[发明专利]两时相遥感图像变化检测的方法

权利要求书

1.一种两时相遥感图像变化检测方法，包括：

分别对两时相的遥感图像进行过分割，获得经过分割处理后的多个过分割区域，所述两时相遥感图像为两幅同一区域不同时间的遥感图像；

分别对每一时相遥感图像以待处理过分割区域为单位提取颜色特征、纹理特征，以及熵特征；

将两时相遥感图像中对应待处理区域的颜色、纹理特征、熵特征求差，所求的差值作为两时相遥感图像的差值图像中对应待处理过分割区域的特征向量；

利用经训练的高斯过程分类器，根据对应的特征向量，对差值图像中过分割区域进行变化类和不变化类的二类分类，获取每个过分割区域的类别概率，并将该类别概率赋值给差值图像上该待处理过分割区域中的所有像素；

在差值图像上构建马尔可夫随机场模型，将各过分割区域中各像素点的类别概率值作为马尔可夫随机场模型的初始值，计算马尔可夫随机场模型能量函数，通过能量函数优化，获取两时相遥感图像变化检测的结果。

2.根据权利要求1所述的两时相遥感图像变化检测方法，所述利用经训练的高斯过程分类器，根据特征向量，对差值图像中过分割区域进行变化类和不变化类的二类分类，获取每个过分割区域的类别概率的步骤包括：

获得训练样本集；

利用训练样本集中的训练样本的特征向量和类标对高斯过程分类器进行训练，得到高斯核参数；

利用高斯核参数对应的高斯过程分类器，对由所述差值图像中待处理过分割区域特征向量进行变化类和不变化类的二类分类，得到每个待处理过分割区域的类别概率。

3.根据权利要求1所述的两时相遥感图像变化检测方法，所述在差值图像上构建马尔可夫随机场模型，将各过分割区域的类别概率值作为马尔可夫随机场模型的初始值，计算马尔可夫随机场模型能量函数，通过能量函数优化，获取两时相遥感图像变化检测的结果的步骤包括：

在差值图像上构造一个马尔可夫随机场模型G(V，E)，差值图像中每一个像素表示为马尔可夫随机场模型中的一个结点V，每个节点V的其周围区域的像素点构成该节点V的邻域集合N，邻域之间的特征矢量差作为马尔可夫随机场模型的边E，将差值图像上每个像素的类别概率值作为马尔可夫随机场模型的初始值；

根据最大后验概率估计理论和马尔可夫随机场理论，由所述马尔可夫随机场模型G(V，E)构造马尔可夫能量函数；

采用迭代条件模型对马尔可夫能量函数进行优化求解，所得到的最终能量函数标记的格局即为两时相遥感图像变化检测的结果。

4.根据权利要求3所述的两时相遥感图像变化检测方法，所述根据最大后验概率估计理论和马尔可夫随机场理论，由所述马尔可夫随机场模型G(V，E)构造马尔可夫能量函数的步骤包括：

将高斯过程分类器输出的每个像素的类别概率值作为马尔可夫随机场模型G (V，E)的输入特征，假定马尔可夫随机场模型中每个结点的特征点输出结果标记为z_i，计算其特征模型

利用一阶Ising模型，计算马尔可夫随机场模型G(V，E)的先验模型p(z_i)，p(z_i)表示对z_i的邻域中的像素之间的相关性惩罚；

将差值图像上每个像素的特征模型和先验模型p(z_i)求和，获得整幅差值图像的马尔可夫能量函数。

5.根据权利要求4所述的两时相遥感图像变化检测方法，所述采用迭代条件模型对马尔可夫能量函数进行优化求解，所得到的最终能量函数标记的格局即为两时相遥感图像变化检测的结果的步骤包括：

步骤1、对差值图像中逐个像素进行迭代，计算每像素对应的最小能量；

步骤2、差值图像中所有像素的最小能量相加求和，作为当次迭代的能量；

步骤3、记录当前最小能量对应的马尔可夫随机场模型的输出类标，即为当次最优输出结果，该类标表示马尔可夫随机场模型规整后每个像素属于变化或不变化的类别标识；

步骤4、当本次迭代计算所得的最小能量小于前次迭代最小能量时，将本次联合能量函数对应的格局，即当前马尔可夫随机场模型输出类标集合作为变化检测输出结果；否则，将上次迭代对应的输出类标集合作为变化检测输出结果；

步骤5，当所述步骤4中的迭代次数等于M，或者当连续N次的迭代输出结果保持不变时，停止迭代，将当前马尔可夫随机场模型输出类标集合作为变化检测输出结果，否则，重新执行步骤1。