[发明专利]一种多时相多光谱遥感影像变化检测方法及系统

说明书

本发明公开了一种多时相多光谱遥感影像变化检测方法及系统，所述方法首先利用非负矩阵分解融合多时相遥感影像的变化矢量幅值和多时相的光谱角映射图，获取新的差异影像。然后，对差异影像应用FCM算法获取CRF的一元能量项。其次，根据图像的邻域和差异影像，获取CRF的二元能量项。最后通过循环信度传播算法对CRF的能量最小化获取最终的变化检测结果。本发明能够更好地刻画图像邻域间的关系，提高了变化检测的精度；变化检测结果更加可靠，也更加具有稳健性。

技术领域

本发明属于图像处理技术领域，尤其涉及一种多时相多光谱遥感影像变化检测方法。

背景技术

遥感影像的变化检测就是从不同时期的遥感数据中，定量地分析和确定地表变化的特征与过程。各国学者从不同的角度和应用研究提出了许多有效的检测算法，总体来说，根据检测过程中是否需要训练样本，可以将变化检测分为三个大类：非监督变化检测算法、半监督变化检测算法和监督变化检测算法。由于非监督变化检测算法无需训练样本，加之建模过程无需先验知识，因此该类算法获得了广泛的应用。常规的非监督变化检测算法有变化矢量分析法(Change Vector Analysis，CVA)、基于主成分变换的检测方法、基于FuzzyC-means(模糊C均值聚类算法，FCM)的聚类方法、基于多元变化检测算法、基于无向图的变化检测算法(包括MRF、CRF等)等。变化检测建模中，像素和其邻域具有高度相关性，MRF和CRF两种概率图模型均可以刻画这种邻域关系。由于CRF能够同时考虑观察场与标记场的空间上下文信息，比MRF建模更加灵活，其在多时相变化检测领域应用具有优势。

2015年12月16日中国专利数据库公开了一种基于非平稳分析与条件随机场的SAR图像变化检测方法(专利号：201510526592.5)，但是检测方法是监督类变化检测，实际应用中需消耗大量的人力成本等去构建训练样本。现有技术中还公开了一种基于CRF的非监督变换检测方法[Guo Cao,Xuesong LiLicun Zhou.Unsupervised change detection inhigh spatial resolution remote sensing images based on a conditional randomfield model.European Journal of Remote Sensing,2016,49:225-237.]，该检测方法应用于多光谱多时相遥感图像检测过程中，能够提高检测精度，但该方法在构建CRF一元能量项中，没有充分利用多光谱影像多个差异信息，导致检测性能的下降。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种多时相多光谱遥感影像变化检测方法及系统，融合了不同的差异图像，检测结果更加可靠、稳健，检测精度更高。

为达到上述目的，本发明是采用下述技术方案实现的：

一方面，本发明提供了一种多时相多光谱遥感影像变化检测方法，所述方法包括如下步骤：

融合多时相遥感影像的变化矢量幅值和光谱角信息，得到差异影像；

根据差异影像获取条件随机场的一元能量项；

根据多时相遥感影像的邻域和差异影像构建条件随机场的二元能量项；

根据一元能量项和二元能量项构建条件随机场能量项；

以能量最小化为目标，对条件随机场能量项进行优化，获取最终的变化检测结果。

进一步的，采用公式(1)计算多时相遥感影像的变化矢量幅值X_M：