一种FCM结合MRF模型的多时相遥感影像变化检测方法技术

本发明专利技术公开了一种FCM结合MRF模型的多时相遥感影像变化检测方法，该方法首先计算多时相高分辨率影像的变化矢量幅值和光谱角映射图，并将两者组合成新的图像，然后利用FCM算法，对该新影像进行分割，获取初始的检测结果，最后将此处始的检测结果作为MRF模型的初始解，最终获取嵌入空间信息的变化检测结果。本发明专利技术变化检测方法解决了多时相高分辨率多光谱遥感影像变化检测精度不高的问题，在基于FCM和MRF的变化检测中，将MRF模型引入到FCM检测结果之后，使得基于FCM变换的变化检测具有空间约束能力；并采用融合的方法，将MCV和SAM组合，可以使得变化检测的结果更加可靠，也更加具有稳健性。

【技术实现步骤摘要】

本专利技术涉及多时相高分辨率光学遥感影像变化检测方法，特别是涉及一种FCM结合MRF模型的多时相遥感影像变化检测方法，属于遥感影像处理

技术介绍
随着多时相高分辨率遥感数据的不断积累以及空间数据库的相继建立，如何从这些遥感数据中提取和检测变化信息已成为遥感科学和地理信息科学的重要研究课题。根据同一区域不同时相的遥感影像，可以提取城市、环境等动态变化的信息，为资源管理与规划、环境保护等部门提供科学决策的依据。我国“十二五”将加大拓展实施“十一五”已启动实施的高分辨率对地观测工程，关注包括高分辨率遥感目标与空间环境特征分析及高可靠性自动解译等基础理论与关键技术研究，正在成为解决国家安全和社会经济发展重大需求的研究焦点。遥感影像的变化检测就是从不同时期的遥感数据中，定量地分析和确定地表变化的特征与过程。各国学者从不同的角度和应用研究提出了许多有效的检测算法，主要包括非监督变化检测和监督变化检测两大类算法。其中非监督变化检测算法比较直观，不需要先验信息，由于不需要训练样本，检测算法成本低。其中代表性的非监督变化检测算法如变化矢量分析法(ChangeVectorAnalysis，CVA)、基于FuzzyC-means(FCM)的聚类方法、基于水平集的方法等。其中，传统的基于FCM的多时相光学遥感变化检测，多先进行CVA变换，然后对变化矢量的幅值进行FCM聚类，进而得到变化检测结果。该类技术中，使用FCM的不足是仅使用多时相高分辨率差异影像的光谱信息，没有利用空间信息。许多学者试图通过在FCM目标函数中加上不同的空间邻域的约束来解决，但是遥感影像检测环境的复杂化以及目标先验信息匮乏等，导致这些算法都存在着一定的局限性。针对上述问题，有必要研究新的高分辨率可见光遥感图像变化检测技术来有效克服上述难点。
技术实现思路
本专利技术所要解决的技术问题是：提供一种FCM结合MRF模型的多时相遥感影像变化检测方法，该方法解决了多时相高分辨率多光谱遥感影像变化检测精度不高的问题。本专利技术为解决上述技术问题采用以下技术方案：一种FCM结合MRF模型的多时相遥感影像变化检测方法，包括如下步骤：步骤1，输入两时相的高分辨率光学遥感影像，分别记为：X1和X2；步骤2，对X1和X2进行影像配准；步骤3，利用多元变化检测方法分别对影像配准后的X1和X2进行辐射归一化校正；步骤4，对校正后的两时相影像分别计算变化矢量幅值映射图和光谱角映射图；步骤5，将变化矢量幅值映射图和光谱角映射图组合成新的影像Xc；步骤6，利用FuzzyC-means聚类方法对Xc进行二分类：变化类和非变化类，得到初始的变化检测结果；步骤7，将步骤6初始的变化检测结果作为MRF模型的输入，并基于变化矢量幅值，得到最终的变化检测结果。作为本专利技术的一种优选方案，步骤2所述影像配准包括几何粗校正和几何精校正两个步骤，其中，几何精校正采用自动匹配与三角剖分法。作为本专利技术的一种优选方案，步骤4所述变化矢量幅值的计算公式为：MCV(i,j)=Σb=1B(X1b(i,j)-X2b(i,j))2]]>其中，B表示每一个时相遥感影像的波段数目，X1b(i,j)、X2b(i,j)分别表示X1、X2时相遥感影像b波段像素坐标(i,j)的像素值，MCV(i,j)表示像素坐标(i,j)的变化矢量幅值。作为本专利技术的一种优选方案，步骤4所述光谱角的计算公式为：SAM(i,j)=arccos(Σb=1B(X1b(i,j)X2b(i,j))/Σb=1BX1b2(i,j)Σb=1BX2b2(i,j))]]>其中，B表示每一个时相遥感影像的波段数目，X1b(i,j)、X2b(i,j)分别表示X1、X2时相遥感影像b波段像素坐标(i,j)的像素值，SAM(i,j)表示像素坐标(i,j)的光谱角。作为本专利技术的一种优选方案，步骤6所述FuzzyC-means聚类方法的模型为：Jm=Σt=1CΣk=1Nutkm||Xc(k)-vt||2=Σt=1CΣk=1Nutkmdkt2]]>其中，C表示聚类数目，N表示样本的总数，表示第k个样本Xc(k)对于第t类聚类中心的模糊隶属度，m为隶属度的加权指数，dkt表示样本Xc(k)和vt的距离，vt表示第t类聚类中心。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1、本专利技术在基于FCM和MRF的变化检测中，将MRF模型引入到FCM检测结果之后，使得基于FCM变换的变化检测具有空间约束能力。2、本专利技术在变化检测中，采用融合的方法，将MCV和SAM组合，可以使得变化检测的结果更加可靠，也更加具有稳健性。附图说明图1是本专利技术FCM结合MRF模型的多时相遥感影像变化检测方法的实现流程示意图。图2(a)是本专利技术所采用的2007年1月的沙特阿拉伯Mina地区高分辨率IKONOS图像第3波段示意图。图2(b)是本专利技术所采用的2007年12月的沙特阿拉伯的Mina地区高分辨率IKONOS图像第3波段示意图。图2(c)是变化检测的参考图像。图3(a)是CVA-EM算法检测结果图像。图3(b)是CVA-MRF算法检测结果图像。图3(c)是FCM-MCV算法的检测结果图像。图3(d)是本专利技术算法检测结果图像。具体实施方式下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。针对高空间分辨率遥感影像背景信息复杂、噪声干扰严重，使得变化检测所面临的问题采用常规的变化检测方法难以解决。本专利技术首先计算多时相高分辨率影像的变化矢量幅值(MagnitudesofChangeVectors，MCV)和光谱角映射图(SpectralAngleMapper，SAM)，并将两者组合成新的图像，然后利用FCM算法，对该新影像进行分割，获取初始的检测结果，最后将此处始的检测结果作为MRF模型的初始解，最终获取嵌入空间信息的变化检测结果。如图1所示，本专利技术的实现步骤如下：步骤1，输入同一区域、不同时相的两幅高分辨率光学遥感影像，分别记为：X1和X2。步骤2，利用ENVI遥感软件对X1和X2进行影像配准，分为几何粗校正和几何精校正两个步骤：对于几何粗校正，利用ENVI4.8软件中的相关功能实现，具体操作步骤为：(1)选择X1和X2其中一个作为基准影像，另一个作为待校正影像；(2)采集地面控制点(GCPs)；GCPs应均匀分布在整幅图像内，GCPs的数目至少大于等于9。(3)计算误差；(4)选择多项式模型；(5)采用双线性插值进行重采样输出。双线性差值法，若求未知函数f在点P＝(x,y)的值，假设我们已知函数f在Q11＝(x1,y1)、Q12＝(x1,y2)、Q21＝(x2,y1)、及Q22＝(x2,y2)四个点的值。如果选择一个坐标系统使得这四个点的坐标分别为(0,0)、(0,1)、(1,0)和(1,1)，那么双线性插值公式就可以表示为：f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy(1)对于几何精校正，将经过几何粗校正的多光谱遥感影像数据，利用本文档来自技高网...

【技术保护点】
一种FCM结合MRF模型的多时相遥感影像变化检测方法，其特征在于，包括如下步骤：步骤1，输入两时相的高分辨率光学遥感影像，分别记为：X1和X2；步骤2，对X1和X2进行影像配准；步骤3，利用多元变化检测方法分别对影像配准后的X1和X2进行辐射归一化校正；步骤4，对校正后的两时相影像分别计算变化矢量幅值映射图和光谱角映射图；步骤5，将变化矢量幅值映射图和光谱角映射图组合成新的影像Xc；步骤6，利用Fuzzy C‑means聚类方法对Xc进行二分类：变化类和非变化类，得到初始的变化检测结果；步骤7，将步骤6初始的变化检测结果作为MRF模型的输入，并基于变化矢量幅值，得到最终的变化检测结果。

【技术特征摘要】
1.一种FCM结合MRF模型的多时相遥感影像变化检测方法，其特征在于，包括如下步骤：步骤1，输入两时相的高分辨率光学遥感影像，分别记为：X1和X2；步骤2，对X1和X2进行影像配准；步骤3，利用多元变化检测方法分别对影像配准后的X1和X2进行辐射归一化校正；步骤4，对校正后的两时相影像分别计算变化矢量幅值映射图和光谱角映射图；步骤5，将变化矢量幅值映射图和光谱角映射图组合成新的影像Xc；步骤6，利用FuzzyC-means聚类方法对Xc进行二分类：变化类和非变化类，得到初始的变化检测结果；步骤7，将步骤6初始的变化检测结果作为MRF模型的输入，并基于变化矢量幅值，得到最终的变化检测结果。2.根据权利要求1所述FCM结合MRF模型的多时相遥感影像变化检测方法，其特征在于，步骤2所述影像配准包括几何粗校正和几何精校正两个步骤，其中，几何精校正采用自动匹配与三角剖分法。3.根据权利要求1所述FCM结合MRF模型的多时相遥感影像变化检测方法，其特征在于，步骤4所述变化矢量幅值的计算公式为：MCV(i,j)=Σb=1B(X1b(i,j)-X2b(i,j))2]]>其中，B表示每一个时相遥感影像的波段数目，X1b(i,j)、X2b(i,j)分别表...

【专利技术属性】
技术研发人员：石爱业，孔伟为，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32