[发明专利]基于邻域相似度和阈值分割的遥感图像变化检测方法

摘要

本发明公开了一种基于邻域相似度和阈值分割的遥感图像目标变化检测方法，主要解决传统方法对含有较高噪声的目标变化检测抗噪性能差，检测精度低的缺点。其实现过程包括：(1)利用强度归一化公式对两幅遥感图像进行灰度匹配；(2)利用邻域相似性距离测度构造两幅遥感图像的相似矩阵；(3)结合相似矩阵构造两幅遥感图像的差异影像；(4)对差异影像构造二维灰度直方图，采用2D-OTSU方法确定分割阈值，将目标区域和背景区域分离；(5)用模糊熵的方法对未处理的边缘和噪声点继续进行分类。本发明具有抗噪性强，检测变化目标精确度高的优点，可用于检测多时相遥感图像变化的目标。

主权项

1.一种基于邻域相似度和阈值分割的遥感图像变化检测方法，包括如下步骤：(1)选取不同时相的两幅遥感图像X₁和X₂，时相中包含有目标变化信息，且目标信息受到噪声污染；(2)采用强度归一化法对两幅遥感图像进行灰度匹配；(3)对灰度匹配后的两幅遥感图像分别取同一位置像素点的局部邻域块，设定窗口尺度，用滑窗法对每个像素点取相同尺度邻域，对于每个邻域，度量两幅图像对应位置像素点的相似性，得到两幅图像的相似矩阵：d_a(i，j)＝∫_ΩG_a(s)|X(x+s)-Y(y+s)|²ds其中X和Y分别为两幅遥感图像相同位置对应的邻域块，s为窗口尺度，x和y为窗口中心像素点的位置，i，j为相似矩阵中像素点坐标，Ω表示窗口区域，G_a(s)为高斯核函数；(4)利用相似矩阵定义每个像素点的权值：其中h为衰减参数；利用定义的权值，求取两幅遥感图像的差异影像：X_D(i，j)＝w(i，j)×(X₁(i，j)-X₂(i，j))其中X₁(i，j)和X₂(i，j)分别为两幅遥感图像在位置(i，j)的像素灰度；(5)设定任意阈值为(s，t)，用2D-Otsu方法求得差异影像的最佳阈值(s₀，t₀)，根据最佳阈值将背景和目标分割开来，即将s≥s₀，t≥t₀的点作为目标，将s＜s₀，t＜t₀的点作为背景，将s＞s₀，t≤t₀以及s≤s₀，t＞t₀的点作为边缘点和噪声点；(6)使用模糊熵处理方法对边缘点和噪声点继续分割，检测出目标。