[发明专利]基于自适应差异图的遥感图像变化检测方法

摘要

本发明公开了一种基于自适应Treelet构造差异图的遥感图像变化检测方法，它属于图像处理技术领域，主要解决现有技术中变化检测精度不足的问题。其实现过程是：对输入的两幅不同时相遥感图像进行块处理，即计算第二幅图像搜索窗内的图像块与第一幅图像的中心图像块的差值，得到样本矩阵；利用Treelet算法对样本矩阵进行聚类，得到自适应差异图；计算差值差异图和自适应差异图的Otsu阈值，利用该阈值融合差值差异图和自适应差异图得到最终差异图，对最终差异图进行Otsu阈值分割，得到变化检测结果。本发明能够有效地提高变化检测精度，保持图像的边缘信息，可用于灾情监测和土地利用。

主权项

一种基于自适应差异图的遥感图像变化检测方法，包括如下步骤：(1)输入两幅已配准的多时相遥感图像T1和T2，并将图像T1和T2空间位置对应像素的灰度值进行差值计算，得到差值差异图X；(2)对第一幅图像T1以像素点i为中心取3×3大小的滑窗Ei，对第二幅图像T2同样以像素点i为中心取7×7像素大小搜索窗Gi，i为当前像素点，在搜索窗Gi内逐像素取3×3大小的滑窗，得到滑窗集合{Fj}，Fj为滑窗集合内以j为中心点的一个滑窗，定义滑窗集合{Fj}内的滑窗数目为Q个，此处Q＝25；(3)分别将第二幅图像T2得到的Q个滑窗与第一幅图像T1的滑窗Ei进行差值计算，并将差值的结果用列向量进行表示，得到样本矩阵H，该样本矩阵H中包含Q个列向量且维数为9×Q，将第二幅图像T2的滑窗Fi与第一幅图像T1的滑窗Ei的差值列向量表示为hii；(4)利用Treelet算法对样本矩阵H进行自适应聚类，得到与差值列向量hii相同类别标记的q个列向量，其中1≤q≤Q，将这q个列向量组成矩阵R，并计算该矩阵R的均值mi，将均值mi作为自适应差异图D中像素点i的灰度值；(5)对两幅遥感图像T1和T2中的每个像素点，重复进行步骤2至步骤4，得到自适应差异图D；(6)用Otsu阈值法分别计算差值差异图X和自适应差异图D的阈值K1和K2；(7)利用Otsu阈值K1和K2融合差值差异图X和自适应差异图D，得到最终差异图I；(8)对最终差异图I利用Otsu阈值法进行分割，得到变化检测的结果图像Z。