[发明专利]基于稀疏重建的两时相遥感影像变化检测方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及遥感影像变化检测方法，可用于对土地等地理资源的利用和植被覆盖情况的监测以及地震、洪水、泥石流、森林火灾等自然灾害灾情的评估等领域。

背景技术

遥感影像变化检测技术旨在检测同一地点不同时间的影像之间发生的变化。根据是否需要先验知识可将变化检测分为监督变化检测和非监督变化检测。由于实际中的先验知识比较难以获得，且需要人工参与，不能实现自动化；故非监督的可智能化的无监督变化检测方法被普遍采用。

无监督变化检测主要包括三个处理阶段：首先，对获得的影像进行预处理，包括辐射校正和几何配准等；然后，对校正过的影像进行比较，获得差异图像；最后，利用阈值或聚类的分割方法，通过对差异图像进行分析得到最终的变化检测结果图。其中遥感影像预处理的目的是将两幅遥感影像进行校准，预处理时首先需要对遥感影像进行去噪处理，对并尽可能地在抑制噪声的同时尽量地保留有用信号。

目前，对遥感影像的去噪方法主要分为基于空域和变换域两类。基于空域去噪主要是通过在图像上取一个滑动窗口对图像进行滤波，其滤波能力与滑动窗的大小成正比，随着窗口的增大其平滑效果变好，但是会导致图像边缘的模糊，使得细节信息丢失严重，在抑制噪声的同时很难保留边缘和纹理细节。基于变换域的去噪方法主要是利用多分辨分析的方法，常见的有基于小波变换和众多的后小波变换分析的方法。小波去噪效果的好坏取决于以下因素：小波基的选择、分解的层数、阈值函数的选取以及阈值估计方法的选取。其中最重要的环节是选择阈值函数和阈值选取。硬阈值函数的不连续性导致重构信号容易出现振铃、Pseudo-Gibbs现象；而软阈值函数虽整体连续性好，但估计值与实际值之间总存在恒定的偏差，具有一定的局限性，且可能会造成边缘模糊等失真现象。阈值的选取直接影响到最终的去噪效果，如何最大限度去除噪声的同时保留信号的原始特征是去噪过程中的一个难点，如果阈值选取过小，则会出现消噪不足，过多的保留了噪声，致使信号的弱特征成份被噪声淹没；如果阈值选取过大，则会出现过消噪，将信号中的弱特征成份误认为噪声消除。当信号所含噪声的水平不同，去噪时采用的阈值也应有所不同。

近年来，基于超完备稀疏分解的信号表示理论得到广泛关注，并取得巨大成果。其基本原理是利用超完备字典中的冗余基取代正交基，对字典的选择尽可能地包含分解信号的信息。对信号的稀疏分解就是从超完备字典当中选择出最佳线性组合的若干原子来表示信号，将该方法应用于遥感影像的去噪，能取得较好的去噪效果。

差异图像的生成也是变化检测过程中至关重要的一步，差异图像的质量直接决定后续分析处理的精确度，进而影响到整个变化检测系统的性能。差异图像的构造最为简单且常用的方法是差值法和比值法。差值法是对两时相影像对应像素点位置处的灰度值进行作差取绝对值，如果值为0则代表该像素点的信息未发生变化，否则判定该像素点的信息发生了变化。比值法是计算两时相影像对应像素点灰度值的比值，若一个像素点没有发生变化则该比值应接近于1，反之则远大于1或远小于1。

虽然这两种方法构造出的差异图像都可以用来有效地检测出变化信息，但仍存在各自的不足：差值法易受影像成像质量、波谱特性等客观条件影响，不能完全反应地面地物的辐射能量变化；变化检测结果漏检率较高；比值法在增强变化信息、抑制背景信息的同时可帮助减少大气条件造成的影响，但有时会过于夸大部分变化；变化检测结果误检率较高。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于稀疏重建的两时相遥感影像变化检测方法，以有效地抑制噪声，保持影像的边缘清晰度；同时尽可能降低漏检数及误检数，抑制背景信息，增强变化信息，提高变化检测的准确度。

为实现上述目的，本发明的技术方案包括如下步骤：

(1)输入两幅大小均为I×J的遥感影像X_A和X_B，其中，I为遥感影像的行数，J为遥感影像的列数；

(2)对两幅遥感影像X_A和X_B分别进行N个像素的边界镜像延拓，得到边界延拓后的两幅遥感影像X₁和X₂，其中N为奇数，N∈{1,3,5,7,……}；