[发明专利]基于Treelet和方向自适应滤波的遥感图像变化检测方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及一种基于Treelet和方向自适应滤波的遥感图像变化检测方法。该方法可应用于湖泊水位的动态监测、农作物生长状态的动态监测、城区规划、军事侦察等领域。

背景技术

变化检测是通过分析同一地区不同时刻的多幅遥感图像，检测出该地区地物随时间发生变化的信息。随着遥感技术和信息技术的发展，多时相遥感图像变化检测已经成为当前遥感图像分析研究的一个重要方向。

在多时相遥感图像变化检测方法的研究中，常见的一种变化检测方法是先比较后分类法。它的优点在于简单易行，没有先分类后比较法存在的分类误差累计问题，但仍存在的不足是，该方法对分类阈值的选取十分敏感，如果分类阈值较大，会使变化检测结果存在较多漏检信息，如果分类阈值较小，会使变化检测结果存在较多虚警信息，降低变化检测精度。

光学遥感图像变化检测中图像滤波的方法已较为常见，如均值滤波、中值滤波、维纳滤波、形态学滤波等。这些滤波处理在一定程度上平滑了同质区域的噪声，但仍存在的不足是，该滤波处理难以在去除同质区噪声的同时保持图像的边缘信息。

西安电子科技大学在其专利申请“基于Treelets的遥感图像变化检测方法”(专利申请号：201110001584.0，公开号：CN102063720A)中提出了一种基于Treelets滤波的遥感图像变化检测方法。该方法虽然能够降低辐射校正和光照不均对变化检测结果的影响，但仍存在的不足是，Treelets滤波使得变化检测结果存在较多漏检信息，不能较好的保持变化区域边缘信息，降低了变化检测精度。

发明内容

本发明针对上述现有技术存在的不足，提出了一种基于Treelet和方向自适应滤波的遥感图像变化检测方法。本发明能够较好的保持变化区域的边缘信息，减少了检测结果中的漏检信息，具有较高的变化检测精度。

本发明实现上述目的的思路是：在构造完差异图像后，首先对差异图像进行方向自适应滤波，其次利用Treelet对滤波后的两幅图像和差异图像进行融合，然后对融合后的图像进行自适应阈值分类，最后对分类图进行基于面积阈值的后处理，得到变化检测结果图。

本发明的步骤包括如下：

(1)读入同一地区不同时刻获取的两幅相同大小的遥感图像。

(2)构造差异图像

将步骤(1)中的任意一幅遥感图像与另一幅遥感图像做减法运算，并将减法运算结果取绝对值，得到一幅差异图像。

(3)方向自适应滤波

3a)在差异图像中任意选取一个像素点，以该像素点为中心，以固定长度为边长，确定一个正方形邻域图像块；

3b)按照水平方向将正方形邻域图像块划分为2个方向模板，按照垂直方向将正方形邻域图像块划分为2个方向模板，按照对角方向将正方形邻域图像块划分为4个方向模板，按照原点位置将正方形邻域图像块划分为1个方向模板；

3c)按照标准差计算公式计算9个方向模板的标准差，对9个方向模板的标准差值按照从小到大的顺序进行排列；

3d)按照均值计算公式计算最小标准差值对应模板的灰度均值，将该值作为第一幅滤波图像在正方形邻域图像块中心处的灰度值；

3e)按照均值计算公式计算次小标准差值对应模板的灰度均值，将该值作为第二幅滤波图像在正方形邻域图像块中心处的灰度值；

3f)重复步骤3a)至步骤3e)，直至处理完差异图像中的全部像素点，得到一幅对应于最小标准差模板的滤波图像和一幅对应于次小标准差模板的滤波图像。

(4)Treelet融合

4a)将差异图像的像素按照从左到右、从上到下的顺序进行排列，组成一个列向量；

4b)将对应于最小标准差模板的滤波图像的像素按照从左到右、从上到下的顺序进行排列，组成一个列向量；

4c)将对应于次小标准差模板的滤波图像的像素按照从左到右、从上到下的顺序进行排列，组成一个列向量；

4d)将步骤4a)、4b)和4c)中的列向量依次按照从左到右的顺序进行排列，组成一个图像序列，对该图像序列进行Treelet变换，得到一个基矩阵；

4e)将图像序列向基矩阵投影，得到一幅融合图像。

(5)自适应阈值分类

5a)按照标准差计算公式计算融合图像的标准差；

5b)按照均值计算公式计算融合图像的均值；

5c)采用均值和标准差计算分类阈值；