[发明专利]基于双字典交叉稀疏表示的光学遥感图像变化检测方法

摘要

本发明公开一种基于双字典交叉稀疏表示的光学遥感图像变化检测方法。主要解决现有方法检测结果不稳定和未能兼顾漏检和虚警的问题。实现步骤为：(1)读入两幅不同时相图像；(2)逐个像素构造特征向量；(3)逐个像素构造构造局部字典；(4)对两幅时相图像同一位置的像素，用时相1图像的局部字典稀疏表示时相2图像的特征向量，用时相2图像的局部字典稀疏表示时相1图像的特征向量；(5)利用所有特征向量的l₁范数构成两幅l₁范数图；(6)构造差异图；(7)对差异图进行最大熵阈值，得到初分类二值图；(8)对初分类二值图进行区域生长，得到最终变化检测结果。本发明的检测结果能够保持变化区域的边缘信息，减少伪变化区域，有效提高检测精度，可用于资源监测和灾害评估。

主权项

1.一种基于双字典交叉稀疏表示的光学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已配准的两幅遥感图像X₁和X₂，图像大小为I×J；（2）对图像X₁和X₂分别进行N个像素的边界镜像拓展，得到边界拓展后的图像Y₁和Y₂，其中N为奇数，N∈{3,5,7}；（3）对图像Y₁的像素(i+N,j+N)，以该像素为中心选取一个大小为N×N的正方形图像块，将该图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，该列向量作为像素(i+N,j+N)的特征向量其中i和j为图像的行序号和列序号，i=1,2,...,I，j＝1,2,...,J；（4）对图像Y₂的像素(i+N,j+N)，以该像素为中心选取一个大小为N×N的正方形图像块，将该图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，该列向量作为像素(i+N,j+N)的特征向量（5）对图像Y₁的像素(i+N,j+N)构造局部字典对图像Y₁的像素(i+N,j+N)，以该像素为中心选取一个大小为(2N+1)×(2N+1)的搜索窗对搜索窗中的像素，在保证不超出搜索窗边界的情况下，逐个像素选取大小为N×N的正方形图像块，并将每一个正方形图像块中像素灰度值按照从左到右、再从上到下的顺序排列成一个列向量，每个列向量作为局部字典的一个原子，用总共(N+2)×(N+2)个原子构成一个维数大小为N²×(N+2)²的局部字典（6）按照步骤（5），对图像Y₂的像素(i+N，j+N)构造局部字典（7）利用局部字典对特征向量进行稀疏表示，使用正交匹配追踪算法计算稀疏表示系数（8）利用局部字典对特征向量进行稀疏表示，使用正交匹配追踪算法计算稀疏表示系数（9）计算稀疏表示系数的l₁范数，并对l₁范数的结果取下整数，得到幅度值A₁(i,j)，由图像Y₁所有像素对应的A₁(i,j)得到l₁范数图A₁={A₁(i,j)i=1,2,...,I，j＝1,2,...,J}；（10）计算稀疏表示系数的l₁范数，并对l₁范数的结果取下整数，得到幅度值A₂(i,j)，由图像Y₂所有像素对应的A₂(i,j)得到l₁范数图A₂={A₂(i,j)|i=1,2,...,I，j=1,2,...,J}；（11）构造差异图A：对两幅l₁范数图的对应像素点的幅度值进行减法运算，并对减法运算的结果取绝对值，得到一幅差异图像A=|A₁-A₂|；（12）对差异图A进行最大熵阈值，得到初分类二值图C；（13）对初分类二值图C进行区域生长，得到最终的变化检测结果图E。