[发明专利]一种基于对象的多尺度层次表达学习的变化检测方法

说明书

本发明涉及一种基于对象的多尺度层次表达学习的变化检测方法，包括：根据第一待检测遥感图像获取融合图像和多尺度图像；根据所述融合图像获取超像素映射图；根据所述多尺度图像、所述超像素映射图和多尺度层次学习模型，获取多尺度层次特征；根据所述多尺度层次特征获取检测结果图。本发明所提出的基于对象的多尺度层次表达学习的变化检测方法，使用多个深度模型对多尺度图像进行特征学习提取多组层次特征，利用多组深度特征有效完成从粗到精的层次的变化区域识别，提高变化检测精度，提高鲁棒性。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于对象的多尺度层次表达学习的变化检测方法。

背景技术

遥感图像是利用计算机通过对遥感图像中的各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的手段将特征空间划分互补重叠的子空间，然后将图像中的各个像元归化到子空间去。高时间分辨率、高空间分辨率的遥感图像在土地利用变化检测、动态监测、快速地表变化检测等应用中发挥着重要的作用。

现有的针对遥感图像变化的检测方法分为基于像素的变化检测方法和基于对象的变化检测方法，基于像素的变化检测方法将像素作为基本分析单元，不考虑任何空间和上下文信息，使得应用于高分辨率的多光谱遥感影像受到限制，会产生大量的小的虚假变化；基于对象的变化检测方法将具有相似光谱属性和空间相邻关系的不同对象作为基本分析单元，尽可能地避免了多光谱遥感图像中冗余信息的干扰，抑制了虚假变化信息的影响进而提高变化检测精度，而基于对象的变化检测方法中如何从空间信息和光谱信息两方面获取具有关键新的变化特征是一个难题。

近年来，基于特征学习的深度模型在计算机视觉方面得到广泛应用，并具有较好的性能。现有的特征学习方法都只是直接通过单个学习模型来学习抽象特征表达，这样使得学到的特征是片面的，具有较低的鲁棒性。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于对象的多尺度层次表达学习的变化检测方法。

本发明的一个实施例提供了一种基于对象的多尺度层次表达学习的变化检测方法，包括：

根据第一待检测遥感图像获取融合图像和多尺度图像；

根据所述融合图像获取超像素映射图；

根据所述多尺度图像、所述超像素映射图和多尺度层次学习模型，获取多尺度层次特征；

根据所述多尺度层次特征获取检测结果图。

在本发明的一个实施例中，根据第一待检测遥感图像获取融合图像和多尺度图像，包括：

获取若干所述第一待检测遥感图像；

对若干所述第一待检测遥感图像分别进行辐射校正、几何校正和配准处理，获取若干第二待检测遥感图像；

根据所述第二待检测遥感图像获取融合图像和多尺度图像。

在本发明的一个实施例中，根据所述第二待检测遥感图像获取融合图像和多尺度图像，包括：

对所述第二待检测遥感图像进行融合处理，获取所述融合图像；

利用高斯滤波器对所述第二待检测遥感图像进行处理，获取所述多尺度图像，其中，所述多尺度图像包括小尺度图像、中尺度图像和大尺度图像。

在本发明的一个实施例中，对所述第二待检测遥感图像进行融合处理，获取所述融合图像，包括：

按照预设区域计算所述第二待检测遥感图像中每个像素点的像素均值，获取第三待检测遥感图像；

计算所有所述第三待检测遥感图像种每个对应像素点的像素均值，获取所述融合图像。

在本发明的一个实施例中，根据所述融合图像获取超像素映射图，包括：