[发明专利]基于差异图模糊隶属度融合的遥感图像变化检测方法

摘要

本发明公开一种基于差异图模糊隶属度融合的遥感图像变化检测方法，主要解决现有变化检测方法不能既有效去除伪变化信息又保持边缘信息的问题。其实现过程是：输入两幅不同时相的遥感图像，计算其对应像素点的结构相似度系数，得到一幅相似度差异图；对两幅遥感图像做差得到一幅差值图像；对差值图的像素进行类别标记得到一幅类别标记图；根据类别标记图对差值图进行滤波处理得到一幅去噪差值图；对相似度差异图和去噪差异图进行模糊隶属度融合并分类得到变化检测结果。本发明具有较强的抗噪性，能有效去除伪变化信息，同时保留较好的边缘信息，检测结果准确率高，可用于城区扩展监测、森林和植被变化监测。

主权项

1.一种基于差异图模糊隶属度融合的遥感图像变化检测方法，其特征在于：包括如下步骤：（1）输入的两幅大小均为I×J的同一地区不同时相的已配准的遥感图像X₁和X₂，计算这两幅遥感图像X₁和X₂对应像素点的结构相似度系数SIM(m,n)，得到一个相似度系数矩阵SIM：SIM＝{SIM(m,n)|1≤m≤I,1≤n≤J}其中,SIM(m,n)=λ2μ1(m,n)·μ2(m,n)+Cμ12(m,n)+μ22(m,n)+C+(1-λ)2σ1(m,n)·σ2(m,n)+Cσ12(m,n)+σ22(m,n)+C,]]>式中，m和n分别为图像的行序号和列序号，m=1,2,...,I，n=1,2,...,J，μ₁(m,n)、σ₁(m,n)和(m,n)分别为遥感图像X₁中以像素点(m,n)为中心、窗口大小为w×w的局部区域像素值的均值、标准差和方差，μ₂(m,n)、σ₂(m,n)和(m,n)分别为遥感图像X₂中以像素点(m,n)为中心、窗口大小为w×w的局部区域像素值的均值、标准差和方差，窗口w的取值范围为3～9，C是用来避免分母接近零时产生不稳定现象的常数，C的取值范围为C>0，λ为权值系数，结构相似度系数的取值范围为0≤SIM(m,n)≤1；（2）将相似度系数矩阵SIM在位置(m,n)处的结构相似度系数SIM(m,n)线性映射到区间[0,255]，得到相似度差异图X_S在位置(m,n)处的像素灰度值X_S(m,n)：X_S(m,n)＝(1-SIM(m,n))×255（3）将遥感图像X₁和X₂空间对应位置(m,n)处的像素点灰度值X₁(m,n)和X₂(m,n)进行差值计算，得到差值X_d(m,n)=|X₁(m,n)-X₂(m,n)|，按照从左到右、从上到下的顺序依次计算遥感图像X₁和X₂空间对应位置的像素点灰度值的差值，得到一幅差值差异图X_d：X_d＝{X_d(m,n)|1≤m≤I,1≤n≤J}（4）对差值差异图X_d中的像素进行窗口大小为3×3的中值滤波，得到滤波后差值图X_f，对滤波后差值图X_f进行统计直方图阈值分割，得到初始分类图X_m；（5）根据滤波后差值图X_f的灰度值范围和初始分类图X_m，对差值差异图X_d中的像素点进行类别标记，得到一幅类别标记图X_b；（6）根据类别标记图X_b中位置(m,n)处的标记，对差值差异图X_d中位置(m,n)处的像素进行滤波，得到去噪差值图X_N；（7）计算相似度差异图X_S中位置(m,n)处像素的变化类隶属度(m,n)和非变化类隶属度(m,n)，计算去噪差值图X_N在位置(m,n)处像素的变化类隶属度(m,n)和非变化类隶属度(m,n)；（8）计算相似度差异图X_S和去噪差值图X_N的对应像素点(m,n)的变化类隶属度(m,n)和(m,n)的融合隶属度值H_c(m,n)，再计算该像素点的非变化类隶属度(m,n)和(m,n)的融合隶属度H_u(m,n)；（9）建立一幅与相似度差异图XS相同大小的融合图像XI，如果H_c(m,n)＞H_u(m,n)，则将该像素点处的融合图像X_I值的标记为1，否则记为0，由此得到一幅变化检测结果图像。