基于區域和Kmeans聚類的遙感圖像變化檢測方法技術

本發明專利技術公開了一種基于區域和Kmeans聚類的遙感圖像變化檢測方法。主要解決現有方法檢測結果含有孤立像素點和區域內有空洞的問題。實現步驟為：(1)讀入兩幅已配準的不同時相圖像X1和X2；(2)對X1和X2濾波后構造差值圖像；(3)對差異圖像進行最大熵閾值分割提取感興趣區域和肯定非變化區域；(4)計算感興趣區域和肯定非變化區域的特征向量；(5)采用Kmeans聚類算法根據肯定非變化區域和所有感興趣區域的特征將所有區域分為兩類；(6)根據聚類結果，將對應于差異圖像灰度值較高的那類區域作為變化區域，差異圖像中的其他區域作為非變化區域，得到最終的變化檢測結果。本發明專利技術的檢測結果能保持區域內部的一致性和去除孤立像素點，提高檢測精度，可用于資源監測和災害評估。

【技術實現步驟摘要】

本專利技術屬于圖像處理
，涉及光學遙感圖像變化檢測，具體地說是一種，適用于遙感圖像處理和分析。
技術介紹
遙感圖像變化檢測就是提取兩個時相遙感圖像中發生變化的區域，已廣泛應用于經濟和社會的諸多領域，如土地資源監測、水體監測、環境監測、林業監測、農業調查、植被覆蓋和氣象監測、災害監測與評估、城市管理規劃甚至軍事偵察和戰場估計等領域。實際應用中，如土地覆蓋的變化、土地退化和沙漠化的變化、江河湖泊的變化、森林植被變化、農作物等的變化在遙感圖像上呈現的都不是單個或兩三個像素點或塊的變化，而是面積大小形狀不同的區域變化，即便是存在較多小面積的變化區域的城市管理規劃、災害監測等，其變化區域的面積也是足可以形成連通的小區域的。遙感圖像的分辨率逐漸提高，真實變化區域的連通像素隨之增多，基于區域的遙感圖像變化檢測方法也越顯重要。人眼并非是逐像素地讀取和理解圖像的信息，而是基于區域進行的。對于兩時相圖像比較獲得差異圖像，其中的變化區域是遙感圖像分析和解譯的重點區域，是視覺上的重要區域。為了能有效檢測兩時相遙感圖像的變化信息和提高變化檢測的精確度，從區域和視覺注意的角度來進行變化檢測則是解決此問題的一個有效途徑。2012年萬紅林等在文獻“在感興趣的區域層面上進行SAR圖像變化檢測方法研究.”(測繪學報，2012，41 (2):239-245.)提出了一種在感興趣的區域層面上進行SAR圖像變化檢測方法。該方法首先對差異圖像提取感興趣區域；然后將每一個感興趣區域看作一個數據點并計算其特征，根據閾值標準的閾值技術對所有數據點分割，得到最終的變化檢測結果。該方法要求提取的感興趣區域必須含有非變化區域，否則會將變化區域錯分為非變化區域，大大降低檢測效果；該方法用FCM聚類提取感興趣區存在較多的漏檢，造成較大的傳遞誤差和丟失過多的變化信息。2010年張敏在西安電子科技大學在其專利申請“基于顯著性度量的遙感圖像變化檢測方法”(專利申請號:201210051159.7，公開號:CN102629377A)中提出了一種基于Ch1-square距離和顯著性度量的遙感圖像變化檢測方法。該方法首先對差值圖進行顯著性度量得到差異影像，分別對差異影像和基于Ch1-square距離的差異圖像進行分割，利用Ch1-square距離差異圖像的分割結果修正差異影像的分割結果，得到最終的變化檢測結果。該方法可以抑制偽變化信息的生成，通過修正使得變化區域的定位更準確，但是這種方法由于存在較多的漏檢，不能很好地保持變化區域的邊緣。
技術實現思路
本專利技術的目的在于針對上述遙感圖像變化檢測方法中的不足，提出一種，以減少漏檢，精確定位變化區域邊緣，提高變化檢測的精度。本專利技術的實現方案，包括如下步驟:(I)讀入兩幅遙感圖像X1和X2,并對X1和X2進行鄰域均值濾波，得到濾波后的圖像Y1和Y2 ；(2)根據濾波后的圖像Y1和Y2，構造差異圖像=Y=IY1-Y2I ；(3)利用最大熵原理計算差異圖像Y的最大熵閾值T ；(4)由差異圖像Y中灰度值不小于最大熵閾值T的像素形成若干個連通區域，并將每一個連通區域看作一個感興趣區域ROI，并將所有感興趣區域構成一個感興趣區域集合{R0I}；(5)將差異圖像Y中灰度值小于α*Τ的像素作為肯定非變化像素，并將差異圖像Y中所有肯定非變化像素構成一個肯定非變化像素集合NRset，將該肯定非變化像素集合NRset看作一個肯定非變化區域NR，其中，0〈α〈I ；(6)計算感興趣區域集合{R0I}中各個感興趣區域的區域灰度均值G、區域灰度最大值M和感興趣區域的核心區域灰度均值K，并將這三個特征構成的向量作為該感興趣區域的特征向量；(7)計算肯定非變化區域NR的區域灰度均值U、區域灰度最大值V和肯定非變化區域的核心區域灰度均值S，并將這三個特征構成的向量作為肯定非變化區域的特征向量；(8)將肯定非變化區域NR和感興趣區域集合{R0I}中各個感興趣區域作為待分類區域集合R={R0I} U NR, U為取并集符號；(9)采用Kmeans聚類算法對待分類區域集合R中所有區域的特征向量進行聚類，并將聚類中心向量的區域灰度均值分量較大的那類區域作為最終的變化區域，將差異圖像Y中余下的其他區域則作為最終的非變化區域，得到最終的變化檢測結果。本專利技術與現有技術相比具有如下優點:(I)本專利技術由于是在區域的層次上進行變化檢測，對差異圖像分割提取感興趣區域，提高了分割精度，降低了區域分割對檢測結果的傳遞誤差。(2)本專利技術將肯定非變化像素集合作為一個肯定非變化區域參與Kmeans聚類，保證參與Kmeans聚類的所有區域一定含有變化區域和非變化區域，避免了參與Kmeans聚類的區域中僅含有變化區域從而將變化區域錯分為非變化區域的情況發生。仿真結果證明，與現有的方法相比，本專利技術能兼顧虛警和漏檢，能保持變化區域的邊緣，提高了檢測的精度，解決了現有方法中漏檢較多的問題。附圖說明圖1是本專利技術的流程圖；圖2是本專利技術使用的三組兩時相遙感圖像及其變化檢測參考圖；圖3是用本專利技術和現有方法對圖2遙感圖像的變化檢測結果圖。具體實施例方式參照圖1對本專利技術的實現步驟如下:步驟1，讀入同一地區在不同時刻犾取的已配準的兩幅遙感圖像X1和X2,這兩幅圖像X1和X2的大小均為I行J列。步驟2，對第一時相圖像X1進行鄰域濾波，得到濾波后的第一時相圖像I。鄰域濾波的方法很多，例如有四鄰域均值濾波、四鄰域中值濾波、八鄰域均值濾波、八鄰域中值濾波和N3鄰域均值濾波等，本實施例采用N3鄰域均值濾波，其濾波步驟如下:2a)在第一時相圖像X1中，以像素點(i，j)為中心，選取該像素點的鄰域像素所得集合 Nij=Ki, j), (1-2, j), (i+2, j), (1-1, j-1), (1-1, j), (1-1, j+1), (i, j-2), (i, j-1), (i,j+1), (i, j+2), (i+1, j-1), (i+1, j), (i+1, j+1)}，其中，i 和 j 分別為圖像中的行和列序號，它們的限定范圍為i=3,...，1-2，j=3,...，J-2 ；2b)計算步驟2a)中集合Nu中全部像素灰度值的均值，并將該均值作為濾波后第一時相圖像Y1在像素點(i，j)的灰度值Y1 (i, j)；2c)對于第一時相圖像X1中i=3，…，1-2且j=3，…，J-2以外的邊界像素點(i，j)，將該像素點的灰度值X1Q, j)作為濾波后第一時相圖像Y1在像素點(i，j)的灰度值Y1(I1J)；2d)重復步驟2a)至2c)，直至處理完第一時相圖像X1中所有的像素點，得到濾波后的第一時相圖像Y:。步驟3，對第二時相圖像X2進行與步驟2同樣的鄰域濾波，得到濾波后的第二時相圖像γ2。步驟4，對濾波后圖像Y1和Y2的對應像素點的灰度值進行相減并取絕對值，得到一幅差異圖像Y，Y= IY1-Y21，差異圖像Y的大小為I行J列。步驟5，通過如下公式計算差異圖像Y的最大熵閾值T: 權利要求1.一種，包括如下步驟: (1)讀入兩幅遙感圖像X1和X2,并對X1和X2進行鄰域均值濾波，得到濾波后的圖像Y1和Y2 ； (2)根據濾波后的圖像^和Y2，構造差異圖像:Y=IY1-Y2I； (3)利用最大熵原理計算差異本文檔來自技高網...

【技術保護點】
一種基于區域和Kmeans聚類的遙感圖像變化檢測方法，包括如下步驟：(1)讀入兩幅遙感圖像X1和X2，并對X1和X2進行鄰域均值濾波，得到濾波后的圖像Y1和Y2；(2)根據濾波后的圖像Y1和Y2，構造差異圖像：Y=|Y1?Y2|；(3)利用最大熵原理計算差異圖像Y的最大熵閾值T；(4)由差異圖像Y中灰度值不小于最大熵閾值T的像素形成若干個連通區域，并將每一個連通區域看作一個感興趣區域ROI，并將所有感興趣區域構成一個感興趣區域集合{ROI}；(5)將差異圖像Y中灰度值小于α*T的像素作為肯定非變化像素，由差異圖像Y中所有肯定非變化像素構成一個肯定非變化像素集合NRset，將肯定非變化像素集合NRset看作一個肯定非變化區域NR，其中，0<α<1；(6)計算感興趣區域集合{ROI}中各個感興趣區域的區域灰度均值G、區域灰度最大值M和感興趣區域的核心區域灰度均值K，并將這三個特征構成的向量[G,M,K]作為該感興趣區域的特征向量；(7)計算肯定非變化區域NR的區域灰度均值U、區域灰度最大值V和肯定非變化區域的核心區域灰度均值S，并將這三個特征構成的向量[U,V,S]作為肯定非變化區域的特征向量；(8)將肯定非變化區域NR和感興趣區域集合{ROI}中各個感興趣區域作為待分類區域集合R={ROI}∪NR,∪為取并集符號；(9)采用Kmeans聚類算法對待分類區域集合R中所有區域的特征向量進行聚類，并將聚類中心向量的區域灰度均值分量較大的那類區域作為最終的變化區域，將差異圖像Y中余下的其他區域則作為最終的非變化區域，得到最終的變化檢測結果。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：王桂婷，焦李成，馬靜林，蒲振彪，馬文萍，馬晶晶，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：