本发明专利技术公开了一种基于Graph-cut和广义高斯模型的遥感影像变化检测方法，主要解决了现有差异图像分类时阈值难以确定以及比值法构造的差异图像难以分析的问题。其实现过程是：(1)采用对数比值法构造差异图像；(2)利用Graph-cut算法对差异图像初分类；(3)对初分类的结果采用FCM算法聚类；(4)利用EM算法估计广义高斯模型类别参数；(5)根据贝叶斯决策判断像素所属类别，得出变化检测结果。实验表明本发明专利技术具有检测精度高，虚检较少，适用性强的优点，可用于对遥感图像的灾情评估和土地利用。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及遥感影像变化检测，具体地说是一种基于 Graph-cut和冠以高斯模型的遥感影像变化检测方法。该方法可用于对遥感影像变化检测 中的差异图像分类。
技术介绍
遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线对目标 进行探测和识别的技术，是获取地面信息的快速有效的手段之一。随着遥感技术的不断 发展，利用同一地区多时相的遥感影像进行变化检测已经成为遥感技术的一个重要应用领 域。遥感变化检测通常包含了四个方面的内容判断是否发生了变化；确定发生变化的区 域；鉴别变化的性质；评估变化的时间和空间分布模式。前两个方面是变化检测所要达到 的基本目标，也是变化检测研究需要首先解决的问题。 现阶段国内外变化检测的研究蓬勃发展。变化检测广泛地应用于环境监测，土地 利用/覆盖变化研究，森林植被变化分析，灾害评估，农业调查，城市规划布局分析，洪水监 测和地图更新等领域。然而从整体上来说遥感影像的变化检测仍然存在不少困难。遥感影 像的变化检测目前缺乏坚实有力的数学理论和模型支持。在进行变化检测时，一般都没有 获取检测地区的变化地物的先验信息，只是根据图像上的信息来检测变化。绝大多数的变 化检测方法对数据的统计分布要求比较严格，方法实施的时候需要事先知道数据的统计分 布模型，同时，大多数变化检测方法对输入影像之间的辐射校正、几何配准等要求较高，对 噪声等因素的影响比较敏感。 传统的遥感影像变化检测方法通常是直接比较同一位置不同时相的像元特征值 来检测变化，通常采用数学变换的方式产生不同时相间的差异图像，再对差异图像进行阈 值化处理，从中提取变化区域。这些方法存在着一些自身的缺陷，变化阈值的选择很大程度 上影响变化检测的精度。因此对差异图像的阈值化处理提取变化区域成为变化检测的难题 和关键问题。传统的代数运算类变化检测方法有差值法、比值法、图像回归法和变化矢量 法。传统的差值法在构造差异图像时简单、直观，结果比较容易解译。但是不能提供变化类 型信息；当两次成像条件(季节、太阳高度角、地表湿度等)不同时，也可能造成灰度差异， 但它不一定能代表目标发生了变化。图像回归法由于在建立线性回归关系时考虑了不同时 相图像中由于大气条件、季节、太阳角度等因素引起的灰度差异，所以可以消除这些因素对 变化检测的影响。但是建立高精度的回归关系往往比较困难，计算量大。变化矢量法可以 认为是图像差值法的扩展，可以提供变化类型信息，但是当两次成像条件不同时，也可能造 成灰度差异。传统的比值法构造差异图像时通过除法运算可以消除一些由于太阳高度角、 阴影和地形引起的乘性误差。但是生成的结果图像往往不服从正态分布，给差异图像的分 析造成一定的困难。因此在比值法构造的差异图像中选择合适的模型分析差异图像是基于 比值法构造差异图像需要解决的问题。
技术实现思路
本专利技术的目的在于针对变化检测中运用传统方法构造的差异图像分类时阈值难 以确定的问题，提出了一种。该 方法用于差异图像分类，不需要阈值，解决了阈值选择的问题。并且选择广义高斯分布近似 对数比值法构造的差异图像的类别概率分布函数。解决了比值法差异图像分析困难的问 题。 本专利技术的技术方案是将对数比值法构造的差异图像运用Graph-cut算法进行初 始分类，将分类结果运用FCM算法聚为两类，然后采用EM算法估计广义高斯分布参数，优化 分类结果。具体实现步骤如下 1、一种，包括如下步 骤 (1)选取两个不同时间采集到的待检测遥感影像，分别表示为&和X2，采用对数比 值法构造差异图像为 XLK = log(VX》=logVlogX丄； (2)利用Gr即h-cut方法将差异图像分为N类:G丄，G2，， GN， N > 2 ; (3)运用模糊C均值FCM聚类算法将上述分类结果合并为变化类和非变化类，分别 表示为"。和"u，该"。和"u服从广义高斯分布，即 |^)=《e—m, ; e {c， w} 其中Xi,j为差异图像的像素值，mi为该类别的均值，c表示变化类，u表示非变化类，"=,:丄j^^' gi为形状参数；'2r(1/々,) Mr("A) (4)采用最大数学期望EM算法估计"。和"u广义高斯模型参数mu、 o u2、 P u、 p (" J 、m。、 o 。2、 |3 。和p ("。)，其中mx为非变化类的均值，o J为非变化类的方差，13 u为非 变化类的形状参数、P("u)为非变概率密度函数，其中m。为非变化类的均值，0。2为非变化 类的方差，P。为非变化类的形状参数、P("。)为非变概率密度函数； (5)根据贝叶斯最小误差准则，针对图像中的每个像素点，分别计算p (" 。) *p (Xi,j| "e)和P("u^P(Xi,jl "u)，根据计算结果判断像素点的变化类，如果P("》P(Xi,jl "c) 大于P ( " u) *P (Xi, j I " u)，则该像素点判断为变化类，否则判为非变化类，最终得到变化检测结果。 本专利技术与现有技术相比具有如下优点 1、本专利技术由于采用Graph-cut分类方法，不需要设置阈值，因而避免了由于阈值 选择对变化检测精度的影响； 2、本专利技术由于采用广义高斯模型，相比于传统的高斯模型，能够更加精确地近似 差异图像的类别概率分布函数，提高了分类精度。附图说明 图1是本专利技术实现的流程图； 图2是本专利技术用于实验的数据集原始图像及变化参考图像； 图3是本专利技术利用对数比值法构造的差异图像； 图4是本专利技术采用Graph-cut算法对差异图像初分类得到的结果图； 图5是本专利技术将初分类结果采用FCM算法聚为两类的结果图； 图6是本专利技术采用广义高斯模型分类变化检测结果图； 图7是本专利技术中采用广义高斯模型分类结果和基于高斯模型的变化检测结果比 较图； 图8是广义高斯分布函数与高斯分布函数的比较图； 图9是本专利技术与现有的二种方法得到的变化检测结果图。具体实施例方式参照图l，本专利技术的具体实施过程如下 步骤1，设两幅配准的遥感图像& = {Xji, j) ， 1《i《I， 1《j《J}和X2 = {X2(i， j)，l《i《I，l《j《J}分别是tl和t2时间同一地区采集到的数据，tl时间图 像如图2(a)所示，t2时间图像如图2(b)所示，设&是通过比值法逐像元比较得到的差异 图像，对比值差异图像取对数变换，得到对数比值差异图像，如图3所示， <formula>formula see original document page 5</formula> 步骤2，将差异图像看作一个无向图G : (V， E)，其中V表示图中所有顶点的集 合，E表示图中顶点之间边缘的集合，对于图像中任意空间位置为(i，j)的像素点有一个相 应的顶点e V，它与其相邻的空间位置为(r， s)的像素点之间有边缘ei,j、w G E，每个 边缘ei,化s G E有一个衡量基于像素点(i， j)和(r， s)之间相似性的权值w(ei,汁,s)，按w(ei,j;r, 变化类 s)值大小，采用Gr即h-cut方法将图像分成N类G"G2，…，G『N > 2，如图4所示。 步骤3，将上述Graph-cut方法本文档来自技高网...
【技术保护点】
一种基于Ｇｒａｐｈ－ｃｕｔ和广义高斯模型的遥感影像变化检测方法，包括如下步骤：（１）选取两个不同时间采集到的待检测遥感影像，分别表示为Ｘ↓［１］和Ｘ↓［２］，采用对数比值法构造差异图像为：Ｘ↓［ＬＲ］＝ｌｏｇ（Ｘ↓［２］／Ｘ↓［１］）＝ｌｏｇＸ↓［２］－ｌｏｇＸ↓［１］；（２）利用Ｇｒａｐｈ－ｃｕｔ方法将差异图像分为Ｎ类：Ｇ↓［１］，Ｇ↓［２］，…，Ｇ↓［Ｎ］，Ｎ＞２；（３）运用模糊Ｃ均值ＦＣＭ聚类算法将上述分类结果合并为变化类和非变化类，分别表示为ω↓［ｃ］和ω↓［ｕ］，该ω↓［ｃ］和ω↓［ｕ］服从广义高斯分布，即ｐ（ｘ↓［ｉ，ｊ］｜ω↓［ｉ］）＝ａ↓［ｉ］ｅ↑［－［ｂ↓［ｉ］｜ｘ↓［ｉ，ｊ］－ｍ↓［ｉ］｜］↑［β↓［ｉ］］］ｉ∈｛ｃ，ｕ｝其中ｘ↓［ｉ，ｊ］为差异图像的像素值，ｍ↓［ｉ］为该类别的均值，ｃ表示变化类，ｕ表示非变化类，ａ↓［ｉ］＝ｂ↓［ｉ］β↓［ｉ］／２Γ（１／β↓［ｉ］），ｂ↓［ｉ］＝１／σ↓［ｉ］＊＊＊，β↓［ｉ］为形状参数；（４）采用最大数学期望ＥＭ算法估计ω↓［ｃ］和ω↓［ｕ］广义高斯模型参数ｍ↓［ｕ］、σ↓［ｕ］↑［２］、β↓［ｕ］、ｐ（ω↓［ｕ］）、ｍ↓［ｃ］、σ↓［ｃ］↑［２］、β↓［ｃ］和ｐ（ω↓［ｃ］），其中ｍ↓［ｕ］为非变化类的均值，σ↓［ｕ］↑［２］为非变化类的方差，β↓［ｕ］为非变化类的形状参数、ｐ（ω↓［ｕ］）为非变概率密度函数，其中ｍ↓［ｃ］为非变化类的均值，σ↓［ｃ］↑［２］为非变化类的方差，β↓［ｃ］为非变化类的形状参数、ｐ（ω↓［ｃ］）为非变概率密度函数；（５）根据贝叶斯最小误差准则，针对图像中的每个像素点，分别计算ｐ（ω↓［ｃ］）＊ｐ（ｘ↓［ｉ，ｊ］｜ω↓［ｃ］）和ｐ（ω↓［ｕ］）＊ｐ（ｘ↓［ｉ，ｊ］｜ω↓［ｕ］），根据计算结果判断像素点的变化类，如果ｐ（ω↓［ｃ］）＊ｐ（ｘ↓［ｉ，ｊ］｜ω↓［ｃ］）大于ｐ（ω↓［ｕ］）＊ｐ（ｘ↓［ｉ，ｊ］｜ω↓［ｕ］），则该像素点判断为变化类，否则判为非变化类，最终得到变化检测结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：焦李成，张小华，王爽，侯彪，严晓丹，李洪峰，王桂婷，公茂果，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。