[发明专利]一种面向对象的多光谱高分辨率遥感影像变化检测方法

说明书

本发明公开了一种面向对象的多光谱高分辨率遥感影像变化检测方法，包括以下步骤：输入同一区域、不同时相的两幅高分辨率光学遥感影像；利用遥感软件ENVI对X₁和X₂进行影像配准，分为粗校正和精校正；利用多元变化检测MAD方法对X₁和X₂进行辐射归一化校正；基于SLIC算法进行分割；计算多时相影像的差异影像，利用K‑Means算法进行聚类，依据聚类结果并结合SLIC的分割对象确定CRF一元能量项；根据SLIC的分割图像构建CRF的邻域系统，并根据差异影像和对象的空间坐标，构建CRF的二元项能量；对CRF能量项U进行优化，获取最终的变化检测结果。本发明不仅考虑相邻对象的光谱差异，还考虑相邻对象的空间位置关系，提高了变化检测的精度。

技术领域

本发明涉及一种面向对象的基于条件随机场(CRF)的多时相多光谱高分辨率遥感影像非监督变化检测方法，属于光学遥感影像变化检测技术领域。

背景技术

随着多时相遥感数据的不断积累以及空间数据库的相继建立，如何从这些遥感数据中提取和检测变化信息已成为遥感科学和地理信息科学的重要研究课题。根据同一区域不同时相的遥感影像，可以提取城市、环境等动态变化的信息，为资源管理与规划、环境保护等部门提供科学决策的依据。

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。

基于像素的非监督变化检测方法，适用于中-低分辨率的遥感影像，且这些方法都是暗含像素在空间上具有独立性。针对高分辨率影像，由于其结构、纹理等信息更加突出，利用传统的基于像元光谱统计的处理方式，其效率及其获得的结果信息都是十分有限的，且处理结果往往会存在许多小斑块，难以对其分析和描述。而面向对象的变化检测更有利于知识的结合利用，也更能有效地利用高分辨率影像所具有的多特征优势。

变化检测建模过程中，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。如李民等提出的基于非平稳分析与条件随机场的SAR图像变化检测方法(2015，中国发明专利，西安电子科技大学)，但是该发明专利技术是监督类变化检测，实际应用中需消耗大量的人力成本等去构建训练样本。Cao等提出的基于CRF的非监督变换检测方法应用于多光谱多时相遥感图像检测过程中，提高了检测的精度。但是该方法的是基于像素的，检测的效率和精度有一定的局限性。B.Desclée等提出的面向对象的基于卡方变换的检测方法(OBCT)，可以克服基于像素的变化检测的局限性，但是该面向对象的方法没有考虑对象之间的相关性。

发明内容

针对现有技术存在的不足，本发明目的是提供一种面向对象的多光谱高分辨率遥感影像变化检测方法，将基于像素和面向对象技术二者结合，使得变化检测结果更稳健，在构建CRF二元能量项时，不仅考虑相邻对象的光谱差异，还考虑相邻对象的空间位置关系，提高了变化检测的精度。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明的一种面向对象的多光谱高分辨率遥感影像变化检测方法，包括以下步骤：

步骤1：输入同一区域、不同时相的两幅高分辨率光学遥感影像，分别记为：X₁和X₂；

步骤2：利用遥感软件ENVI对X₁和X₂进行影像配准，分为粗校正和精校正；

步骤3：利用多元变化检测MAD方法对X₁和X₂进行辐射归一化校正；