[发明专利]多分辨率NMF和Treelet融合的遥感图像变化检测方法

摘要

本发明公开一种多分辨率NMF和Treelet融合的遥感图像变化检测方法，针对从单一分辨率考虑图像细节和平滑区域时常无法较好权衡的问题，使得图像变化检测既保留图像的细节信息又保留平滑区域信息。实现过程是：输入两时相图像，直接差值法构造差异图像和进行中值滤波；之后运用NMF算法提取不同分辨率图像；对滤波后差异图像和不同分辨率图像分别取阈值；用Treelet算法融合上述阈值后图像；用区域生长法对融合后图像分割，得到最终变化检测结果。本发明解决了图像的邻域结构易受到孤立噪声点影响的问题，能够保持图像的细节信息与平滑区域信息，且能够去除孤立噪声，提高了变化检测精度，可用于灾情监测、土地利用、农业调查等领域。

主权项

1.一种多分辨率NMF和Treelet融合的遥感图像变化检测方法，其特征在于：包括有如下步骤：(1)取同一地区在不同时间获取的已配准的两幅大小均为P×Q的遥感图像，将该两图像对应空间位置像素的灰度值相减取绝对值，得到一幅差异图像，对此差异图像进行大小为m×m像素的中值滤波，其中，m的取值范围为3、5、7、9；(2)对滤波后的差异图像运用NMF算法提取五幅不同分辨率图像F_r(r＝1，2,...，5)；2a)将滤波后的差异图像X_D分成大小均为h×h且不重叠的正方形图像块E，将每个小块E转成h²×1的列向量C_h，所有块的列向量合并构成矩阵V_h，其中，图像块尺寸h取2～10中的所有偶数值；2b)对矩阵V_h采用NMF进行分解，得到NMF基矩阵W_h和系数矩阵H_h；2c)对滤波后的差异图像X_D边界进行扩展得到边界扩展图像D，将滤波后的差异图像X_D的首列向左扩展w列，末列向右扩展w列，对列扩展完成后的图像再进行首行向上扩展w行，末行向下扩展w行，即可得到边界扩展后的差异图像D，其中，为向下取整符号；2d)逐个选择图像D中的非边界扩展像素——即D中对应的差异图像X_D的每个像素点，作为中心像素点，以此为中心，也取大小为h×h的邻域块，将每个h×h邻域块转化成h²×1的列向量，这些列向量合并构成了矩阵V_vh，将矩阵V_vh在NMF的相应的基W_h上进行投影，得到特征数据集F_dh，将特征数据集F_dh转化成P×Q的图像大小，可得特征图像F_h；2e)重复步骤(2a)至步骤(2d)直到图像块尺寸h依次取遍2，4，6，8，10，可得到五幅不同分辨率的图像F_r(r＝1，2，...，5)，其中r是图像的标号；(3)估计滤波后的差异图像X_D的噪声标准差对X_D取阈值得到图像Y，估计五幅不同分辨率图像F_r(r＝1，2,...，5)的噪声标准差对F_r(r＝1，2,...，5)取阈值得到图像Y_r(r＝1，2,...，5)，其中K为常数，K的取值为2；(4)用Treelet算法对阈值后的差异图像Y和阈值后的五幅不同分辨率图像Y_r进行融合，得到一幅融合后的图像A；(5)采用区域生长算法对融合后的图像A进行分割，得到最终的变化检测结果。