[发明专利]基于光谱反射率变化分析的多光谱遥感影像变化检测方法

说明书

技术领域

本发明属于光学遥感图像处理技术领域，涉及两时相多光谱遥感图像间存在较大的整体亮度差异情况下的无监督变化检测，可用于土地利用、植被覆盖、水资源以及矿产资源等方面的变化监测。

背景技术

随着遥感图像数据的公开化程度和处理技术的不断提高，利用多时相遥感图像数据进行土地利用、植被覆盖、水资源以及矿产资源等方面的变化监测已经越来越普及，这在环境、农林、水利和矿产等诸多方面具有重要意义。由于不同地物类型的变化可能会反映在不同的光谱范围内，而多光谱遥感图像数据具有从可见光到红外光波段的多个接收频段，丰富的光谱信息增加了识别多种类型变化的可能性和可信度，因此多光谱遥感图像被广泛用于地物的变化检测。

一幅完整的多光谱图像具有多个不同波段的图像。目前人们在对其进行变化检测时往往利用其中某一个波段或者多个波段的组合。其中，利用单一波段的变化检测算法通常是在某一波段上构造差异图像并进行分类，故对该类方法的研究通常是对差异图像的增强方法、自适应阈值或其他分割方法、聚类方法等方面的改进。该类方法原理简单，就单一波段的变化检测精确度而言能够达到很高。但由于不同地物类型的变化可能会反映在不同的光谱范围内，因此这类方法在进行变化检测前需要先根据待检测变化的类型和以往经验选择适合的波段，而对于复杂地物这样的选择并不总是准确、有效；如果待检测的变化信息分布在不同波段上，则无论选择哪一个波段都无法完全检测到所有变化信息。因此，有效利用多个波段图像的变化信息是解决多光谱变化检测问题的唯一有效途径。

目前，利用多个波段光谱图像进行变化检测的方法主要有变化矢量分析CVA、主成分分析PCA和独立成分分析ICA。标准变化矢量分析先将两幅不同时相的多光谱图像相同波段对应位置处的像素作差得到光谱变化矢量SCVs，在计算其模值后通过阈值分割得到变化类与非变化类的分类结果。由于同时考虑了多个波段图像的变化信息，变化矢量分析相对于单一波段的变化检测增强了检测结果的可靠性和检测多类型变化的能力。然而，变化矢量分析在计算光谱变化矢量的模值时只是简单地将各波段差异信息叠加，忽略了波段之间的差异性和相关性；同时由于易受到不同时相图像间整体亮度差异的影响而使得光谱变化矢量模值图的背景亮度与变化类目标的亮度非常接近，大大降低了阈值分割的准确性和稳定性。尽管有很多学者对变化矢量分析进行了进一步研究，但由于受到其整体框架及思想的局限，都只是对光谱变化矢量方向的描述、分割阈值的确定以及表示空间等方面的改进，上述缺陷并没有得到改善。相对地，主成分分析用于多光谱图像变化检测时可以减小波段间的冗余信息和增强差异信息，通常采用两种方式进行——直接对两时相图像做主成分分析和对各波段差异图像做主成分分析。然而，少数波段的变化信息经过主成分分析变换后多分布在次主成分图像上，容易造成变化信息的丢失。另外，主成分分析与变化矢量分析相似，容易受到不同时相图像间整体亮度差异的影响而使得检测准确率大幅下降，即使先采用辐射校正的方法进行改善，仍不能从根本上解决这一问题。与主成分分析非常相似，独立成分分析用于变化检测时也通常采用直接对两时相图像作独立成分分析或对各波段差异图像作独立成分分析两种策略。独立成分分析与主成分分析相比虽然对配准误差和亮度差异具有一定鲁棒性，但独立成分分析变换使不同类型的变化区域分布在若干相互独立的分量图像上，通常需要依靠经验和先验知识人工选择某几个分量图像进行后续分类，造成完全检测变化信息的困难。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于光谱反射率变化分析的多光谱遥感图像无监督变化检测方法，以避免不同时相图像间整体亮度差异的影响及人工选择光谱波段造成变化信息检测的不完整，实现变化检测的完全自动化。

为实现上述目的，本发明的技术方案包括如下步骤：

（1）输入在两个时相获取的同一地区的两个多光谱图像集：I₁={A₁^b}和I₂={A₂^b}，其中，A_t^b为两个多光谱图像集中的每一幅单波段图像，上标b表示波段序号，b=1,2,…,B，B为总波段数，下标t为时相序号，t={1,2}，每一幅单波段图像A_t^b均由n行m列像素构成；

（2）对两时相多光谱图像集I₁和I₂分别进行维纳滤波去噪，并归一化处理，得到两时相多光谱归一化图像集和