[发明专利]基于融合和PCA核模糊聚类的遥感图像变化检测方法

摘要

本发明公开了一种基于融合和PCA核模糊聚类的遥感图像变化检测方法，主要解决现有技术检测效果不理想，单一类型差异图检测精度低、适用范围窄的问题。其实现步骤为（1）输入两时相遥感图像X1和X2，并进行中值滤波；（2）计算滤波后两幅图像的差值图、对数比值图和均值比图；（3）对该3幅图像进行融合，得到融合后的图像Xd；（4）用PCA方法对融合后图像进行特征提取，得到每个像素的特征向量，构成特征空间矩阵；（5）用基于核的模糊C均值方法将特征空间矩阵聚成两类；（6）根据聚类结果得到最终的变化检测结果图。本发明具有较好的抗噪性能和检测精度，对不同类型的遥感图像均可获得较好的效果，可应用于环境监测、灾害评估领域。

主权项

一种基于融合和PCA核模糊聚类的遥感图像变化检测方法，包括如下步骤：(1)读入在不同时刻从同一地区获取的两幅遥感图像X1和X2，并对这两幅遥感图像进行3×3中值滤波；(2)获取中值滤波后两幅图像的差异图：(2a)计算中值滤波后两幅图像对应像素灰度值的差，并进行归一化，得到差值图Xd1；(2b)计算中值滤波后两幅图对应像素灰度值的商，并对商取对数后，再进行归一化，得到对数比值图Xd2；(2c)计算中值滤波后两幅图的均值比，并归一化，得到均值比图Xd3；(3)对差值图Xd1，对数比值图Xd2及均值比图Xd3分别进行3层平稳小波变换，得到每一幅图的低频子带系数和高频子带系数；对该3幅图的低频子带系数进行融合，舍弃差值图的高频子带系数，并对均值比图Xd3和对数比值图Xd2的高频子带系数进行融合；对融合后的低频子带系数和高频子带系数进行平稳小波反变换，得到融合后的图像Xd；(4)用PCA方法对融合后的图像Xd进行特征提取，得到融合后图像Xd中每个像素的特征向量，构成特征空间矩阵Q；(5)用基于核的模糊C均值聚类方法，将特征空间矩阵Q聚成两个不同的类别A和B；(6)根据特征空间矩阵Q中的每一列为融合后图像Xd每个像素的特征向量的对应关系及特征空间矩阵Q的聚类结果，将Xd划分为与特征空间矩阵Q聚类结果相对应的两个不同类别A'和B'，分别计算这两个不同类别的均值，并均值较大的那一类则为变化类，均值较小的那一类则为非变化类，由此得到最终的变化检测结果。