[发明专利]两时相遥感图像变化检测的方法

说明书

技术领域

本发明涉及雷达技术遥感图像处理领域，尤其涉及一种两时相遥感图像变化检测的方法。

背景技术

对遥感图像进行变化检测是遥感图像处理领域中最重要的应用方向之一，其在自然灾害监测、国土资源规划管理、军事目标打击评估等众多军民领域都有重要的应用价值。随着遥感图像数据的分辨率增高，变化检测可以获取的变化信息日益丰富，使得变化检测的实际应用范围得到进一步扩大。现有技术中，对遥感图像进行变化检测的方法主要有：高斯过程法和马尔可夫随机场模型方法。以下分别对两种方法进行说明：

高斯过程(Gaussian Process，简称GP)作为一种具有概率意义的核学习机，为核函数的学习提供了一种既具有理论基础，又可用于实践的概率模型，并在模型的选择、学习和预测方面提供了一套完整的理论框架。它不仅能以先验概率的形式表示过程的先验知识，提高过程模型性能，而且能够给出输出预测的精度参数。与支持向量机分类器相比，高斯过程分类器具有完全的贝叶斯公式化表示，模型参数明显减少，参数优化相对容易，更易收敛。但是高斯过程分类器通常认为每一个特征点是独立的，特征点与其周围邻域中的其它特征之间不存在相互影响，这种假设往往导致检测结果中存在大量的噪声，致使检测精度不高。

马尔可夫随机场模型能够有效地利用图像的空间上下文信息。基于马尔可夫随机场(Markov Random Field，简称MRF)的变化检测方法通过能量函数的形式对空间上下文信息进行表述，以降低噪声的影响，提高检测结果的准确率。但是马尔可夫随机场对初始值比较敏感，容易导致最终的检测输出区域局部最优解，致使整体检测精度不高。

发明内容

(一)要解决的技术问题

为解决上述的一个或多个问题，本发明提供了一种两时相遥感图像变化检测的方法，以克服高斯过程法中特征点与其周围邻域中的其他特征点之间不存在相互影响，及马尔可夫随机场模型方法对初始值比较敏感的缺陷，提高两时相遥感图像变化检测检测精度。

(二)技术方案

根据本发明的一个方面，提供了一种两时相遥感图像变化检测方法。该方法包括：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，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。

(三)有益效果

从上述技术方案可以看出，本发明具有以下有益效果：

(1)将马尔可夫随机场模型与高斯过程分类器相结合，克服了高斯过程分类器缺乏对图像空间信息的有效利用的缺点，有效地利用空间上下文信息提高了变化检测精度；

(2)将高斯过程和马尔可夫随机场模型相结合，有效地解决了遥感图像变化检测中观测的分布形式难以参数化确定的问题，提高了检测精度。

附图说明

图1为本发明实施例两时相遥感图像变化检测方法的流程示意图。

图2为本发明实施例两时相遥感图像变化检测方法中对两时相遥感图像对应的每一个过分割区域进行调整的准则示意图；

图3为两幅两时相遥感图像，其中，图3a为2002年拍摄图像；图3b为2003年拍摄图像；

图4为本发明采用不同方法对如图3所示两幅两时相遥感图像进行变化检测的结果。其中，图4a为第一种比较方法的变化检测结果，图4b是第二种比较方法的变化检测结果，图4c是第三种比较方法的变化检测结果，图4d是本发明基于空间上下文相关的高斯过程遥感图像变化检测方法的变化检测结果，图4e为人工检测结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。