[发明专利]一种多层次分割的遥感影像变化检测方法

摘要

本发明公开了一种多层次分割的遥感影像变化检测方法，检测共分为九大步骤，最后通过对图像去噪、平滑等处理后，融合各个图斑对象，最终得到遥感影像的的变化检测结果。本发明首先采用分割后直接比较法，如果图斑对象发生变化，算法则对这些图斑对象进行二次分割，然后再提取特征值进行比较。本发明能有效的去除伪变化信息，提高变化检测精度，并且相比已有方法，本发明能得到更加详细复杂的变化结果，实现亚图斑对象的变化检测。

主权项

一种多层次分割的遥感影像变化检测方法，其特征在于：检测分为以下步骤：(1).选取待检测区域两景不同时相的遥感影像，01期和02期；(2).选取01期遥感影像作为基准影像，02期遥感影像作为检测影像；(3).对选择的遥感影像进行图像预处理。包括降噪处理、辐射校正和影像配准；(A)降噪处理：图像的噪声一般存在于图像的高频部分，而要想剔除高频信号中的噪声，需要将图像的高低频分开，本发明利用小波变化进行图像消噪，剔除混杂在图像中的非相关信息；(B)辐射校正：本发明采用统计回归法，以基准影像为主图像，对检测影像进行辐射校正，该方法在两时相影像中找到同一地点没有发生地物类型变化且光谱性质稳定的地物样本点，利用其灰度值的线性相关关系进行校正，不需要传感器的辐射定标和相关大气参数就可获得规则化的地物反射率数据；(C)影像配准：本发明采用仿射不变特征提取算法实现影像配准，方法首先构建具有仿射不变性的SIFT描述子，并利用该描述子对提取的控制点进行匹配，求出变换参数实现影像配准；(4).将步骤3选择的基准影像进行面向对象的多尺度分割：本发明采用均值平移(Mean‑shift)的分割算法对基准影像进行第一次分割，得到基准影像的图斑对象和边界信息。组合这些边界信息并转换为分割矢量图；(5).将步骤4所得的分割矢量图叠加检测影像，对该影像进行分割，得到与基准影像一一对应的图斑对象；(6).基于上述的分割结果，得到各个图斑对象，提取对象的多个特征值，主要包括纹理特征(灰度共生矩阵‑熵)、光谱特征(均值)和形状特征(密度)；本发明根据公式(1)来计算均值，其中Ci表示影像对象中每个像素点的像素值； C ‾ = 1 n Σ i = 1 n C i - - - ( 1 ) 利用公式(2)来计算熵值，其中p(i，j)表示灰度共生矩阵中第(i，j)个元素； f = Σ i = 1 G Σ j = 1 G P ( i , j ) log [ P ( i , j ) ] - - - ( 2 ) 利用公式(3)来计算密度值，其中Var表示求方差； d = n 1 + Var ( x ) + Var ( y ) - - - ( 3 ) (7).基于步骤6所得到的特征值，设定相应的阈值，进行特征值检测，对于检测结果进行加权融合，得到变化图斑和非变化图斑；(8).对于变化图斑，进行第二次分割，首先选取检测影像的图斑对象作为基准影像进行分割，得到多个亚图斑对象，重复4‑7步；(9).结果融合：通过去噪、平滑等后处理，融合各个图斑对象，最终得到遥感影像的的变化检测结果。