[发明专利]基于Treelet和方向自适应滤波的遥感图像变化检测方法

摘要

本发明公开了一种基于Treelet和方向自适应滤波的遥感图像变化检测方法，其实现步骤为：(1)读入数据；(2)构造差异图像；(3)方向自适应滤波；(4)Treelet融合；(5)自适应阈值分类；(6)后处理。本发明既可以较好的保持变化区域的边缘信息，又能够减少变化检测结果中的漏检信息，具有较高的变化检测精度，可应用于湖泊水位的动态监测、农作物生长状态的动态监测、城区规划、军事侦察等领域。

主权项

基于Treelet和方向自适应滤波的遥感图像变化检测方法，包括如下步骤：(1)读入同一地区不同时刻获取的两幅相同大小的遥感图像；(2)构造差异图像将步骤(1)中的任意一幅遥感图像与另一幅遥感图像做减法运算，并将减法运算结果取绝对值，得到一幅差异图像；(3)方向自适应滤波3a)在差异图像中任意选取一个像素点，以该像素点为中心，以固定长度为边长，确定一个正方形邻域图像块；3b)按照水平方向将正方形邻域图像块划分为2个方向模板，按照垂直方向将正方形邻域图像块划分为2个方向模板，按照对角方向将正方形邻域图像块划分为4个方向模板，按照原点位置将正方形邻域图像块划分为1个方向模板；3c)按照标准差计算公式计算9个方向模板的标准差，对9个方向模板的标准差值按照从小到大的顺序进行排列；3d)按照均值计算公式计算最小标准差值对应模板的灰度均值，将该值作为第一幅滤波图像在正方形邻域图像块中心处的灰度值；3e)按照均值计算公式计算次小标准差值对应模板的灰度均值，将该值作为第二幅滤波图像在正方形邻域图像块中心处的灰度值；3f)重复步骤3a)至步骤3e)，直至处理完差异图像中的全部像素点，得到一幅对应于最小标准差模板的滤波图像和一幅对应于次小标准差模板的滤波图像；(4)Treelet融合4a)将差异图像的像素按照从左到右、从上到下的顺序进行排列，组成一个列向量；4b)将对应于最小标准差模板的滤波图像的像素按照从左到右、从上到下的顺序进行排列，组成一个列向量；4c)将对应于次小标准差模板的滤波图像的像素按照从左到右、从上到下的顺序进行排列，组成一个列向量；4d)将步骤4a)、4b)和4c)中的列向量依次按照从左到右的顺序进行排列，组成一 个图像序列，对该图像序列进行Treelet变换，得到一个基矩阵；4e)将图像序列向基矩阵投影，得到一幅融合图像；(5)自适应阈值分类5a)按照标准差计算公式计算融合图像的标准差；5b)按照均值计算公式计算融合图像的均值；5c)采用均值和标准差计算分类阈值；5d)采用分类阈值对融合图像进行分类，得到一幅分类图像，将像素灰度值为1的像素点作为变化信息，将像素灰度值为0的像素点作为非变化信息；(6)后处理6a)将分类图像中像素灰度值为1的像素点按照八连通方式进行连接，得到分类图像的八连通区域；6b)统计分类图像中八连通区域中像素灰度值为1的像素点个数；6c)判断八连通区域像素点个数是否大于面积阈值，若满足，则将八连通区域视为变化信息区域，否则视为非变化信息区域，将该区域内的像素灰度值赋值为0。