[发明专利]基于区域和Kmeans聚类的遥感图像变化检测方法

权利要求书

1.一种基于区域和Kmeans聚类的遥感图像变化检测方法，包括如下步骤：

(1)读入两幅遥感图像X₁和X₂，并对X₁和X₂进行邻域均值滤波，得到滤波后的图像Y₁和Y₂；

(2)根据滤波后的图像Y₁和Y₂，构造差异图像：Y=|Y₁-Y₂|；

(3)利用最大熵原理计算差异图像Y的最大熵阈值T；

(4)由差异图像Y中灰度值不小于最大熵阈值T的像素形成若干个连通区域，并将每一个连通区域看作一个感兴趣区域ROI，并将所有感兴趣区域构成一个感兴趣区域集合{ROI}；

(5)将差异图像Y中灰度值小于α*T的像素作为肯定非变化像素，由差异图像Y中所有肯定非变化像素构成一个肯定非变化像素集合NRset，将肯定非变化像素集合NRset看作一个肯定非变化区域NR，其中，0<α<1；

(6)计算感兴趣区域集合{ROI}中各个感兴趣区域的区域灰度均值G、区域灰度最大值M和感兴趣区域的核心区域灰度均值K，并将这三个特征构成的向量[G,M,K]作为该感兴趣区域的特征向量；

(7)计算肯定非变化区域NR的区域灰度均值U、区域灰度最大值V和肯定非变化区域的核心区域灰度均值S，并将这三个特征构成的向量[U,V,S]作为肯定非变化区域的特征向量；

(8)将肯定非变化区域NR和感兴趣区域集合{ROI}中各个感兴趣区域作为待分类区域集合R={ROI}∪NR,∪为取并集符号；

(9)采用Kmeans聚类算法对待分类区域集合R中所有区域的特征向量进行聚类，并将聚类中心向量的区域灰度均值分量较大的那类区域作为最终的变化区域，将差异图像Y中余下的其他区域则作为最终的非变化区域，得到最终的变化检测结果。

2.根据权利要求1所述的基于区域和Kmeans聚类的遥感图像变化检测方法，其中步骤(1)所述的对X₁和X₂进行邻域均值滤波，采用N³邻域均值滤波，其滤波步骤如下：

1a)在图像X₁中，以像素点(i,j)为中心，选取该像素点的邻域像素所得集合：N_ij={(i,j),(i-2,j),(i+2,j),(i-1,j-1),(i-1,j),(i-1,j+1),(i,j-2),(i,j-1),(i,j+1),(i,j+2),(i+1,j-1),(i+1,j),(i+1,j+1)}，其中，i和j分别为图像中的行和列序号，它们的限定范围为i=3,…,I-2，j=3,…,J-2，I为图像X₁的最大行序号，J为图像X₁的最大列序号；

1b)计算步骤1a)中集合N_ij中全部像素灰度值的均值，并将该均值作为滤波后图像Y₁在该点的灰度值Y₁(i,j)；

1c)对于图像X₁中i=3,…,I-2且j=3,…,J-2以外的边界像素点(i,j)，将该像素点的灰度值作为滤波后图像Y₁在该点的灰度值Y₁(i,j)；

1d)重复步骤1a)至1c)，直至处理完图像X₁全部的像素点，得到滤波后图像Y₁；

1e)按照步骤1a)至1d)处理完图像X₂中所有的像素点，得到滤波后图像Y₂。