[发明专利]基于半非负矩阵分解的高光谱图像变化检测方法和系统

说明书

本申请提供了一种基于半非负矩阵分解的高光谱图像变化检测方法和系统，包括：对根据第一高光谱图像和第二高光谱图像得到的分块图像进行特征提取，得到分块图像的特征矩阵，其中，第一高光谱图像和第二高光谱图像为同一地理区域的多时相影像，大小均为M×N×L，M表示多时相影像的横轴的像素数，N表示多时相影像的纵轴的像素数，L表示波段数；分块图像的大小为2×2×L；特征矩阵的大小为3×MN；基于近似交替优化算法，对特征矩阵进行半非负矩阵分解，得到非负矩阵，其中，非负矩阵的大小为2×MN；对根据非负矩阵得到的变化图像矩阵进行转换，得到二值变化图；其中，二值变化图表征第一高光谱图像和第二高光谱图像之间的图像变化。

技术领域

本申请涉及图像处理技术领域，特别涉及一种基于半非负矩阵分解的高光谱图像变化检测方法和系统。

背景技术

预计遥感卫星高光谱图像的可用性将日益增加，为地球观测提供了重要而独特的数据源。高分辨率遥感图像的特点是在较宽的光谱波长范围内进行详细的光谱采样，这使得在精细的光谱尺度上监测土地覆盖变化成为可能。这是由于它能够检测与土地覆盖变化相关的多时相图像中细微的光谱变化。遥感图像变化检测是指通过比价分析同一区域不同时刻的两幅或多幅遥感图像获取目标区域的变化信息。由于高光谱图像携带丰富的光谱信息与空间分布信息等优点，因此，高光谱图像在森林生态系统以及城乡规划的变化检测应用中具有非常重要的意义。传统的变化检测方法主要有：基于比较运算符、基于相似度量、基于数据变换计算和基于聚类的算法，其中基于相似度量的方法有较多优势，但是相邻波段的信息冗余可能会影响变化幅度，从而影响变化检测的性能，且由于受到光谱阴影、噪声、天气与光照条件的影响，使得高光谱图像变化特征难以准确提取。

因此，需要提供一种针对上述现有技术不足的改进技术方案。

发明内容

本申请的目的在于提供一种基于半非负矩阵分解的高光谱图像变化检测方法和系统，以解决或缓解上述现有技术中存在的问题。

为了实现上述目的，本申请提供如下技术方案：

本申请提供了一种基于半非负矩阵分解的高光谱图像变化检测方法，包括：步骤S101、对根据第一高光谱图像和第二高光谱图像得到的分块图像进行特征提取，得到分块图像的特征矩阵，其中，第一高光谱图像和第二高光谱图像为同一地理区域的多时相影像，大小均为M×N×L，M表示多时相影像的横轴的像素数，N表示多时相影像的纵轴的像素数，L表示波段数；分块图像的大小为2×2×L；特征矩阵的大小为3×MN；步骤S102、基于近似交替优化算法，对特征矩阵进行半非负矩阵分解，得到非负矩阵，其中，非负矩阵的大小为2×MN；步骤S103、对根据非负矩阵得到的变化图像矩阵进行转换，得到二值变化图；其中，变化图像矩阵的大小为M×N，二值变化图表征第一高光谱图像和第二高光谱图像之间的图像变化。

优选的，步骤S101包括：对根据第一高光谱图像和第二高光谱图像生成的差分图像进行分块，得到分块图像；采用仿射集拟合，对分块图像进行特征提取，得到特征矩阵。

优选的，在步骤S101中，对第一高光谱图像的波段和第二高光谱图像的波段逐个相减，得到差分图像。

优选的，步骤S102具体为：基于近似交替优化算法，对特征矩阵进行半非负矩阵分解，生成无约束矩阵子问题和非负矩阵子问题，并对无约束矩阵子问题和非负矩阵子问题进行迭代求解，得到非负矩阵。

优选的，在步骤S102中，响应于无约束矩阵子问题和非负矩阵子问题连续两次迭代结果的相对差小于0.001，停止迭代。

优选的，对无约束矩阵子问题和非负矩阵子问题进行迭代求解具体为：基于最小二乘法，对无约束矩阵子问题进行迭代求解，得到无约束矩阵；基于交替方向乘子法，对非负矩阵子问题进行迭代求解，得到非负矩阵。

优选的，在步骤S102中，响应于基于交替方向乘子法，对非负矩阵子问题进行迭代求解达到预设迭代次数，停止迭代。