專利名稱：基于差異圖模糊隸屬度融合的遙感圖像變化檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，主要涉及遙感圖像變化檢測，具體是一種基于差異圖模糊隸屬度融合的遙感圖像變化檢測方法，可用于遙感圖像分析和處理。
背景技術(shù)：
遙感圖像的變化檢測是通過分析和提取同一地區(qū)不同時相的遙感圖像之間存在的電磁波譜特征差異或空間結(jié)構(gòu)特征差異，來識別物體的狀態(tài)變化或現(xiàn)象變化的過程。在國民經(jīng)濟和國防建設(shè)的諸多領(lǐng)域已得到廣泛應(yīng)用，如農(nóng)業(yè)調(diào)查、森林和植被變化監(jiān)測、城區(qū)擴展監(jiān)測、軍事目標監(jiān)測等。常見的遙感圖像變化檢測方法的一般步驟是先構(gòu)造差異圖，然后選取適當(dāng)?shù)拈撝祵⒉町悎D分為變化類和非變化類。其中差異圖的構(gòu)造和對差值圖的處理是圖像變化檢測的重要步驟。比較簡單的差異圖像構(gòu)造方法有差值法，這種方法易于實現(xiàn)但是構(gòu)造出的差異圖噪聲較多，需要有效的方法對差異圖中的噪聲進行處理。將差異圖像中化較劇烈的噪聲去除，將灰度值不大的變化類像素進行增強，能有效提高差異圖的質(zhì)量，使檢測結(jié)果更準確。為了構(gòu)造較好的差異圖，一些學(xué)者通過度量兩時相圖像對應(yīng)像素灰度值的相似度來構(gòu)造差異圖，Inglada 和 Mercier (2007)在文章 “A New Statistical SimilarityMeasure for Change Detection in Multitemporal SAR Images and Its Extensionto Multiscale Change Analysis, IEEE Transactions on Geoscience and RemoteSensing, 2007，45 (5): 1432-1445”中提出了一種基于統(tǒng)計相似度的SAR圖像變化檢測方法，該方法用KL散度衡量兩時相圖像對應(yīng)像素鄰域的統(tǒng)計相似度來構(gòu)造差異圖，然后閾值分割差異圖得到變化結(jié)果，該方法是對局部直方圖建模，但是局部區(qū)域的像素很少，很難有效的對其建模，所以該方法的檢測結(jié)果較差。He(2010)在文章“Application of EuclideanNorm in Mult1-temporal Remote Sensing Image Change Detection, InternationalCongress on Image and Signal Processing (CISP，2010)，2010，5:2111-2115” 中提出了一種基于歐式距離的變化檢測方法，該方法通過計算多個波段的兩時相遙感圖像的歐式距離來構(gòu)造差異圖，然后對差異圖進行閾值分割得到變化結(jié)果，該方法能夠有效地減少部分噪聲的影響但檢測結(jié)果仍存在較多偽變化信息。為了合并不同差異圖的優(yōu)點，一些學(xué)者對不同的差異圖進行了融合，馬國銳等學(xué)者(2006)在文章“基于融合和廣義高斯模型的遙感影像變化檢測，遙感學(xué)報，2006，10(6):847-853"中提出了用乘積融合策略來融合差值圖和比值圖的方法，該方法能夠抑制背景，在一定程度上增強變化區(qū)域，但是該方法并不穩(wěn)定，有時也會抑制變化區(qū)域。汪閩和張星月(2010)在文章“多特征證據(jù)融合的遙感圖像變化檢測.遙感學(xué)報，2010，14(2):1-7”中提出了用證據(jù)理論融合方法融合多種特征差異圖的方法，該方法提高了單一特征檢測方法的檢測精度，但該方法采用的結(jié)構(gòu)相似度度量方法不穩(wěn)定，從而降低了檢測結(jié)果的正確率。Du 等(2012)在文章“Fusion of Difference Images for ChangeDetection over Urban Areas, IEEE Journal of Selected Topics in Applied EarthObserbations and Remote Sensing, 2012，5(4): 1076-1086”中提出了對多種差異圖進行特征級和決策級融合的變化檢測方法，該方法合并了多種差異圖的優(yōu)點，提高了變化檢測的正確率，但該方法并沒有根據(jù)差異圖的優(yōu)缺點有針對性的融合差異圖，所以檢測結(jié)果的正確率提高不多，有時可能會下降。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述變換檢測技術(shù)的不足，提出了一種基于差異圖模糊隸屬度融合的遙感圖像變化檢測方法，以降低噪聲對檢測結(jié)果的影響，減少檢測結(jié)果中的偽變化信息，提高檢測結(jié)果的正確率。為實現(xiàn)上述目的，本發(fā)明的檢測方法包括如下步驟:(I)輸入的兩幅大小均為IXJ的同一地區(qū)不同時相的已配準的遙感圖像X1和X2,計算這兩幅遙感圖像X1和X2對應(yīng)像素點的結(jié)構(gòu)相似度系數(shù)SIM(m，η)，得到一個相似度系數(shù)矩陣SIM:
權(quán)利要求
1.一種基于差異圖模糊隸屬度融合的遙感圖像變化檢測方法，其特征在于:包括如下步驟: (1)輸入的兩幅大小均為IXJ的同一地區(qū)不同時相的已配準的遙感圖像X1和X2，計算這兩幅遙感圖像X1和X2對應(yīng)像素點的結(jié)構(gòu)相似度系數(shù)SM(m，η)，得到一個相似度系數(shù)矩陣SM:
2.根據(jù)權(quán)利要求1所述的遙感圖像變化檢測方法，其特征在于:步驟(4)所述的對濾波后差值圖Xf進行統(tǒng)計直方圖閾值分割，得到初始分類圖Xm，按如下步驟進行: (4a)對差值差異圖Xd進行窗口大小為3X3的中值濾波，得到濾波后差值圖Xf ； (4b)對濾波后差值圖Xf，將滿足條件
3.根據(jù)權(quán)利要求1所述的遙感圖像變化檢測方法，其特征在于:步驟(5)所述的根據(jù)濾波后差值圖Xf的灰度值范圍和初始分類圖Xm，對差值差異圖Xd中的像素點進行類別標記，得到一幅類別標記圖xb，按如下步驟進行: (5a)計算初始分類圖Xm中變化類像素形成的各個區(qū)域的面積，如果面積小于70，則將初始分類圖Xm中該區(qū)域內(nèi)的像素標記賦值為2，否則像素標記不變； (5b)計算濾波后差值圖Xf的最大灰度值Nmax,如果Nmax大于灰度級閾值T，初始分類圖Xm則為類別標記圖\，結(jié)束；否則，轉(zhuǎn)到(5c),其中灰度級閾值T為一個常數(shù),取值范圍為·100 150 ； (5c)對初始分類圖Xm中標記為I的像素形成的區(qū)域，進行結(jié)構(gòu)元素為3X3的方形窗的數(shù)學(xué)形態(tài)學(xué)膨脹，得到小擴展圖像Xml，并將小擴展圖像Xml中點(m，n)的像素值記為Xml (m, η)； (5d)對初始分類圖Xm中標記為I的像素形成的區(qū)域，進行結(jié)構(gòu)元素為7X7的方形窗的數(shù)學(xué)形態(tài)學(xué)膨脹，得到大擴展圖像Xm2，并將大擴展圖像Xm2中點(m，n)的像素值記為Xm2 (m, η)； (5e)將大擴展圖像Xm2和小擴展圖像Xml空間對應(yīng)位置(m，η)處的像素點灰度值進行差值計算，得到差值Xm3 (m, n) =Xm2 (m, n) -Xml (m, η),由此得到一幅擴展差值圖像Xm3= {Xm3 (m, η)},其中Xm3(m，η)為擴展差值圖像Xm3中點(m，η)處的像素值； (5f)建立一幅與初始分類圖像相同大小的類別標記圖Xb，并按以下五種情況對該圖像中點(m，n)處的像素值Xb (m，η)進行賦值: 對滿足條件Xm (m, η) =2的像素點(m, η),將類別標記圖Xb中該像素點的值Xb (m, η)標記為2 ； 對滿足條件Xm (m, η)古2且Xm3 (m, n) =1的像素點(m, η),將類別標記圖Xb中該像素點的值Xb (m, η)標記為3 ； 對滿足條件Xm (m, η)古2且Xml (m, n) =1的像素點(m, η),將類別標記圖Xb中該像素點的值Xb (m, η)標記為I ; 對滿足條件Xm (m, n) =O的像素點(m, η),將類別標記圖Xb中該像素點的值Xb (m, η)標記為O ; 對不滿足以上四種條件的像素點(m，η)，將類別標記圖Xb中該像素點的值Xb(m，η)標記為O。
4.根據(jù)權(quán)利要求1所述的遙感圖像變化檢測方法，其特征在于:步驟(6)所述的根據(jù)類別標記圖Xb中位置(m，n)處的像素值，對差值差異圖Xd中位置(m，n)處的像素進行濾波，得到去噪差值圖Xn，按如下規(guī)則進行: 對滿足條件Xb(m，n)=0的像素點，計算差值差異圖Xd中該像素點的9X9大小的窗口內(nèi)所有像素的中值，將該中值賦給去噪差值圖Xn中點(m，n)處的像素值XN(m，n)； 對滿足條件Xb(m，η) =1的像素點，將差值差異圖Xd中該像素點的值Xd(m，η)賦給去噪差值圖Xn中點(m，η)處的像素值Xn (m，η)； 對滿足條件Xb(m，η) =2的像素點，計算差值差異圖Xd中該像素點的11X11大小的窗口內(nèi)所有像素的中值，將該中值賦給去噪差值圖Xn中點(m，n)處的像素值XN(m，n)； 如果存在滿足條件Xb(m，η) =3的像素點，則計算差值差異圖Xd中該像素點的高斯尺度為3X3的高斯核函數(shù)的值，將該值賦給去噪差值圖Xn中點(m，n)處的像素值XN(m，n)；所有像素點(m，η)的值Xn (m，η)構(gòu)成去噪差值圖XN={XN(m，η)}。
全文摘要
本發(fā)明公開一種基于差異圖模糊隸屬度融合的遙感圖像變化檢測方法，主要解決現(xiàn)有變化檢測方法不能既有效去除偽變化信息又保持邊緣信息的問題。其實現(xiàn)過程是輸入兩幅不同時相的遙感圖像，計算其對應(yīng)像素點的結(jié)構(gòu)相似度系數(shù)，得到一幅相似度差異圖；對兩幅遙感圖像做差得到一幅差值圖像；對差值圖的像素進行類別標記得到一幅類別標記圖；根據(jù)類別標記圖對差值圖進行濾波處理得到一幅去噪差值圖；對相似度差異圖和去噪差異圖進行模糊隸屬度融合并分類得到變化檢測結(jié)果。本發(fā)明具有較強的抗噪性，能有效去除偽變化信息，同時保留較好的邊緣信息，檢測結(jié)果準確率高，可用于城區(qū)擴展監(jiān)測、森林和植被變化監(jiān)測。
文檔編號G06T7/00GK103198482SQ20131011762
公開日2013年7月10日 申請日期2013年4月7日 優(yōu)先權(quán)日2013年4月7日
發(fā)明者王桂婷, 焦李成, 劉博偉, 公茂果, 鐘樺, 王爽, 張小華 申請人:西安電子科技大學(xué)