基于自适应差异图的遥感图像变化检测方法技术

本发明专利技术公开了一种基于自适应Treelet构造差异图的遥感图像变化检测方法，它属于图像处理技术领域，主要解决现有技术中变化检测精度不足的问题。其实现过程是：对输入的两幅不同时相遥感图像进行块处理，即计算第二幅图像搜索窗内的图像块与第一幅图像的中心图像块的差值，得到样本矩阵；利用Treelet算法对样本矩阵进行聚类，得到自适应差异图；计算差值差异图和自适应差异图的Otsu阈值，利用该阈值融合差值差异图和自适应差异图得到最终差异图，对最终差异图进行Otsu阈值分割，得到变化检测结果。本发明专利技术能够有效地提高变化检测精度，保持图像的边缘信息，可用于灾情监测和土地利用。

【技术实现步骤摘要】

本专利技术属于数字图像处理
，具体的说是一种基于自适应Treelet构造差异图的遥感图像变化检测方法，适用于环境、城市规划中的数字图像处理。
技术介绍
遥感图像的变化检测是指对同一地理位置不同时期的遥感图像进行分析获得其中的变化信息，它是当前遥感数据处理技术的主要发展方向。对配准后的两幅遥感图像的变化检测方法通常是通过直接运算获取差异图像，然后对差异图像进行分析处理，得到变化与非变化分类的检测结果图。这种方法具有相对简单、直接、易于实现的特点，缺点是获取的差异图像对遥感图像数据的预处理要求较高，差异图中的噪声对检测结果的影响很大。为了改善直接差异图像的检测效果，提高变化检测的精度，Lingcao Huang等学者在文章 “An Object-based Change Detection Approach by Integrating Intensityand Texture Differences”中提出了加权融合Sobel边缘纹理图和差值差异图得到概率差异图，利用阈值对融合后的概率差异图进行分割得到变化检测图像，在保持变化区域的同时引入了大量的噪声点，从而影响了变化检测的结果。Wei He在文章“Application ofEuclidean norm in Multi-temporal Remote Sensing Image Change Detection，，中提出的利用两幅遥感图像之间差值的欧式距离范数表示差异图，再利用最大熵阈值法提取变化部分，该方法抑制了噪声信息，但对边缘等细节保持不好，降低了变化区域的视觉效果。
技术实现思路
本专利技术的目的在于克服上述已有构造差异图像变化检测方法的不足，提出一种，以有效、准确的检测出变化区域边缘，减少伪变化信息，提高变化检测的准确度。为实现上述目的，本专利技术的检测方法包括如下步骤(I)输入两幅已配准的多时相遥感图像Tl和T2，并将图像Tl和T2空间位置对应像素的灰度值进行差值计算，得到差值差异图X ；(2)对第一幅图像Tl以像素点i为中心取3X3大小的滑窗Ei,对第二幅图像T2同样以像素点i为中心取7X7像素大小搜索窗Gi, i为当前像素点，在搜索窗Gi内逐像素取3X3大小的滑窗，得到滑窗集合{Fj为滑窗集合内以j为中心点的一个滑窗，定义滑窗集合{F」}内的滑窗数目为Q个，此处Q = 25;(3)分别将第二幅图像T2得到的Q个滑窗与第一幅图像Tl的滑窗Ei进行差值计算，并将差值的结果用列向量进行表示，得到样本矩阵H，该样本矩阵H中包含Q个列向量且维数为9 X Q，将第二幅图像T2的滑窗Fi与第一幅图像Tl的滑窗Ei的差值列向量表示为h· ■ ■iiIl (4)利用Treelet算法对样本矩阵H进行自适应聚类，得到与差值列向量hii相同、类别标记的q个列向量，其中I < q < Q，将这q个列向量组成矩阵R，并计算该矩阵R的均值IV将均值Hii作为自适应差异图D中像素点i的灰度值；(5)对两幅遥感图像Tl和T2中的每个像素点，重复进行步骤2至步骤4，得到自适应差异图D ；(6)用Otsu阈值法分别计算差值差异图X和自适应差异图D的阈值K1和K2 ；(7)利用Otsu阈值K1和K2融合差值差异图X和自适应差异图D,得到最终差异图I ;(8)对最终差异图I利用Otsu阈值法进行分割，得到变化检测的结果图像Z。本专利技术与现有的技术相比具有以下优点(I)本专利技术通过对相似窗口进行Treelet聚类构造自适应差异图，能有效的实现变化信息的分散，突出对比度，提高了检测准确性。(2)本专利技术通过对差值差异图和自适应差异图进行图像融合，保留了差值差异图的细节信息和自适应差异图中的变化区域，在保证准确性的同时降低了漏检影响。附图说明图I是本专利技术的实现流程图；图2是本专利技术使用的两时相遥感数据图像及其变化检测参考图；图3是用本专利技术对模拟遥感图像实验的变化检测结果图；图4是用本专利技术对真实遥感图像实验的变化检测结果图。具体实施例方式参照图I，本专利技术的实施如下步骤I，输入两幅已配准的多时相遥感图像TI和T2，将图像TI和图像T2对应位置(X，y)处的像素点灰度值^和巧进行差值计算，得到差值差异图Xxy=lG-^l，I ^ X ^ Μ,I彡y彡N，其中M为遥感图像Tl的长，N为遥感图像Tl的宽。步骤2，对第一幅图像Tl以像素点i为中心取3X3大小的滑窗Ei,对第二幅图像T2同样以像素点i为中心取7X7像素大小搜索窗Gi, i为当前像素点，在搜索窗Gi内逐像素取3X3大小的滑窗，得到滑窗集合汜}，匕为滑窗集合内以j为中心点的一个滑窗，j为搜索窗Gi内任意像素点，设滑窗集合{F」}内的滑窗数目为Q个，此处Q = 25。步骤3，分别将第二幅图像T2得到的Q个滑窗与第一幅图像Tl的滑窗Ei进行差值计算，并将差值的结果用列向量进行表示，得到列向量组成的样本矩阵H，该样本矩阵H中包含Q个列向量且维数为9XQ :XU · · · xQAH = = : ··· : <1> _尤1，9 …XQ,9 _其中Xp，t为滑窗集合{Fj}内第P个滑窗与滑窗Ei进行差值计算后的列向量表示，I彡P彡Q，t为下标，I彡t彡9，hn表示将第二幅图像T2的滑窗Fi与第一幅图像Tl的滑窗Ei的差值列向量，Fi为第二幅图像T2内以i为中心点的一个滑窗。步骤4，利用Treelet算法对样本矩阵H进行自适应聚类，得到自适应差异图D :(4a)计算样本矩阵H的协方差系数矩阵C 权利要求1.一种，包括如下步骤(1)输入两幅已配准的多时相遥感图像T1和T2，并将图像T1和T2空间位置对应像素 的灰度值进行差值计算，得到差值差异图X ；(2)对第一幅图像T1以像素点i为中心取3X3大小的滑窗Ey对第二幅图像T2同样以 像素点i为中心取7X7像素大小搜索窗Gpi为当前像素点，在搜索窗匕内逐像素取3X3 大小的滑窗，得到滑窗集合{Fj，Fj为滑窗集合内以j为中心点的一个滑窗，定义滑窗集合 {Fj}内的滑窗数目为Q个，此处Q = 25 ;(3)分别将第二幅图像T2得到的Q个滑窗与第一幅图像T1的滑窗Ei进行差值计算， 并将差值的结果用列向量进行表示，得到样本矩阵H，该样本矩阵H中包含Q个列向量且维 数为9XQ，将第二幅图像T2的滑窗匕与第一幅图像T1的滑窗Ei的差值列向量表示为；(4)利用Treelet算法对样本矩阵H进行自适应聚类，得到与差值列向量相同类别 标记的q个列向量，其中1彡q彡Q，将这q个列向量组成矩阵R，并计算该矩阵R的均值IV 将均值％作为自适应差异图D中像素点i的灰度值；(5)对两幅遥感图像T1和T2中的每个像素点，重复进行步骤2至步骤4，得到自适应 差异图D;(6)用Otsu阈值法分别计算差值差异图X和自适应差异图D的阈值&和K2；(7)利用Otsu阈值&和K2融合差值差异图X和自适应差异图D,得到最终差异图I;(8)对最终差异图I利用Otsu阈值法进行分割，得到变化检测的结果图像Z。2.根据权利要求1所述的遥感图像变化检测方法，其中步骤(4)所述的利用Treelet 算法对样本矩阵H进行自适应聚类，按如下步骤进行(4a)计笪样本矩陈H的协方差系数矩陈C 3.根据权利要求1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：王桂婷，焦李成，曹娟，钟桦，田小林，张小华，公茂果，王爽，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：