本发明专利技术公开了一种基于克隆选择的最佳熵阈值的遥感图像变化检测方法，其实现步骤为：(1)用对数比值算子构造两时相遥感图像的差异影像图；(2)初始化种群，并设定参数；(3)利用最佳阈值算法计算种群的亲合度，并对亲合度进行降序排序；(4)依据克隆选择算法对每个个体进行克隆选择操作，产生新的种群，保存种群中亲和度最大的个体；(5)判断是否达到终止条件，未达到则返回步骤(3)，否则保存结果中的每个个体进行亲合度大小排序，将亲合度最大值所对应的个体作为最优阈值；(6)利用最优阈值对差异影像图进行阈值分割，得到初始变化检测结果；(7)用形态学处理初始变化检测结果图，得到最终变化检测结果。本发明专利技术具有稳定、有效和总检测错误数较低的优点。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及图像检测方法，可用于图像增强、模式识别、 目标跟踪等
中。
技术介绍
变化检测技术从处理遥感数据的光谱波段数的多少可以分为多波段多时相遥感图像变化检测和单波段多时相遥感图像变化检测。其中多波段遥感数据为变化检测提供了丰富的信息源，通常采用数据变换的方法对多个波段的数据进行处理，使变化信息集中到少数的几个特征上。应用于多波段多时相遥感图像变化检测中的图像变换技术包括主成分分析法PCA、典型相关分析法MAD、穗帽变换TCT、Gram-Schmidt变换、HSI变换和 Chi-square变换等。然而随着数据量的增大，多波段多时相图像数据冗余过量，其变化检测技术与比单波段遥感图像检测技术相比更为复杂，因此目前大多数变化检测技术集中在单波段多时相遥感图像变化检测方面。遥感图像的变化检测主要有两个核心步骤其一是关于两时相遥感图像的差异影像图的构造方法；其二就是对该差异图影像图的分类，包括变化类和非变化类。因此，我们可将该分类问题转化为一种图像分割的问题，若选用阈值分割方法，则涉及到图像分割中如何快速而准确选择最优阈值的问题。为了加快最优阈值的搜索速度，已有算法大都是通过以增加存储空间为代价来提高分割速度的。在各种现有的检测方法中，分类后比较法和直接比较法是普遍使用的主要的变化检测方法。分类后比较法一方面工作量大、效率不高，由于受到分类误差累积效应的影响， 变化检测精度难以保证。而各种直接比较法虽然在效率和精度上较分类后比较法有所提高，但却存在着以下几个方面的关键问题(1)图像间的配准误差、噪声等因素带来的影响比较敏感，变化检测结果中杂点问题较为严重。(2)对算术运算得到的差异图像中变化类和非变化类建模计算最优阈值的方法， 是在假设两类符合某种分布的条件下计算两类的概率密度，然而事实上差异图像中两类并不是完全符合某种分布，因此这样计算得到的阈值存在较大偏差。
技术实现思路
本专利技术目的在于针对上述已有技术的问题，提出一种，以降低变化检测中所求的阈值误差，减少遥感图像受噪声影响而产生的杂点，使得变化检测结果达到最低的总检测错误数。实现本专利技术目的技术思路是将遥感图像的变化检测问题转化为图像分割问题，再把分割问题转化为最优化问题，提出将对数比值算子构造的差异图的总熵函数作为克隆选择算法中的亲和度函数，通过克隆选择方法最后选择出差异图分类的最优阈值，得到新的图像变化检测方法，其具体实现过程如下4(1)用对数比值算子构造两时相遥感图像的差异影像图DI ；(2)采用8位二进制编码方式初始化种群，并设定最大迭代次数为50，当前迭代次数g为0，初始种群规模N为10;(3)利用最佳阈值算法计算种群的亲合度，并对亲合度进行降序排序；(4)用克隆选择算法对种群进行如下操作，得到新一代种群；(4a)依据亲合度和设定的抗体克隆规模对每个个体进行克隆操作，生成新个体， 克隆规模和抗体-抗原的亲合度成正比，其中克隆规模为Ns = 3(N-i)+5, i表示降序排序后亲合度对抗体种群的第i个排列序号；(4b)对生成的每个新个体进行单点变异操作，计算变异后的新个体的亲合度并进行降序排序，用亲合度最大的个体取代当前被克隆的个体，生成新个体；(4c)对生成的每个新个体进行克隆选择操作，对克隆选择完成的整体种群进行亲合度计算并降序排序，得到新种群，保存亲和度最大的个体；(5)令当前迭代次数为g = g+Ι，若当前迭代次数达到最大迭代次数50，则进行步骤(6)，否则，返回步骤(3)；(6)对保存的个体进行亲合度大小排序，亲合度最大值所对应的个体为最优阈值；(7)利用得到的最优阈值对差异影像图进行阈值分割，得到初始变化检测结果图；(8)对初始变化检测结果图用形态学方法进行优化，得到遥感图像的最终变化检测结果。本专利技术与现有的技术相比具有以下优点1)本专利技术由于将克隆选择原理和最佳熵阈值方法结合，可较准确的得到变化检测中所需要的最优阈值；2)本专利技术由于对初始结果图进行形态学处理，减少遥感图像受噪声影响而产生的杂点，较好地平衡了变化检测的错检个数和漏检个数，以达到最低的总检测错误数。附图说明图1是本专利技术的流程框图；图2是本专利技术仿真使用的伯纳地区的SAR图像；图3是本专利技术仿真使用的渥太华地区的SAR图像；图4是本专利技术仿真使用的墨西哥郊外的SAR图像；图5是本专利技术仿真使用的撒丁岛地区的SAR图像；图6是伯纳数据的变化检测结果图；图7是渥太华数据的变化检测结果图；图8是墨西哥数据的变化检测结果图；图9是撒丁岛数据的变化检测结果图。具体实施例方式参照图1，本专利技术的具体实现步骤如下步骤1，构造两时相遥感图像的差异影像图DI。用I1和I2分别表示两时相遥感图像，先将I1和I2相比，然后取其比值的对数，得到两时相遥感图像的差异影像图DI = Iogd1A2K步骤2，初始化种群，并设定参数。由于原始灰度图像的灰度范围在0到255之间，灰度的取值有28种可能，故采用 8位二进制编码方式初始化种群，随机产生8位二进制数码作为种群的个体，并设定最大迭代次数为50，当前迭代次数g为0，初始种群规模N为10。步骤3，计算种群的亲合度，并对亲合度进行降序排序。首先，用最佳阈值算法计算种群的亲合度，计算公式如下权利要求1.一种，包括如下步骤(1)用对数比值算子构造两时相遥感图像的差异影像图DI；(2)采用8位二进制编码方式初始化种群，并设定最大迭代次数为50，当前迭代次数g 为0，初始种群规模N为10;(3)利用最佳阈值算法计算种群的亲合度，并对亲合度进行降序排序；(4)用克隆选择算法对种群进行如下操作，得到新一代种群；(4a)依据亲合度和设定的抗体克隆规模对每个个体进行克隆操作，生成新个体，克隆规模和抗体-抗原的亲合度成正比，其中克隆规模为, i表示降序排序后亲合度对抗体种群的第i个排列序号；(4b)对生成的每个新个体进行单点变异操作，计算变异后的新个体的亲合度并进行降序排序，用亲合度最大的个体取代当前被克隆的个体，生成新个体；(4c)对生成的每个新个体进行克隆选择操作，对克隆选择完成的整体种群进行亲合度计算并降序排序，得到新种群，保存亲和度最大的个体；(5)令当前迭代次数为2.根据权利要求1所述的，其中步骤(1)用对数比值算子构造两时相遥感图像的差异影像图DI，采用如下公式进行DI = Iog(I1A2),式中I1和I2分别表示两时相遥感图像。3.根据权利要求1所述的，其中步骤(3)所述的利用最佳阈值算法计算种群的亲合度，利用如下公式计算4.根据权利要求1所述的，其中步骤Gb)所述的计算变异后的新个体的亲合度，利用如下公式计算5.根据权利要求1所述的，其中步骤Ge)所述的对克隆选择完成的整体种群进行亲合度计算，利用如下公式进行6.根据权利要求1所述的，其中步骤(7)利用得到的最优阈值对差异影像图进行阈值分割，得到初始变化检测结果图，是用差异影像图各像素点的灰度与最优阈值相比较，若灰度大于或等于最优阈值，其像素点的灰度设为255，若灰度小于最优阈值，其像素点的灰度设为0，即可得到初始检测结果图二值图像A。7.根据权利要求1所述的，其中步骤(8)对初始变化检测结果图用形态学方法进行优化，得到遥感图像的最终变化检测结果，按如下步骤进行全文摘要本专利技术本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：公茂果，焦李成，张晔，马晶晶，马文萍，石永安，尚荣华，王爽，侯彪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。