[发明专利]基于Treelets的遥感图像变化检测方法

摘要

本发明公开了一种基于Treelets的遥感图像变化检测方法，它属于遥感图像分析与处理领域，主要解决现有遥感图像变化检测方法存在很多伪变化信息的问题。其实现步骤是：(1)对输入的时相1遥感图像进行Treelets滤波；(2)对输入的时相2遥感图像进行Treelets交叉滤波；(3)对滤波后的两时相图像对应像素点灰度值进行差值计算，得到一幅差异图；(4)对差异图像再进行Treelets滤波得到新的差异图像；(5)对新差异图采用K-means聚类分为变化类和非变化类，得到最后的变化检测结果图。本发明能有效减小辐射校正不理想和光照不均对检测效果的影响，提高变化检测的精度，可用于对灾情监测、土地利用及农业调查。

主权项

1.一种基于Treelets的遥感图像变化检测方法，包括如下步骤：(1)输入时相1遥感图像，并对该时相1遥感图像进行如下Treelets滤波：1a)对时相1图像取5×5像素的滑动窗，计算该图像的初始协方差矩阵1b)由协方差矩阵计算图像的初始相似度矩阵1c)初始化基矩阵B₀为25×25的单位矩阵：B0=10L001L0MMOM00L1]]>初始化Tree1ets层级：l＝{0，1，2，K 24}以及和变量的下标集：δ＝{1，2，L，25}；1d)由l层的图像相似度矩阵找出最相似的两个变量α和β：(α,β)=argmaxi,j∈δM^ij(l)]]>其中，α和β分别代表图像的协方差矩阵中的行变量和列变量，i和j是图像相似度矩阵的位置索引，且必须属于和变量下标集δ，并且i＜j；1e)对图像的协方差矩阵进行局部主成分分析变换，得到第一主成分的和变量s_l和第二主成分的差变量d_l，且使得图像协方差矩阵中α行β列的值和β行α列的值都为零，即得到旋转角度为θ_l，并由下式得到雅克比旋转矩阵J：J=1L0L0L0MOMMM0LcL-sL0MMOMM0LsLcL0MMMOM0L0L0L1]]>其中，c和s为雅克比旋转矩阵J中的两个不同变量，c＝cos(θ_l)，s＝sin(θ_l)，|θ_l|≤π/4；1f)根据雅克比旋转矩阵J计算当前层级的基矩阵：B_l＝B_l-1J，以及相似度矩阵：和协方差矩阵：1g)将差变量的下标β从和变量的下标集δ中去除，即δ＝δ\{β}；1h)重复步骤1d)至步骤1g)直至到l＝24层，得到基矩阵为：B＝[Φ ψ₁ L ψ_l-1]^T其中，Φ和ψ分别是基矩阵B的尺度向量和细节向量；1i)对时相1图像每个像素点取5×5滑动窗拉成列向量，然后投影至尺度向量Φ中，用得到的结果取代时相1的像素点灰度值，得到滤波后的时相1图像；(2)输入时相2遥感图像，并对时相2图像每个像素点取5×5滑动窗拉成列向量投影至步骤1h)中得到的尺度向量Φ中，用该结果取代时相2的像素点灰度值，得到交叉滤波后的时相2图像；(3)将步骤1和步骤2得到的滤波后的两个时相图像对应点进行差值计算，得到一幅差异图；(4)对步骤3得到的差异图像按步骤1a)至步骤1i)再进行一次Treelets滤波得到一幅新的差异图像；(5)对步骤4得到的新差异图采用K-means聚类分为变化类和非变化类，得到最后的变化检测结果图。