[发明专利]面向复杂遥感影像背景的改进CVA变化检测方法

说明书

本发明公开了一种面向复杂遥感影像背景的改进CVA变化检测方法，包括：选取两张多时相遥感影像图像并进行影像配准，辐射归一化预处理，采用基于主成分分析与小波变换的影像融合方法分析出多时相遥感影像图像的隐含信息，通过构建多方向差分描述子以提取多时相遥感影像图像中心像素的空间特征及光谱特征，采用灰度共生矩阵提取多时相遥感影像图像的纹理特征，并在此基础上，采用基于相关性的特征融合策略，获得统一的变化强度差分影像，最后采用EM算法求得变化像素的阈值，得到二值检测结果。本方法能够有效应对在复杂遥感影像背景的伪变化的干扰，显著提高变化检测的精度及鲁棒性。

技术领域

本发明涉及遥感影像处理技术领域，具体而言涉及一种面向复杂遥感影像背景的改进CVA变化检测方法。

背景技术

近年来，随着航空航天遥感技术的飞速发展，海量的多时相遥感影像为监测区域的变化提供了重要的数据来源。遥感影像的变化检测是利用不同时期同一区域的遥感影像，分析和判断影像间的变化，已成为遥感影像处理技术领域的热点之一。

Malila提出一种基于变化向量分析(CVA，Change Vector Analysis)的变化检测法，可以提取变化强度和变化方向信息，且能避免由于影像分类而造成的误差累积；Bektas等利用绿度、亮度、湿度替换原始光谱波段进行变化检测；Junior等利用距离和相似测度定义了一种新的变化矢量；Ghosh等提出了中值CVA算法来构造变化方向余弦；黄维等提出了基于主成分分析的CVA遥感影像变化检测方法，在尽量保留变化细节的基础上抑制了噪声。

以上这些CVA改进算法大都直接以单个像元为处理单元，缺乏考虑变化向量的空间上下文信息及纹理信息，而且忽略了不同波段间变化信息的差异性与互补性，容易受到“伪变化”的干扰，难以满足高分辨率数据的要求。鉴于此，本文提出了面向复杂遥感影像背景的改进CVA变化检测方法。

发明内容

本发明的目的在于提供一种面向复杂遥感影像背景的改进CVA变化检测方法，包括：选取两张多时相遥感影像图像并进行影像配准，辐射归一化预处理，采用基于主成分分析与小波变换的影像融合方法分析出多时相遥感影像图像的隐含信息，通过构建多方向差分描述子以提取多时相遥感影像图像中心像素的空间特征及光谱特征，采用灰度共生矩阵提取多时相遥感影像图像的纹理特征，并在此基础上，采用基于相关性的特征融合策略，获得统一的变化强度差分影像，最后采用EM算法求得变化像素的阈值，得到二值检测结果。本方法能够有效应对在复杂遥感影像背景的伪变化的干扰，显著提高变化检测的精度及鲁棒性。

为达成上述目的，结合图1，本发明提出一种面向复杂遥感影像背景的改进CVA变化检测方法，所述方法包括：

S1：选取两张多时相遥感影像图像，进行预处理，所述预处理包括遥感影像配准、辐射归一化。

S2：采用基于主成分分析与小波变换的影像融合方法，分析出多时相遥感影像图像所包含的隐含信息。

S3：构建多方向差分描述子以提取多时相遥感影像图像的中心像素的空间特征及光谱特征。

S4：采用灰度共生矩阵提取多时相遥感影像图像的纹理特征。

S5：采用基于相关性的特征融合策略，得到统一的变化强度差分影像。

S6：采用EM算法计算变化像素的阈值，得到二值检测结果。

本发明提出，在步骤S2中，所述采用基于主成分分析与小波变换的影像融合方法，分析出多时相遥感影像图像所包含的隐含信息的过程包括以下步骤：

S21：对多时相遥感影像图像做主成分分析，得到n个主分量。

S22：将原始多时相遥感影像图像与所述n个主分量进行直方图匹配。

S23：采用小波变换，将原始多时相遥感影像图像与所述n个主分量进行融合，得到变换检测所需的数据。