[发明专利]基于核互模态因素分析核融合的多光谱图像变化检测方法

说明书

本发明公开了基于核互模态因素分析核融合的多光谱图像变化检测方法，主要解决现有差值核函数不能充分挖掘及利用图像多种特征之间的相关性而导致检测精度低下的问题。其实现过程是：1)将两时刻三通道光谱图像变换至HIS空间，得到两时刻图像的色调、饱和度、强度信息；2)根据1)的结果提取两时刻图像颜色特征和强度纹理特征；3)利用所提特征求取颜色差值核函数矩阵和强度纹理差值核函数矩阵；4)对3)获得的两个矩阵加权融合，构造合成核函数矩阵，并自适应选取最优的加权系数；5)将合成核函数矩阵输入支持向量机SVM进行检测，得到变化检测结果。本发明检测精度高，结果稳定，运算量低，可用于多光谱图像变化检测。

技术领域

本发明属于图像处理技术领域，特别涉及一种图像变化检测方法，可用于对多光谱图像进行地物状态变化监测与评估。

背景技术

多光谱图像是遥感卫星获取的在多个波段上的对地观测数字图像。多光谱图像变化检测通过分析同一地区不同时刻观测到的多幅多光谱图像来确定地物变化的特征及过程。多光谱图像具有丰富的光谱信息，能够很好地反映地物特性。多光谱图像变化检测在军事和民事领域中具有突出的作用。

最常用的多光谱图像变化检测方法是变化矢量分析法CVA，该方法将多通道的原始两时刻图像定义为向量，将两时刻的向量作差得到变化向量，再对变化向量进行分析从而检测出两时刻图像是否发生变化。CVA方法在多光谱图像变化检测中得到了成功的应用，近年各国学者对其进行了多方面的改进。

J Chen定义了后验概率空间中的CVA算法，该算法降低了传统CVA对几何配准和辐射校正的严格要求，不同变化所得到的结果都处于同一尺度空间，对单门限检测法的鲁棒性更好。

F Bovolo提出了极坐标空间中的CVA算法，该算法从理论上分析了极坐标空间中变化与非变化像素点的分布及其统计特性，给出了极坐标空间中变化矢量的严格定义及分析。此后，F Bovolo又提出了2维CVA和多级CVA算法。但是上述的CVA方法及其改进方法，不能够实现对多光谱图像多种特征的自适应融合，不能充分利用多种特征中的信息，导致运算量比较大，计算效率比较低。

除了CVA方法，其它方法也在多光谱图像变化检测中得到了成功的应用。例如，Hichri等在2013年提出了一种实现交式互分割的多光谱图像变化检测方法，该方法使用支持向量机SVM对已知标记的像素进行训练，使用训练结果指导图像分割得到初始变化检测图像，最后使用马尔科夫随机场MRFs调整初始变化检测结果图，得到最终的变化检测结果图。但是该方法实现时需要两个步骤，即先对已知标签样本进行训练得到初分结果，再进行优化，使得该算法流程比较复杂。

近年来新发展起来的是基于核方法的多光谱图像变化检测算法。GustavoCamps-Valls在2008年首先提出将核方法应用于遥感图像变化检测，通过提取图像的强度信息和纹理信息并构造强度纹理差值核函数实现了遥感图像变化检测。但是该方法处理多光谱图像时，没有考虑多种特性之间的相关性，不能充分挖掘和融合多种图像特征，因而其检测精度有待进一步提高。

发明内容

本发明的目的是在针对上述已有算法的不足，提出一种基于核互模态因素分析核融合的多光谱图像变化检测方法，通过分析图像多种特征之间的相关性，充分挖掘和融合图像特征，从而降低运算量，提高运算效率，提高检测精度。

为实现上述目的，本发明的实现步骤包括如下：