基于融合策略和FCM的多時相遙感影像變化檢測方法技術

本發明專利技術公開了基于融合策略和FCM的多時相遙感影像變化檢測方法，該方法首先聯合多時相遙感影像的變化矢量幅值和多時相的光譜角映射圖將檢測范圍分為確定區域和非確定區域。在非確定區域，基于模糊劃分矩陣相加融合變化矢量幅值和SAM的信息。最后結合確定區域和非確定區域的結果，獲取最終的變化檢測結果。其中，非確定區域的FCM目標函數中的模糊指數，通過基于MCV和SAM在非確定區域的沖突指數來選擇，以獲得更加穩健和精度較高的變化檢測結果。本發明專利技術將變化檢測區域分為確定和非確定區域兩個部分，采用融合的策略分別獲取兩個區域的檢測結果，可以使得變化檢測的結果更加可靠，也更加具有穩健性。

Multi temporal remote sensing image change detection method based on fusion strategy and FCM

The invention discloses a detection method of fusion strategy and FCM based on multitemporal remote sensing image change, the first change vector amplitude combined multitemporal remote sensing images and multitemporal spectral angle mapping will determine the detection range is divided into regional and non regional. Based on the fuzzy partition matrix, the magnitude of the change vector and the information of SAM are added in the uncertain region. Finally, the final change detection results are obtained based on the results of the deterministic and non deterministic regions. Among them, the fuzzy index of the FCM objective function in the non deterministic region is selected by MCV and SAM in the uncertain region to obtain a more robust and high precision change detection result. The present invention will change detection area is divided into two parts to determine and identify areas, using the integration strategy were obtained in two areas, can make the change detection results are more reliable, more robust.

【技術實現步驟摘要】

本專利技術涉及多時相光學遙感影像變化檢測方法，具體涉及基于融合策略和FCM的多時相遙感影像變化檢測方法，屬于遙感影像處理

技術介紹
隨著多時相遙感數據的不斷積累以及空間數據庫的相繼建立，如何從這些遙感數據中提取和檢測變化信息已成為遙感科學和地理信息科學的重要研究課題。根據同一區域不同時相的遙感影像，可以提取城市、環境等動態變化的信息，為資源管理與規劃、環境保護等部門提供科學決策的依據。遙感影像的變化檢測就是從不同時期的遙感數據中，定量地分析和確定地表變化的特征與過程。各國學者從不同的角度和應用研究提出了許多有效的檢測算法，如變化矢量分析法(ChangeVectorAnalysis，CVA)、基于FuzzyC-means(FCM)的聚類方法等。其中，傳統的基于FCM的多時相光學遙感變化檢測，多先進行CVA變換，然后對變化矢量的幅值進行FCM聚類，進而得到變化檢測結果。該類技術中，使用FCM的不足是僅僅使用變化矢量的幅值，使得原始多波段信息沒有得到充分的挖掘。針對上述問題，許多學者試圖通過在FCM目標函數中加上不同的空間鄰域的約束來解決，但是遙感影像檢測環境的復雜化以及目標先驗信息匱乏等，導致這些算法都存在著一定的局限性。為此，有必要研究新的多時相可見光遙感圖像變化檢測技術來有效克服上述難點。
技術實現思路
本專利技術所要解決的技術問題是：提供基于融合策略和FCM的多時相遙感影像變化檢測方法，該方法解決了多時相高分辨率多光譜遙感影像變化檢測精度不高的問題。本專利技術為解決上述技術問題采用以下技術方案：基于融合策略和FCM的多時相遙感影像變化檢測方法，包括如下步驟：步驟1，輸入兩時相的高分辨率光學遙感影像，分別記為：X1和X2；步驟2，對X1和X2進行影像配準；步驟3，利用多元變化檢測方法分別對影像配準后的X1和X2進行輻射歸一化校正；步驟4，對校正后的兩時相影像分別計算變化矢量幅值和光譜角映射圖；步驟5，針對變化矢量幅值，利用Bayes原理，并基于最大期望算法獲取最優閾值TM；針對光譜角映射圖，采用Otsu閾值法獲取閾值TS；根據TM和TS構建確定區域和非確定區域；步驟6，在非確定區域，利用FCM算法對變化矢量幅值和光譜角映射圖分別進行變化檢測，并對檢測結果進行融合，獲取非確定區域的檢測結果；步驟7，利用步驟6的檢測結果，并根據確定區域的標記，確定最終的變化檢測結果。作為本專利技術的一種優選方案，步驟2所述影像配準包括幾何粗校正和幾何精校正兩個步驟，其中，幾何粗校正采用雙線性差值法，幾何精校正采用自動匹配與三角剖分法。作為本專利技術的一種優選方案，步驟4所述變化矢量幅值的計算公式為：XM(i,j)=Σb=1B(X1b(i,j)-X2b(i,j))2]]>其中，B表示每一個時相遙感影像的波段數目，X1b(i,j)、X2b(i,j)分別表示X1、X2時相遙感影像b波段像素坐標(i,j)的像素值，XM(i,j)表示像素坐標(i,j)的變化矢量幅值。作為本專利技術的一種優選方案，步驟4所述光譜角的計算公式為：XS(i,j)=arccos(Σb=1B(X1b(i,j)X2b(i,j))/Σb=1BX1b2(i,j)Σb=1BX2b2(i,j))]]>其中，B表示每一個時相遙感影像的波段數目，X1b(i,j)、X2b(i,j)分別表示X1、X2時相遙感影像b波段像素坐標(i,j)的像素值，XS(i,j)表示像素坐標(i,j)的光譜角。作為本專利技術的一種優選方案，步驟5所述最優閾值TM的計算公式為：(σn2-σc2)TM2+2(mnσc2-mcσn2)TM+mc2σn2-mn2σc2-2σn2σc2ln[σcp(ωn)σnp(ωc)]=0]]>其中，mn和σn分別表示變化矢量幅值影像上未變化類ωn的均值和方差，mc和σc分別表示變化矢量幅值影像上變化類ωc的均值和方差，p表示先驗概率。作為本專利技術的一種優選方案，步驟6所述FCM算法的模型為：Jm=Σc=1CΣk=1Nuckm||XM(k)-vc||2=Σc=1CΣk=1Nuckmdkc2]]>其中，C表示聚類數目，N表示樣本的總數，表示第k樣本XM(k)對于第c類聚類中心vc的模糊隸屬度，m表示隸屬度的加權指數，dkc表示樣本XM(k)和vc的距離。本專利技術采用以上技術方案與現有技術相比，具有以下技術效果：1、本專利技術在基于核FCM的變化檢測中，聯合變化矢量幅值和光譜角映射圖作為輸入，利用這兩個特征，優于僅僅使用變化矢量幅值的FCM方法。2、本專利技術將變化檢測區域分為確定和非確定區域兩個部分，采用融合的策略分別獲取兩個區域的檢測結果，可以使得變化檢測的結果更加可靠，也更加具有穩健性。附圖說明圖1是本專利技術基于融合策略和FCM的多時相遙感影像變化檢測方法的實現流程示意圖。圖2(a)是本專利技術所采用的2006年7月的SPOT5高分辨率圖像第3波段示意圖。圖2(b)是本專利技術所采用的2009年7月的SPOT5高分辨率圖像第3波段示意圖。圖2(c)是變化檢測的參考圖像。圖3(a)是CVA-EM算法檢測結果圖像。圖3(b)是FCM-MRF算法的檢測結果圖像。圖3(c)是本專利技術算法檢測結果圖像。具體實施方式下面詳細描述本專利技術的實施方式，所述實施方式的示例在附圖中示出。下面通過參考附圖描述的實施方式是示例性的，僅用于解釋本專利技術，而不能解釋為對本專利技術的限制。針對多時相多光譜遙感影像背景信息復雜、噪聲干擾嚴重，使得變化檢測所面臨的問題采用常規的變化檢測方法難以解決。本專利技術首先聯合多時相遙感影像的變化矢量幅值(MagnitudesofChangeVectors，MCV)和多時相的光譜角映射圖(SpectralAngleMapper，SAM)將檢測范圍分為確定區域和非確定區域。在非確定區域，基于模糊劃分矩陣相加融合變化矢量幅值和SAM的信息。最后結合確定區域和非確定區域的結果，獲取最終的變化檢測結果。其中，非確定區域的FCM目標函數中的模糊指數，通過基于MCV和SAM在非確定區域的沖突指數來選擇，以獲得更加穩健和精度較高的變化檢測結果。如圖1所示，本專利技術的實現步驟如下：步驟1，輸入同一區域、不同時相的兩幅高分辨率光學遙感影像，分別記為：X1和X2。步驟2，利用ENVI遙感軟件對X1和X2進行影像配準，分為幾何粗校正和幾何精校正兩個步驟：對于幾何粗校正，利用ENVI4.8軟件中的相關功能實現，具體操作步驟為：(1)選擇X1和X2其中一個作為基準影像，另一個作為待校正影像；(2)采集地面控制點(GCPs)；GCPs應均勻分布在整幅圖像內，GCPs的數目至少大于等于9；(3)計算誤差；(4)選擇多項式模型；(5)采用雙線性插值進行重采樣輸出。雙線性差值法，若求未知函數f在點P＝(x,y)的值，假設我們已知函數f在Q11＝(x1,y1)、Q12＝(x1,y2)、Q21＝(x2,y1)、及Q22＝(x2,y2)四個點的值。如果選擇一個坐標系統使得這四個點的坐標本文檔來自技高網...

【技術保護點】
基于融合策略和FCM的多時相遙感影像變化檢測方法，其特征在于，包括如下步驟：步驟1，輸入兩時相的高分辨率光學遙感影像，分別記為：X1和X2；步驟2，對X1和X2進行影像配準；步驟3，利用多元變化檢測方法分別對影像配準后的X1和X2進行輻射歸一化校正；步驟4，對校正后的兩時相影像分別計算變化矢量幅值和光譜角映射圖；步驟5，針對變化矢量幅值，利用Bayes原理，并基于最大期望算法獲取最優閾值TM；針對光譜角映射圖，采用Otsu閾值法獲取閾值TS；根據TM和TS構建確定區域和非確定區域；步驟6，在非確定區域，利用FCM算法對變化矢量幅值和光譜角映射圖分別進行變化檢測，并對檢測結果進行融合，獲取非確定區域的檢測結果；步驟7，利用步驟6的檢測結果，并根據確定區域的標記，確定最終的變化檢測結果。

【技術特征摘要】
1.基于融合策略和FCM的多時相遙感影像變化檢測方法，其特征在于，包括如下步驟：步驟1，輸入兩時相的高分辨率光學遙感影像，分別記為：X1和X2；步驟2，對X1和X2進行影像配準；步驟3，利用多元變化檢測方法分別對影像配準后的X1和X2進行輻射歸一化校正；步驟4，對校正后的兩時相影像分別計算變化矢量幅值和光譜角映射圖；步驟5，針對變化矢量幅值，利用Bayes原理，并基于最大期望算法獲取最優閾值TM；針對光譜角映射圖，采用Otsu閾值法獲取閾值TS；根據TM和TS構建確定區域和非確定區域；步驟6，在非確定區域，利用FCM算法對變化矢量幅值和光譜角映射圖分別進行變化檢測，并對檢測結果進行融合，獲取非確定區域的檢測結果；步驟7，利用步驟6的檢測結果，并根據確定區域的標記，確定最終的變化檢測結果。2.根據權利要求1所述基于融合策略和FCM的多時相遙感影像變化檢測方法，其特征在于，步驟2所述影像配準包括幾何粗校正和幾何精校正兩個步驟，其中，幾何粗校正采用雙線性差值法，幾何精校正采用自動匹配與三角剖分法。3.根據權利要求1所述基于融合策略和FCM的多時相遙感影像變化檢測方法，其特征在于，步驟4所述變化矢量幅值的計算公式為：XM(i,j)=Σb=1B(X1b(i,j)-X2b(i,j))2]]>其中，B表示每一個時相遙感影像的波段數目，X1b(i,j)、X2b(i,j)分別表示X1、X2時相遙感影像b波段像素坐標(i,j)的像素值，XM(i,j)表示像素坐標(i,j)的變化矢量幅值。4.根據權利要求1所述基于融合策略和FCM的多時相遙感影像變化檢測方法，其特征在于，步驟4...

【專利技術屬性】
技術研發人員：石愛業，儲艷麗，
申請(專利權)人：河海大學，
類型：發明
國別省市：江蘇;32