本發明專利技術公開一種基于差異圖模糊隸屬度融合的遙感圖像變化檢測方法，主要解決現有變化檢測方法不能既有效去除偽變化信息又保持邊緣信息的問題。其實現過程是：輸入兩幅不同時相的遙感圖像，計算其對應像素點的結構相似度系數，得到一幅相似度差異圖；對兩幅遙感圖像做差得到一幅差值圖像；對差值圖的像素進行類別標記得到一幅類別標記圖；根據類別標記圖對差值圖進行濾波處理得到一幅去噪差值圖；對相似度差異圖和去噪差異圖進行模糊隸屬度融合并分類得到變化檢測結果。本發明專利技術具有較強的抗噪性，能有效去除偽變化信息，同時保留較好的邊緣信息，檢測結果準確率高，可用于城區擴展監測、森林和植被變化監測。
【技術實現步驟摘要】
本專利技術屬于數字圖像處理領域，主要涉及遙感圖像變化檢測，具體是一種，可用于遙感圖像分析和處理。
技術介紹
遙感圖像的變化檢測是通過分析和提取同一地區不同時相的遙感圖像之間存在的電磁波譜特征差異或空間結構特征差異，來識別物體的狀態變化或現象變化的過程。在國民經濟和國防建設的諸多領域已得到廣泛應用，如農業調查、森林和植被變化監測、城區擴展監測、軍事目標監測等。常見的遙感圖像變化檢測方法的一般步驟是先構造差異圖，然后選取適當的閾值將差異圖分為變化類和非變化類。其中差異圖的構造和對差值圖的處理是圖像變化檢測的重要步驟。比較簡單的差異圖像構造方法有差值法，這種方法易于實現但是構造出的差異圖噪聲較多，需要有效的方法對差異圖中的噪聲進行處理。將差異圖像中化較劇烈的噪聲去除，將灰度值不大的變化類像素進行增強，能有效提高差異圖的質量，使檢測結果更準確。為了構造較好的差異圖，一些學者通過度量兩時相圖像對應像素灰度值的相似度來構造差異圖，Inglada 和 Mercier (2007)在文章 “A New Statistical SimilarityMeasure for Change Detection in Multitemporal SAR Images and Its Extensionto Multiscale Change Analysis, IEEE Transactions on Geoscience and RemoteSensing, 2007，45 (5): 1432-1445”中提出了一種基于統計相似度的SAR圖像變化檢測方法，該方法用KL散度衡量兩時相圖像對應像素鄰域的統計相似度來構造差異圖，然后閾值分割差異圖得到變化結果，該方法是對局部直方圖建模，但是局部區域的像素很少，很難有效的對其建模，所以該方法的檢測結果較差。He(2010)在文章“Application of EuclideanNorm in Mult1-temporal Remote Sensing Image Change Detection, InternationalCongress on Image and Signal Processing (CISP，2010)，2010，5:2111-2115” 中提出了一種基于歐式距離的變化檢測方法，該方法通過計算多個波段的兩時相遙感圖像的歐式距離來構造差異圖，然后對差異圖進行閾值分割得到變化結果，該方法能夠有效地減少部分噪聲的影響但檢測結果仍存在較多偽變化信息。為了合并不同差異圖的優點，一些學者對不同的差異圖進行了融合，馬國銳等學者(2006)在文章“基于融合和廣義高斯模型的遙感影像變化檢測，遙感學報，2006，10(6):847-853"中提出了用乘積融合策略來融合差值圖和比值圖的方法，該方法能夠抑制背景，在一定程度上增強變化區域，但是該方法并不穩定，有時也會抑制變化區域。汪閩和張星月(2010)在文章“多特征證據融合的遙感圖像變化檢測.遙感學報，2010，14(2):1-7”中提出了用證據理論融合方法融合多種特征差異圖的方法，該方法提高了單一特征檢測方法的檢測精度，但該方法采用的結構相似度度量方法不穩定，從而降低了檢測結果的正確率。Du 等(2012)在文章“Fusion of Difference Images for ChangeDetection over Urban Areas, IEEE Journal of Selected Topics in Applied EarthObserbations and Remote Sensing, 2012，5(4): 1076-1086”中提出了對多種差異圖進行特征級和決策級融合的變化檢測方法，該方法合并了多種差異圖的優點，提高了變化檢測的正確率，但該方法并沒有根據差異圖的優缺點有針對性的融合差異圖，所以檢測結果的正確率提高不多，有時可能會下降。
技術實現思路
本專利技術的目的在于克服上述變換檢測技術的不足，提出了一種，以降低噪聲對檢測結果的影響，減少檢測結果中的偽變化信息，提高檢測結果的正確率。為實現上述目的，本專利技術的檢測方法包括如下步驟:(I)輸入的兩幅大小均為IXJ的同一地區不同時相的已配準的遙感圖像X1和X2,計算這兩幅遙感圖像X1和X2對應像素點的結構相似度系數SIM(m，η)，得到一個相似度系數矩陣SIM:權利要求1.一種，其特征在于:包括如下步驟: (1)輸入的兩幅大小均為IXJ的同一地區不同時相的已配準的遙感圖像X1和X2，計算這兩幅遙感圖像X1和X2對應像素點的結構相似度系數SM(m，η)，得到一個相似度系數矩陣SM:2.根據權利要求1所述的遙感圖像變化檢測方法，其特征在于:步驟(4)所述的對濾波后差值圖Xf進行統計直方圖閾值分割，得到初始分類圖Xm，按如下步驟進行: (4a)對差值差異圖Xd進行窗口大小為3X3的中值濾波，得到濾波后差值圖Xf ； (4b)對濾波后差值圖Xf，將滿足條件3.根據權利要求1所述的遙感圖像變化檢測方法，其特征在于:步驟(5)所述的根據濾波后差值圖Xf的灰度值范圍和初始分類圖Xm，對差值差異圖Xd中的像素點進行類別標記，得到一幅類別標記圖xb，按如下步驟進行: (5a)計算初始分類圖Xm中變化類像素形成的各個區域的面積，如果面積小于70，則將初始分類圖Xm中該區域內的像素標記賦值為2，否則像素標記不變； (5b)計算濾波后差值圖Xf的最大灰度值Nmax,如果Nmax大于灰度級閾值T，初始分類圖Xm則為類別標記圖\，結束；否則，轉到(5c),其中灰度級閾值T為一個常數,取值范圍為·100 150 ； (5c)對初始分類圖Xm中標記為I的像素形成的區域，進行結構元素為3X3的方形窗的數學形態學膨脹，得到小擴展圖像Xml，并將小擴展圖像Xml中點(m，n)的像素值記為Xml (m, η)； (5d)對初始分類圖Xm中標記為I的像素形成的區域，進行結構元素為7X7的方形窗的數學形態學膨脹，得到大擴展圖像Xm2，并將大擴展圖像Xm2中點(m，n)的像素值記為Xm2 (m, η)； (5e)將大擴展圖像Xm2和小擴展圖像Xml空間對應位置(m，η)處的像素點灰度值進行差值計算，得到差值Xm3 (m, n) =Xm2 (m, n) -Xml (m, η),由此得到一幅擴展差值圖像Xm3= {Xm3 (m, η)},其中Xm3(m，η)為擴展差值圖像Xm3中點(m，η)處的像素值； (5f)建立一幅與初始分類圖像相同大小的類別標記圖Xb，并按以下五種情況對該圖像中點(m，n)處的像素值Xb (m，η)進行賦值: 對滿足條件Xm (m, η) =2的像素點(m, η),將類別標記圖Xb中該像素點的值Xb (m, η)標記為2 ； 對滿足條件Xm (m, η)古2且Xm3 (m, n) =1的像素點(m, η),將類別標記圖Xb中該像素點的值Xb (m, η)標記為3 ； 對滿足條件Xm (m, η)古2且Xml (m, n) =1的像素點(m, η),將類別標記圖Xb中該像素點的值Xb (m, η)標記為I ; 對滿足條件Xm (m, n) =O的像素點(m,本文檔來自技高網...
【技術保護點】
一種基于差異圖模糊隸屬度融合的遙感圖像變化檢測方法，其特征在于：包括如下步驟：（1）輸入的兩幅大小均為I×J的同一地區不同時相的已配準的遙感圖像X1和X2，計算這兩幅遙感圖像X1和X2對應像素點的結構相似度系數SIM(m,n)，得到一個相似度系數矩陣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分別為圖像的行序號和列序號，m=1,2,...,I，n=1,2,...,J，μ1(m,n)、σ1(m,n)和(m,n)分別為遙感圖像X1中以像素點(m,n)為中心、窗口大小為w×w的局部區域像素值的均值、標準差和方差，μ2(m,n)、σ2(m,n)和(m,n)分別為遙感圖像X2中以像素點(m,n)為中心、窗口大小為w×w的局部區域像素值的均值、標準差和方差，窗口w的取值范圍為3～9，C是用來避免分母接近零時產生不穩定現象的常數，C的取值范圍為C>0，λ為權值系數，結構相似度系數的取值范圍為0≤SIM(m,n)≤1；（2）將相似度系數矩陣SIM在位置(m,n)處的結構相似度系數SIM(m,n)線性映射到區間[0,255]，得到相似度差異圖XS在位置(m,n)處的像素灰度值XS(m,n)：XS(m,n)＝(1?SIM(m,n))×255（3）將遙感圖像X1和X2空間對應位置(m,n)處的像素點灰度值X1(m,n)和X2(m,n)進行差值計算，得到差值Xd(m,n)=|X1(m,n)?X2(m,n)|，按照從左到右、從上到下的順序依次計算遙感圖像X1和X2空間對應位置的像素點灰度值的差值，得到一幅差值差異圖Xd：Xd＝{Xd(m,n)|1≤m≤I,1≤n≤J}（4）對差值差異圖Xd中的像素進行窗口大小為3×3的中值濾波，得到濾波后差值圖Xf，對濾波后差值圖Xf進行統計直方圖閾值分割，得到初始分類圖Xm；（5）根據濾波后差值圖Xf的灰度值范圍和初始分類圖Xm，對差值差異圖Xd中的像素點進行類別標記，得到一幅類別標記圖Xb；（6）根據類別標記圖Xb中位置(m,n)處的標記，對差值差異圖Xd中位置(m,n)處的像素進行濾波，得到去噪差值圖XN；（7）計算相似度差異圖XS中位置(m,n)處像素的變化類隸屬度(m,n)和非變化類隸屬度(m,n)，計算去噪差值圖XN在位置(m,n)處像素的變化類隸屬度(m,n)和非變化類隸屬度(m,n)；（8）計算相似度差異圖XS和去噪差值圖XN的對應像素點(m,n)的變化類隸屬度(m,n)和(m,n)的融合隸屬度值Hc(m,n)，再計算該像素點的非變化類隸屬度(m,n)和(m,n)的融合隸屬度Hu(m,n)；（9）建立一幅與相似度差異圖XS相同大小的融合圖像XI，如果Hc(m,n)＞Hu(m,n)，則將該像素點處的融合圖像XI值的標記為1，否則記為0，由此得到一幅變化檢測結果圖像。FDA00003017793700012.jpg,FDA00003017793700013.jpg,FDA00003017793700021.jpg,FDA00003017793700022.jpg,FDA00003017793700023.jpg,FDA00003017793700024.jpg,FDA00003017793700025.jpg,FDA00003017793700026.jpg,FDA00003017793700027.jpg,FDA00003017793700028.jpg...
【技術特征摘要】
【專利技術屬性】
技術研發人員：王桂婷，焦李成，劉博偉，公茂果，鐘樺，王爽，張小華，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。