持变化区域的边缘， 减少伪变化信息，提高变化检测的精度。

为实现上述目的，本发明的检测方法包括如下步骤：

（1）对输入的两幅已配准的大小均为mxn的多时相遥感图像I¹和I²分别进行均 值漂移滤波，得到滤波后图像X¹和X²；

（2）对滤波后图像X¹和X²分别进行3次二维平稳小波分解，且每一幅滤波后 图像3次分解的最高分解层数分别为s（s=1，...3），一次二维平稳小波分解得到四个 小波系数矩阵，即一个低频系数矩阵和三个分别表示水平、垂直、对角方向的高频小 波系数矩阵；

（3）对滤波后图像X¹和X²相同分解层数下对应方向子带的小波系数矩阵做差， 得到每一个分解层s的低频小波系数差矩阵和三个分别表示水平、垂直、对角方向的 高频小波系数差矩阵；

（4）对步骤（3）中的水平方向小波系数差矩阵和垂直方向小波系数差矩阵利用 sobel算子进行增强，保持低频小波系数差矩阵和对角方向小波系数差矩阵不变；

（5）使用（3）中低频小波系数差矩阵、对角方向小波系数差矩阵和（4）中增 强后的水平、垂直方向小波系数差矩阵，对每一个分解层s进行二维逆平稳小波变换， 得到每个分解层s的重构图像RIs；

（6）对每个分解层s的重构图像RIs使用treelet变换进行融合，得到融合后的 差异图D；

（7）对融合后的差异图D进行水平集分割，得到变化检测结果图Z。

本发明与现有的技术相比具有以下优点：

（1）本发明由于通过对两幅滤波后图像分解得到的小波系数矩阵做差并对差矩 阵重构来构造差异图，因而能减轻不同时刻之间的遥感图像由于光照、辐射等因素造 成图像灰度值存在偏差对结果造成的影响，从而能减少结果中的伪变化信息，提高变 化检测结果的精度；