專利名稱：基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及圖像檢測(cè)方法，可用于圖像增強(qiáng)、模式識(shí)別、 目標(biāo)跟蹤等技術(shù)領(lǐng)域中。
背景技術(shù)：
變化檢測(cè)技術(shù)從處理遙感數(shù)據(jù)的光譜波段數(shù)的多少可以分為多波段多時(shí)相遙感圖像變化檢測(cè)和單波段多時(shí)相遙感圖像變化檢測(cè)。其中多波段遙感數(shù)據(jù)為變化檢測(cè)提供了豐富的信息源，通常采用數(shù)據(jù)變換的方法對(duì)多個(gè)波段的數(shù)據(jù)進(jìn)行處理，使變化信息集中到少數(shù)的幾個(gè)特征上。應(yīng)用于多波段多時(shí)相遙感圖像變化檢測(cè)中的圖像變換技術(shù)包括主成分分析法PCA、典型相關(guān)分析法MAD、穗帽變換TCT、Gram-Schmidt變換、HSI變換和 Chi-square變換等。然而隨著數(shù)據(jù)量的增大，多波段多時(shí)相圖像數(shù)據(jù)冗余過(guò)量，其變化檢測(cè)技術(shù)與比單波段遙感圖像檢測(cè)技術(shù)相比更為復(fù)雜，因此目前大多數(shù)變化檢測(cè)技術(shù)集中在單波段多時(shí)相遙感圖像變化檢測(cè)方面。遙感圖像的變化檢測(cè)主要有兩個(gè)核心步驟其一是關(guān)于兩時(shí)相遙感圖像的差異影像圖的構(gòu)造方法；其二就是對(duì)該差異圖影像圖的分類，包括變化類和非變化類。因此，我們可將該分類問(wèn)題轉(zhuǎn)化為一種圖像分割的問(wèn)題，若選用閾值分割方法，則涉及到圖像分割中如何快速而準(zhǔn)確選擇最優(yōu)閾值的問(wèn)題。為了加快最優(yōu)閾值的搜索速度，已有算法大都是通過(guò)以增加存儲(chǔ)空間為代價(jià)來(lái)提高分割速度的。在各種現(xiàn)有的檢測(cè)方法中，分類后比較法和直接比較法是普遍使用的主要的變化檢測(cè)方法。分類后比較法一方面工作量大、效率不高，由于受到分類誤差累積效應(yīng)的影響， 變化檢測(cè)精度難以保證。而各種直接比較法雖然在效率和精度上較分類后比較法有所提高，但卻存在著以下幾個(gè)方面的關(guān)鍵問(wèn)題(1)圖像間的配準(zhǔn)誤差、噪聲等因素帶來(lái)的影響比較敏感，變化檢測(cè)結(jié)果中雜點(diǎn)問(wèn)題較為嚴(yán)重。(2)對(duì)算術(shù)運(yùn)算得到的差異圖像中變化類和非變化類建模計(jì)算最優(yōu)閾值的方法， 是在假設(shè)兩類符合某種分布的條件下計(jì)算兩類的概率密度，然而事實(shí)上差異圖像中兩類并不是完全符合某種分布，因此這樣計(jì)算得到的閾值存在較大偏差。

發(fā)明內(nèi)容
本發(fā)明目的在于針對(duì)上述已有技術(shù)的問(wèn)題，提出一種基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，以降低變化檢測(cè)中所求的閾值誤差，減少遙感圖像受噪聲影響而產(chǎn)生的雜點(diǎn)，使得變化檢測(cè)結(jié)果達(dá)到最低的總檢測(cè)錯(cuò)誤數(shù)。實(shí)現(xiàn)本發(fā)明目的技術(shù)思路是將遙感圖像的變化檢測(cè)問(wèn)題轉(zhuǎn)化為圖像分割問(wèn)題，再把分割問(wèn)題轉(zhuǎn)化為最優(yōu)化問(wèn)題，提出將對(duì)數(shù)比值算子構(gòu)造的差異圖的總熵函數(shù)作為克隆選擇算法中的親和度函數(shù)，通過(guò)克隆選擇方法最后選擇出差異圖分類的最優(yōu)閾值，得到新的圖像變化檢測(cè)方法，其具體實(shí)現(xiàn)過(guò)程如下
4
(1)用對(duì)數(shù)比值算子構(gòu)造兩時(shí)相遙感圖像的差異影像圖DI ；(2)采用8位二進(jìn)制編碼方式初始化種群，并設(shè)定最大迭代次數(shù)為50，當(dāng)前迭代次數(shù)g為0，初始種群規(guī)模N為10;(3)利用最佳閾值算法計(jì)算種群的親合度，并對(duì)親合度進(jìn)行降序排序；(4)用克隆選擇算法對(duì)種群進(jìn)行如下操作，得到新一代種群；(4a)依據(jù)親合度和設(shè)定的抗體克隆規(guī)模對(duì)每個(gè)個(gè)體進(jìn)行克隆操作，生成新個(gè)體， 克隆規(guī)模和抗體-抗原的親合度成正比，其中克隆規(guī)模為Ns = 3(N-i)+5, i表示降序排序后親合度對(duì)抗體種群的第i個(gè)排列序號(hào)；(4b)對(duì)生成的每個(gè)新個(gè)體進(jìn)行單點(diǎn)變異操作，計(jì)算變異后的新個(gè)體的親合度并進(jìn)行降序排序，用親合度最大的個(gè)體取代當(dāng)前被克隆的個(gè)體，生成新個(gè)體；(4c)對(duì)生成的每個(gè)新個(gè)體進(jìn)行克隆選擇操作，對(duì)克隆選擇完成的整體種群進(jìn)行親合度計(jì)算并降序排序，得到新種群，保存親和度最大的個(gè)體；(5)令當(dāng)前迭代次數(shù)為g = g+Ι，若當(dāng)前迭代次數(shù)達(dá)到最大迭代次數(shù)50，則進(jìn)行步驟(6)，否則，返回步驟(3)；(6)對(duì)保存的個(gè)體進(jìn)行親合度大小排序，親合度最大值所對(duì)應(yīng)的個(gè)體為最優(yōu)閾值；(7)利用得到的最優(yōu)閾值對(duì)差異影像圖進(jìn)行閾值分割，得到初始變化檢測(cè)結(jié)果圖；(8)對(duì)初始變化檢測(cè)結(jié)果圖用形態(tài)學(xué)方法進(jìn)行優(yōu)化，得到遙感圖像的最終變化檢測(cè)結(jié)果。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)1)本發(fā)明由于將克隆選擇原理和最佳熵閾值方法結(jié)合，可較準(zhǔn)確的得到變化檢測(cè)中所需要的最優(yōu)閾值；2)本發(fā)明由于對(duì)初始結(jié)果圖進(jìn)行形態(tài)學(xué)處理，減少遙感圖像受噪聲影響而產(chǎn)生的雜點(diǎn)，較好地平衡了變化檢測(cè)的錯(cuò)檢個(gè)數(shù)和漏檢個(gè)數(shù)，以達(dá)到最低的總檢測(cè)錯(cuò)誤數(shù)。


圖1是本發(fā)明的流程框圖；圖2是本發(fā)明仿真使用的伯納地區(qū)的SAR圖像；圖3是本發(fā)明仿真使用的渥太華地區(qū)的SAR圖像；圖4是本發(fā)明仿真使用的墨西哥郊外的SAR圖像；圖5是本發(fā)明仿真使用的撒丁島地區(qū)的SAR圖像；圖6是伯納數(shù)據(jù)的變化檢測(cè)結(jié)果圖；圖7是渥太華數(shù)據(jù)的變化檢測(cè)結(jié)果圖；圖8是墨西哥數(shù)據(jù)的變化檢測(cè)結(jié)果圖；圖9是撒丁島數(shù)據(jù)的變化檢測(cè)結(jié)果圖。
具體實(shí)施例方式參照?qǐng)D1，本發(fā)明的具體實(shí)現(xiàn)步驟如下
步驟1，構(gòu)造兩時(shí)相遙感圖像的差異影像圖DI。用I1和I2分別表示兩時(shí)相遙感圖像，先將I1和I2相比，然后取其比值的對(duì)數(shù)，得到兩時(shí)相遙感圖像的差異影像圖DI = Iogd1A2K步驟2，初始化種群，并設(shè)定參數(shù)。由于原始灰度圖像的灰度范圍在0到255之間，灰度的取值有28種可能，故采用 8位二進(jìn)制編碼方式初始化種群，隨機(jī)產(chǎn)生8位二進(jìn)制數(shù)碼作為種群的個(gè)體，并設(shè)定最大迭代次數(shù)為50，當(dāng)前迭代次數(shù)g為0，初始種群規(guī)模N為10。步驟3，計(jì)算種群的親合度，并對(duì)親合度進(jìn)行降序排序。首先，用最佳閾值算法計(jì)算種群的親合度，計(jì)算公式如下
權(quán)利要求
1.一種基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，包括如下步驟(1)用對(duì)數(shù)比值算子構(gòu)造兩時(shí)相遙感圖像的差異影像圖DI；(2)采用8位二進(jìn)制編碼方式初始化種群，并設(shè)定最大迭代次數(shù)為50，當(dāng)前迭代次數(shù)g 為0，初始種群規(guī)模N為10;(3)利用最佳閾值算法計(jì)算種群的親合度，并對(duì)親合度進(jìn)行降序排序；(4)用克隆選擇算法對(duì)種群進(jìn)行如下操作，得到新一代種群；(4a)依據(jù)親合度和設(shè)定的抗體克隆規(guī)模對(duì)每個(gè)個(gè)體進(jìn)行克隆操作，生成新個(gè)體，克隆規(guī)模和抗體-抗原的親合度成正比，其中克隆規(guī)模為, i表示降序排序后親合度對(duì)抗體種群的第i個(gè)排列序號(hào)；(4b)對(duì)生成的每個(gè)新個(gè)體進(jìn)行單點(diǎn)變異操作，計(jì)算變異后的新個(gè)體的親合度并進(jìn)行降序排序，用親合度最大的個(gè)體取代當(dāng)前被克隆的個(gè)體，生成新個(gè)體；(4c)對(duì)生成的每個(gè)新個(gè)體進(jìn)行克隆選擇操作，對(duì)克隆選擇完成的整體種群進(jìn)行親合度計(jì)算并降序排序，得到新種群，保存親和度最大的個(gè)體；(5)令當(dāng)前迭代次數(shù)為
2.根據(jù)權(quán)利要求1所述的基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，其中步驟(1)用對(duì)數(shù)比值算子構(gòu)造兩時(shí)相遙感圖像的差異影像圖DI，采用如下公式進(jìn)行DI = Iog(I1A2),式中I1和I2分別表示兩時(shí)相遙感圖像。
3.根據(jù)權(quán)利要求1所述的基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，其中步驟(3)所述的利用最佳閾值算法計(jì)算種群的親合度，利用如下公式計(jì)算
4.根據(jù)權(quán)利要求1所述的基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，其中步驟Gb)所述的計(jì)算變異后的新個(gè)體的親合度，利用如下公式計(jì)算
5.根據(jù)權(quán)利要求1所述的基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，其中步驟Ge)所述的對(duì)克隆選擇完成的整體種群進(jìn)行親合度計(jì)算，利用如下公式進(jìn)行
6.根據(jù)權(quán)利要求1所述的基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，其中步驟(7)利用得到的最優(yōu)閾值對(duì)差異影像圖進(jìn)行閾值分割，得到初始變化檢測(cè)結(jié)果圖，是用差異影像圖各像素點(diǎn)的灰度與最優(yōu)閾值相比較，若灰度大于或等于最優(yōu)閾值，其像素點(diǎn)的灰度設(shè)為255，若灰度小于最優(yōu)閾值，其像素點(diǎn)的灰度設(shè)為0，即可得到初始檢測(cè)結(jié)果圖二值圖像A。
7.根據(jù)權(quán)利要求1所述的基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，其中步驟(8)對(duì)初始變化檢測(cè)結(jié)果圖用形態(tài)學(xué)方法進(jìn)行優(yōu)化，得到遙感圖像的最終變化檢測(cè)結(jié)果，按如下步驟進(jìn)行
全文摘要
本發(fā)明公開(kāi)了一種基于克隆選擇的最佳熵閾值的遙感圖像變化檢測(cè)方法，其實(shí)現(xiàn)步驟為(1)用對(duì)數(shù)比值算子構(gòu)造兩時(shí)相遙感圖像的差異影像圖；(2)初始化種群，并設(shè)定參數(shù)；(3)利用最佳閾值算法計(jì)算種群的親合度，并對(duì)親合度進(jìn)行降序排序；(4)依據(jù)克隆選擇算法對(duì)每個(gè)個(gè)體進(jìn)行克隆選擇操作，產(chǎn)生新的種群，保存種群中親和度最大的個(gè)體；(5)判斷是否達(dá)到終止條件，未達(dá)到則返回步驟(3)，否則保存結(jié)果中的每個(gè)個(gè)體進(jìn)行親合度大小排序，將親合度最大值所對(duì)應(yīng)的個(gè)體作為最優(yōu)閾值；(6)利用最優(yōu)閾值對(duì)差異影像圖進(jìn)行閾值分割，得到初始變化檢測(cè)結(jié)果；(7)用形態(tài)學(xué)處理初始變化檢測(cè)結(jié)果圖，得到最終變化檢測(cè)結(jié)果。本發(fā)明具有穩(wěn)定、有效和總檢測(cè)錯(cuò)誤數(shù)較低的優(yōu)點(diǎn)。
文檔編號(hào)G06T7/00GK102509297SQ201110359600
公開(kāi)日2012年6月20日 申請(qǐng)日期2011年11月14日 優(yōu)先權(quán)日2011年11月14日
發(fā)明者侯彪, 公茂果, 尚榮華, 張曄, 焦李成, 王爽, 石永安, 馬文萍, 馬晶晶 申請(qǐng)人:西安電子科技大學(xué)