[发明专利]基于分水岭和treelet的遥感图像变化检测方法

摘要

本发明公开了一种基于分水岭和treelet的遥感图像变化检测方法，它属于图像处理技术领域。其实现过程是：输入两幅不同时相的遥感图像，并对每幅图像去噪，得到两时相的去噪后图像，并构造差值差异图像；应用分水岭算法得到差异图像的初始过分割标记图，并采用treelet算法对过分割标记区域的纹理特征进行合并，聚类得到变化类和非变化类的二值图像，利用变权马尔科夫随机场模型对二值图像进行空间约束得到后处理的边缘一致性图像，合并聚类二值图和边缘一致性图的连通区域，得到最终的变化检测结果。本发明能够有效地提高变化检测处理效率，保持图像的边缘信息，可用于灾情监测和土地利用对图像变化的检测。

主权项

一种基于分水岭和treelet的遥感图像变化检测方法，包括如下步骤：(1)对输入的两幅已配准的多时相遥感图像分别进行3×3像素的中值滤波，得到去噪后图像T1和T2；(2)将去噪图像T1和T2空间位置对应的像素灰度值进行差值计算，得到一幅差值差异图X；(3)对差值差异图X进行空间域到模糊域的变换，在模糊域修正隶属度后反变换回空间域，得到增强后的差异图像EX；(4)采用标记分水岭算法将增强后的差异图像EX进行分割，得到L个区域的分水岭过分割图像Y，其中L为增强后的差异图像EX分水岭过分割后的区域数目，取值根据选取的图像确定，每一个标记区域记为lk(lk＝1，2，3，...，L)；(5)在增强后的差异图像EX计算每一个区域lk内的均值、方差、平滑度、三阶矩、一致性和熵这六种纹理特征，组成特征列向量Hlk，并将所有L个区域的纹理特征向量Hlk合并，得到维数为6×L的特征矩阵H，再计算特征矩阵H的协方差矩阵C和相关系数矩阵A；(6)采用treelet算法将特征矩阵H进行合并，得到纹理特征向量的合并标记Slk；(7)依据纹理特征向量合并标记Slk，对步骤(4)所得的过分割图像Y中的L个区域中相同类别的区域进行合并，得到变化和非变化两分类图Bn；(8)统计两分类图Bn的邻域像素信息，利用最大后验概率的变权高斯马尔科夫模型得到变化区域边缘细化的检测结果图像BE；(9)以变化检测结果图像BE参考图，在图BE中利用区域连通性保留BE和Bn两幅图像中的相同区域，去除仅在BE图中存在的噪声杂点，得到最终的变化检测结果图Z。