專利名稱：一種高分辨率遙感圖像的變化檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感圖像處理、多尺度分析、模式識(shí)別和機(jī)器學(xué)習(xí)等技術(shù)領(lǐng)域，特別是一種基于尺度傳播和漸進(jìn)直推式支持向量機(jī)的高分辨率遙感圖像變化檢測(cè)方法。
背景技術(shù)：
遙感圖像變化檢測(cè)通過分析已配準(zhǔn)的、同一場(chǎng)景的不同時(shí)相的高分辨率遙感圖像自動(dòng)檢測(cè)出發(fā)生變化的區(qū)域，可以廣泛應(yīng)用在目標(biāo)監(jiān)測(cè)、災(zāi)害監(jiān)測(cè)等軍事和民用領(lǐng)域。遙感圖像變化檢測(cè)不僅有著很強(qiáng)的應(yīng)用需求驅(qū)動(dòng)，而且還具有重要的戰(zhàn)略意義。由于變化檢測(cè)技術(shù)的重要性，遙感圖像變化檢測(cè)技術(shù)已經(jīng)受到世界各國(guó)的高度重視。新一代高分辨率遙感衛(wèi)星的發(fā)射成功使得變化檢測(cè)可以在更小的尺度上進(jìn)行，因此基于高分辨率遙感圖像的變化檢測(cè)受到了更加廣泛的關(guān)注。然而，由于高分辨率遙感圖像的復(fù)雜性，傳統(tǒng)的變化檢測(cè)方法無法直接應(yīng)用到高分辨率遙感圖像的變化檢測(cè)。目前，高分辨率遙感圖像的變化檢測(cè)方法研究的還很不成熟， 遠(yuǎn)遠(yuǎn)不能滿足實(shí)際的需要，主要表現(xiàn)在目前的變化檢測(cè)大都靠手工標(biāo)定，費(fèi)時(shí)費(fèi)力，通用性和自動(dòng)化程度差。實(shí)際上，只有5-10%的數(shù)據(jù)得到了有效利用，高分辨率遙感圖像的變化檢測(cè)的精度大都在85%左右，變化檢測(cè)技術(shù)極大的限制了高分辨率遙感圖像的廣泛應(yīng)用。在這樣的背景下，高分辨率遙感圖像的變化檢測(cè)仍然是一個(gè)亟待解決的難題。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)高分辨率遙感圖像變化檢測(cè)的難點(diǎn)和現(xiàn)有變化檢測(cè)方法的缺點(diǎn)，提供一種快速有效的高分辨率遙感圖像變化檢測(cè)方法。為了實(shí)現(xiàn)上述目的，本發(fā)明基于尺度傳播和漸進(jìn)直推式支持向量機(jī)的高分辨率遙感圖像變化檢測(cè)方法包括步驟步驟Sl 利用小波變換分別對(duì)已配準(zhǔn)多時(shí)相遙感圖像中兩幅圖像的每個(gè)波段進(jìn)行多尺度分解，提取每一個(gè)尺度上的變化特征，計(jì)算并得到多尺度多時(shí)相變化特征；步驟S2 在最低尺度上，從多時(shí)相圖像中提取顯著區(qū)域，提取最低尺度下的變化特征訓(xùn)練樣本，利用局部特征和漸進(jìn)直推式支持向量機(jī)對(duì)最低尺度上的變化檢測(cè)特征進(jìn)行分類，得到最低尺度上的變化檢測(cè)結(jié)果；步驟S3 采用“由粗到精、逐層加細(xì)”的策略對(duì)最低尺度的變化檢測(cè)結(jié)果進(jìn)行逐層加細(xì)，根據(jù)當(dāng)前尺度的分類結(jié)果計(jì)算可靠區(qū)域和不可靠區(qū)域，對(duì)可靠區(qū)域的結(jié)果傳播到上一尺度，不可靠區(qū)域結(jié)果利用漸進(jìn)直推式支持向量機(jī)和多尺度變化特征重新分類，重復(fù)上述步驟直到最高尺度，輸出變化檢測(cè)結(jié)果。其中，每一尺度的每個(gè)像素的變化特征由多時(shí)相變化向量和變化幅度兩部分組成，多時(shí)相變化向量由兩幅圖像的在每個(gè)波段的小波低頻系數(shù)組成，變化幅度由兩幅圖像的在每個(gè)波段的小波低頻系數(shù)根據(jù)變化向量分析法計(jì)算得到。其中，某一尺度的多尺度多時(shí)相變化特征由該尺度的變化特征和所有更低尺度的變化幅度圖像經(jīng)插值后的變化特征組成。其中，得到最低尺度上的變化檢測(cè)結(jié)果的步驟包括如下步驟S21 在最低尺度上對(duì)多時(shí)相圖像分別采用基于Hessian矩陣的仿射不變的區(qū)域提取算子提取顯著區(qū)域，所有顯著區(qū)域的并集作為訓(xùn)練樣本區(qū)域；對(duì)于在最低尺度上的多時(shí)相圖像的每一個(gè)訓(xùn)練樣本區(qū)域，采用尺度不變特征變換特征描述子進(jìn)行描述；計(jì)算每對(duì)訓(xùn)練樣本區(qū)域的尺度不變特征變換特征描述子的相關(guān)系數(shù)，并對(duì)相關(guān)系數(shù)進(jìn)行升序排序，相關(guān)系數(shù)最小的20%訓(xùn)練區(qū)域作為變化類的訓(xùn)練區(qū)域，相關(guān)系數(shù)最大的20%訓(xùn)練區(qū)域作為非變化類的訓(xùn)練區(qū)域；步驟S22 在最低尺度下，將變化類訓(xùn)練區(qū)域?qū)?yīng)的變化特征組成正樣本，將非變化類訓(xùn)練區(qū)域?qū)?yīng)的變化特征組成負(fù)樣本；步驟S23 利用漸進(jìn)直推式支持向量機(jī)對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練；步驟S24 根據(jù)漸進(jìn)直推式支持向量機(jī)計(jì)算的模型對(duì)最低尺度變化特征進(jìn)行分類，得到最低尺度下的變化檢測(cè)結(jié)果。其中，對(duì)最低尺度的變化檢測(cè)結(jié)果逐層加細(xì)的步驟如下步驟S31 根據(jù)當(dāng)前尺度的分類結(jié)果計(jì)算可靠區(qū)域和不可靠區(qū)域，分類結(jié)果可靠性由當(dāng)前尺度的變化特征的分類結(jié)果決定，具體計(jì)算時(shí)，通過定義不可靠像素帶來描述不可靠的像素的集合，首先對(duì)某一尺度的變化結(jié)果圖像求出變化區(qū)域和非變化區(qū)域的邊緣， 以邊緣上的像素點(diǎn)為中心、與邊緣平行、寬度為d的帶狀區(qū)域內(nèi)的像素點(diǎn)為不可靠像素，可靠像素定義為不可靠像素帶外的區(qū)域；步驟S32 對(duì)可靠區(qū)域的結(jié)果傳播到上一尺度；不可靠區(qū)域結(jié)果利用漸進(jìn)直推式支持向量機(jī)和多尺度變化特征重新分類；步驟S33 不斷重復(fù)上述兩個(gè)步驟，直到最高尺度。其中，所述“由粗到精、逐層加細(xì)”策略是對(duì)可靠區(qū)域的結(jié)果進(jìn)行尺度傳播，對(duì)不可靠區(qū)域結(jié)果進(jìn)行加細(xì)。本發(fā)明所述方法對(duì)于提高變化檢測(cè)的精度、速度、魯棒性和自動(dòng)化程度具有重要的意義，其主要優(yōu)點(diǎn)如下1.本發(fā)明將原始多時(shí)相變化特征和相對(duì)變化幅度特征綜合利用，提高了變化特征和非變化特征的類間可分性，大大提高了變化檢測(cè)的精度。2.本發(fā)明充分利用了變化特征在不同尺度的可分性，將由粗到精、逐層加細(xì)的思想應(yīng)用到變化檢測(cè)領(lǐng)域，反映了人類視覺系統(tǒng)觀察變化時(shí)的層次性，提高了對(duì)配準(zhǔn)誤差、視角變化等因素的魯棒性，大大提高了計(jì)算效率。3.本發(fā)明充分發(fā)揮了多尺度變化檢測(cè)和機(jī)器學(xué)習(xí)的優(yōu)點(diǎn)，初始變化檢測(cè)時(shí)采用了漸進(jìn)直推式支持向量機(jī)，利用基于局部區(qū)域的變化檢測(cè)方法自動(dòng)提取訓(xùn)練樣本，即使在初始訓(xùn)練區(qū)域不太準(zhǔn)確的情況下，仍能自動(dòng)、自適應(yīng)的對(duì)訓(xùn)練樣本進(jìn)行調(diào)整，大大提高了自動(dòng)
化程度。得益于上述優(yōu)點(diǎn)，本發(fā)明使快速有效的高分辨率遙感圖像變化檢測(cè)成為可能，極大地提高了現(xiàn)有變化檢測(cè)系統(tǒng)的精度、速度、魯棒性和自動(dòng)化程度，可廣泛應(yīng)用于使用變化檢測(cè)進(jìn)行目標(biāo)監(jiān)測(cè)、災(zāi)害監(jiān)測(cè)的系統(tǒng)中。


圖1是本發(fā)明基于尺度傳播和漸進(jìn)直推式支持向量機(jī)的高分辨率遙感圖像變化檢測(cè)方法流程圖。圖2是新增訓(xùn)練樣本對(duì)分類面影響示意圖。圖3是不可靠像素的確定示意圖。圖4是不可靠像素的尺度依賴性示意圖。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。如圖1示出本發(fā)明提出一種基于尺度傳播和漸進(jìn)直推式支持向量機(jī)的高分辨率遙感圖像變化檢測(cè)方法，在遙感圖像處理領(lǐng)域，低分辨率、高分辨率有公認(rèn)的事實(shí)標(biāo)準(zhǔn)，現(xiàn)在一般認(rèn)為空間分辨率優(yōu)于1米/像素的遙感圖像為高分辨率遙感圖像，低于30米/像素為低分辨率，位于30米/像素至1米/像素的為中等分辨率。本發(fā)明中，尺度指分析圖像的尺度，與小波變換中的尺度對(duì)應(yīng)。對(duì)一幅圖像進(jìn)行S次小波分解，可得到一個(gè)層數(shù)為S+1 的多尺度圖像序列。本發(fā)明中，尺度0對(duì)應(yīng)原始圖像，尺度0為最高尺度，尺度S為最低尺度，尺度j是對(duì)原始圖像進(jìn)行j_l次小波分解后的低頻圖像，尺度j_l是尺度j的上一尺度， 尺度k(j < k < S)是尺度j的更低尺度。首先，步驟Sl 利用小波變換分別對(duì)已配準(zhǔn)多時(shí)相遙感圖像中兩幅圖像的每個(gè)波段進(jìn)行多尺度分解，提取每一個(gè)尺度上的變化特征，計(jì)算并得到多尺度多時(shí)相變化特征；多尺度變化特征提取步驟Si是基于小波變換生成的多尺度圖像序列提取的變化特征。變化對(duì)尺度具有依賴性，不同的尺度上可以得到不同的變化檢測(cè)結(jié)果。并且，在單一尺度上得到的變化檢測(cè)結(jié)果往往不可靠。人類的視覺系統(tǒng)在觀察圖像間的變化時(shí)，總是先觀察主要的變化，然后再觀察細(xì)微的變化，即變化具有層次性。為了反映變化對(duì)尺度的依賴性并利用人類視覺觀察變化時(shí)的層次性，需要提取多尺度變化特征。具體過程如下步驟Sll:對(duì)已配準(zhǔn)的兩幅圖像分別進(jìn)行多尺度分解。為了提取多尺度變化特征，對(duì)原始圖像= 1,2)利用小波變換生成兩個(gè)多尺度圖像序列 ；^二^^^…^^幻“^例，；^^是對(duì)原始圖像)^“ = 1,2)的第η個(gè)波段進(jìn)行小波分解后在尺度j的低頻分量，S是小波分解的次數(shù)，N是光譜的波段數(shù)，M在這里代表多尺度 Multiscale的意思，沒有數(shù)字上的含義。這里，小波的作用有兩個(gè)通過小波分解可以得到多尺度的變化特征，為后續(xù)的多尺度變化檢測(cè)做準(zhǔn)備；小波系數(shù)包含上下文信息，有助于提高可分性。步驟S12 提取多尺度變化特征。為了綜合利用不同波段的變化信息，利用變化向量分析法可得像素P在尺度j的變化為
權(quán)利要求
1.一種高分辨率遙感圖像的變化檢測(cè)方法，其特征在于，實(shí)現(xiàn)所述方法的步驟包括步驟Sl 利用小波變換分別對(duì)已配準(zhǔn)多時(shí)相遙感圖像中兩幅圖像的每個(gè)波段進(jìn)行多尺度分解，提取每一個(gè)尺度上的變化特征，計(jì)算并得到多尺度多時(shí)相變化特征；步驟S2:在最低尺度上，從多時(shí)相圖像中提取顯著區(qū)域，提取最低尺度下的變化特征訓(xùn)練樣本，利用局部特征和漸進(jìn)直推式支持向量機(jī)對(duì)最低尺度上的變化檢測(cè)特征進(jìn)行分類，得到最低尺度上的變化檢測(cè)結(jié)果；步驟S3 采用“由粗到精、逐層加細(xì)”的策略對(duì)最低尺度的變化檢測(cè)結(jié)果進(jìn)行逐層加細(xì)，根據(jù)當(dāng)前尺度的分類結(jié)果計(jì)算可靠區(qū)域和不可靠區(qū)域，對(duì)可靠區(qū)域的結(jié)果傳播到上一尺度，不可靠區(qū)域結(jié)果利用漸進(jìn)直推式支持向量機(jī)和多尺度變化特征重新分類，重復(fù)上述步驟直到最高尺度，輸出變化檢測(cè)結(jié)果。
2.根據(jù)權(quán)利要求1所述的遙感圖像的變化檢測(cè)方法，其特征在于，每一尺度的每個(gè)像素的變化特征由多時(shí)相變化向量和變化幅度兩部分組成，多時(shí)相變化向量由兩幅圖像的在每個(gè)波段的小波低頻系數(shù)組成，變化幅度由兩幅圖像的在每個(gè)波段的小波低頻系數(shù)根據(jù)變化向量分析法計(jì)算得到。
3.根據(jù)權(quán)利要求1所述的遙感圖像的變化檢測(cè)方法，其特征在于，某一尺度的多尺度多時(shí)相變化特征由該尺度的變化特征和所有更低尺度的變化幅度圖像經(jīng)插值后的變化特征組成。
4.根據(jù)權(quán)利要求1所述的遙感圖像的變化檢測(cè)方法，其特征在于，得到最低尺度上的變化檢測(cè)結(jié)果的步驟包括如下步驟S21 在最低尺度上對(duì)多時(shí)相圖像分別采用基于Hessian矩陣的仿射不變的區(qū)域提取算子提取顯著區(qū)域，所有顯著區(qū)域的并集作為訓(xùn)練樣本區(qū)域；對(duì)于在最低尺度上的多時(shí)相圖像的每一個(gè)訓(xùn)練樣本區(qū)域，采用尺度不變特征變換特征描述子進(jìn)行描述；計(jì)算每對(duì)訓(xùn)練樣本區(qū)域的尺度不變特征變換特征描述子的相關(guān)系數(shù)，并對(duì)相關(guān)系數(shù)進(jìn)行升序排序， 相關(guān)系數(shù)最小的20%訓(xùn)練區(qū)域作為變化類的訓(xùn)練區(qū)域，相關(guān)系數(shù)最大的20%訓(xùn)練區(qū)域作為非變化類的訓(xùn)練區(qū)域；步驟S22 在最低尺度下，將變化類訓(xùn)練區(qū)域?qū)?yīng)的變化特征組成正樣本，將非變化類訓(xùn)練區(qū)域?qū)?yīng)的變化特征組成負(fù)樣本；步驟S23 利用漸進(jìn)直推式支持向量機(jī)對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練；步驟S24 根據(jù)漸進(jìn)直推式支持向量機(jī)計(jì)算的模型對(duì)最低尺度變化特征進(jìn)行分類，得到最低尺度下的變化檢測(cè)結(jié)果。
5.根據(jù)權(quán)利要求1所述的遙感圖像的變化檢測(cè)方法，其特征在于，對(duì)最低尺度的變化檢測(cè)結(jié)果逐層加細(xì)的步驟如下步驟S31 根據(jù)當(dāng)前尺度的分類結(jié)果計(jì)算可靠區(qū)域和不可靠區(qū)域，分類結(jié)果可靠性由當(dāng)前尺度的變化特征的分類結(jié)果決定，具體計(jì)算時(shí)，通過定義不可靠像素帶來描述不可靠的像素的集合，首先對(duì)某一尺度的變化結(jié)果圖像求出變化區(qū)域和非變化區(qū)域的邊緣，以邊緣上的像素點(diǎn)為中心、與邊緣平行、寬度為d的帶狀區(qū)域內(nèi)的像素點(diǎn)為不可靠像素，可靠像素定義為不可靠像素帶外的區(qū)域；步驟S32 對(duì)可靠區(qū)域的結(jié)果傳播到上一尺度；不可靠區(qū)域結(jié)果利用漸進(jìn)直推式支持向量機(jī)和多尺度變化特征重新分類；步驟S33 不斷重復(fù)上述兩個(gè)步驟，直到最高尺度。
6.根據(jù)權(quán)利要求5所述的遙感圖像的變化檢測(cè)方法，其特征在于，所述“由粗到精、逐層加細(xì)”策略是對(duì)可靠區(qū)域的結(jié)果進(jìn)行尺度傳播，對(duì)不可靠區(qū)域結(jié)果進(jìn)行加細(xì)。
全文摘要
本發(fā)明是一種高分辨率遙感圖像變化檢測(cè)方法，包括步驟S1提取圖像多尺度變化特征；步驟S2在最低尺度上，利用局部特征和漸進(jìn)直推式支持向量機(jī)計(jì)算最低尺度上的變化檢測(cè)結(jié)果；步驟S3采用“由粗到精、逐層加細(xì)”的策略對(duì)最低尺度的變化檢測(cè)結(jié)果進(jìn)行逐層加細(xì)。本發(fā)明方法綜合利用了不同尺度下變化特征的可分性，反映了變化的尺度依賴性；采用“由粗到精、逐層加細(xì)”的多尺度變化檢測(cè)策略，反映了變化的尺度傳播特性，模擬了人眼在觀察變化時(shí)的層次性，大大提高了計(jì)算效率和魯棒性。本發(fā)明可以廣泛應(yīng)用于災(zāi)害檢測(cè)、目標(biāo)監(jiān)測(cè)、電子地圖更新等諸多應(yīng)用系統(tǒng)中。
文檔編號(hào)G06K9/62GK102169545SQ201110103718
公開日2011年8月31日 申請(qǐng)日期2011年4月25日 優(yōu)先權(quán)日2011年4月25日
發(fā)明者潘春洪, 霍春雷 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所