基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)一種基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法,輸入兩時(shí)相已配準(zhǔn)的高分辨率光學(xué)遙感影像,對(duì)輸入的高分辨率影像進(jìn)行多分辨率分割;對(duì)分割的單元(對(duì)象)進(jìn)行變化的檢測(cè),計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域;將測(cè)結(jié)果進(jìn)行基于投票法的融合,以獲得更加穩(wěn)健和精度較高的變化檢測(cè)結(jié)果。
【專(zhuān)利說(shuō)明】基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及高空間分辨率光學(xué)遙感影像變化檢測(cè),具體是一種基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法,該方法可以用來(lái)解決高空間分辨率多光譜遙感影像變化檢測(cè)精度不高的問(wèn)題,屬于遙感影像處理【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]隨著多時(shí)相高分辨率遙感數(shù)據(jù)的不斷積累以及空間數(shù)據(jù)庫(kù)的相繼建立,如何從這些遙感數(shù)據(jù)中提取和檢測(cè)變化信息已成為遙感科學(xué)和地理信息科學(xué)的重要研究課題。根據(jù)同一區(qū)域不同時(shí)相的遙感影像,可以提取城市、環(huán)境等動(dòng)態(tài)變化的信息,為資源管理與規(guī)劃、環(huán)境保護(hù)等部門(mén)提供科學(xué)決策的依據(jù)。我國(guó)“十二五”將加大拓展實(shí)施“十一五”已啟動(dòng)實(shí)施的高分辨率對(duì)地觀(guān)測(cè)工程,關(guān)注包括高分辨率遙感目標(biāo)與空間環(huán)境特征分析及高可靠性自動(dòng)解譯等基礎(chǔ)理論與關(guān)鍵技術(shù)研究,正在成為解決國(guó)家安全和社會(huì)經(jīng)濟(jì)發(fā)展重大需求的研究焦點(diǎn)。
[0003]遙感影像的變化檢測(cè)就是從不同時(shí)期的遙感數(shù)據(jù)中,定量地分析和確定地表變化的特征與過(guò)程。各國(guó)學(xué)者從不同的角度和應(yīng)用研究提出了許多有效的檢測(cè)算法,如變化矢量分析法(Change Vector Analysis,CVA)、分類(lèi)后比較法等。然而,上述這些傳統(tǒng)的變化檢測(cè)方法應(yīng)用于高分辨率(光學(xué))遙感影像時(shí),又會(huì)出現(xiàn)新的難點(diǎn)和問(wèn)題,比如(I)空間分辨率的提高會(huì)產(chǎn)生“同物異譜”和“同譜異物”現(xiàn)象,從而導(dǎo)致變化類(lèi)和非變化類(lèi)的可分性降低;
(2)圖像相鄰像素之間高度相關(guān)。
[0004]針對(duì)上述難點(diǎn)和存在的問(wèn)題,許多學(xué)者試圖通過(guò)對(duì)傳統(tǒng)算法的改進(jìn),或者引入諸(較)多約束條件。盡管這些檢測(cè)方法都具有一定的潛力,但是高分辨率影像檢測(cè)環(huán)境的復(fù)雜化以及目標(biāo)先驗(yàn)信息匱乏等,導(dǎo)致這些算法都存在著一定的局限性。為此,有必要研究新的高分辨率可見(jiàn)光遙感圖像變化檢測(cè)技術(shù)來(lái)有效克服上述難點(diǎn)。
【發(fā)明內(nèi)容】
[0005]發(fā)明目的:高空間分辨率遙感影像背景信息復(fù)雜、噪聲干擾嚴(yán)重,使得變化檢測(cè)所面臨的問(wèn)題采用常規(guī)的變化檢測(cè)方法難以解決。本發(fā)明在對(duì)高分辨率遙感影像進(jìn)行分割的基礎(chǔ)上,對(duì)分割的單元(對(duì)象)進(jìn)行變化的檢測(cè),并采用融合的策略,將多種檢測(cè)結(jié)果進(jìn)行基于投票法的融合,以獲得更加穩(wěn)健和精度較高的變化檢測(cè)結(jié)果。
[0006]技術(shù)方案:一種基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法,包括下述步驟:
[0007]步驟1:輸入兩時(shí)相已配準(zhǔn)的高分辨率光學(xué)遙感影像,分別記為=X1和X2。
[0008]步驟2:對(duì)輸入的高分辨率影像進(jìn)行多分辨率分割:
[0009]2a)分別在尺度I1、在尺度I2、在尺度I3上分別對(duì)Xp X2> X1和X2組合的影像進(jìn)行多尺度分割,分割后的影像分別記為Sp S2和S3。[0010]2b)將S1疊加到X2,根據(jù)S1的每一個(gè)對(duì)象邊界確定X2的相對(duì)應(yīng)的對(duì)象邊界,從而獲得X2的分割影像X2si。
[0011]2c)將S2疊加到X1,根據(jù)S2的每一個(gè)對(duì)象邊界確定X1的相對(duì)應(yīng)的對(duì)象邊界,從而獲得X1的分割影像Xis2。
[0012]2d)將S3分別疊加到X1和X2,根據(jù)S3的每一個(gè)對(duì)象邊界分別確定X1和X2的相對(duì)應(yīng)的對(duì)象邊界,從而獲得X1和X2的分割影像Xis3和x2S3。
[0013]2e)將S1和S2進(jìn)行并集操作,獲得分割影像S12。
[0014]2f)將S12分別疊加到X1和X2,根據(jù)S12的每一個(gè)對(duì)象邊界分別確定X1和X2的相對(duì)應(yīng)的對(duì)象邊界,從而獲得X1和X2的分割影像Xisi2和x2S12。
[0015]步驟3:對(duì)所得到的S1和X2si進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域。
[0016]步驟4:對(duì)所得到的S2和Xis2進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域。
[0017]步驟5:對(duì)所得到的Xis3和X2s3進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域。
[0018]步驟6:對(duì)所得到的Xm2和X2si2進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域。
[0019]步驟7:將步驟3-6的檢測(cè)結(jié)果進(jìn)行基于投票法的融合,獲得最終的檢測(cè)結(jié)果。
[0020]有益效果:與現(xiàn)有技術(shù)相比,本發(fā)明提供的基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法,具有如下優(yōu)點(diǎn):
[0021](I)在變化檢測(cè)中采用面向?qū)ο蟮姆椒?,可以提取更多?duì)象特征,特別是對(duì)象間的空間關(guān)系,使得遙感的變化檢測(cè)更有利于知識(shí)的結(jié)合應(yīng)用,也更能有效地利用影像所具有的多特征優(yōu)勢(shì)。
[0022](2)變化檢測(cè)中,采用融合的策略,融合多種方法的檢測(cè)結(jié)果,可以使得變化檢測(cè)的結(jié)果更加可靠,也更加具有穩(wěn)健性。
【專(zhuān)利附圖】
【附圖說(shuō)明】
[0023]圖1為本發(fā)明方法實(shí)現(xiàn)流程圖。
【具體實(shí)施方式】
[0024]下面結(jié)合具體實(shí)施例,進(jìn)一步闡明本發(fā)明,應(yīng)理解這些實(shí)施例僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍,在閱讀了本發(fā)明之后,本領(lǐng)域技術(shù)人員對(duì)本發(fā)明的各種等價(jià)形式的修改均落于本申請(qǐng)所附權(quán)利要求所限定的范圍。
[0025]如圖1所示,基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法,實(shí)現(xiàn)步驟如下:[0026]步驟1:輸入兩時(shí)相已配準(zhǔn)的高分辨率光學(xué)遙感影像,分別記為=X1和X2。
[0027]步驟2:對(duì)輸入的高分辨率影像進(jìn)行多分辨率分割,在尺度hs。下,采用的多分辨率分割包括如下步驟:
[0028]I)計(jì)算對(duì)象的光譜(spectral)異質(zhì)性指標(biāo)hMlOT:
[0029]
【權(quán)利要求】
1.一種基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法,其特征在于,包括下述步驟: 步驟1:輸入兩時(shí)相已配準(zhǔn)的高分辨率光學(xué)遙感影像,分別記為=X1和X2 ; 步驟2:對(duì)輸入的高分辨率影像進(jìn)行多分辨率分割: 2a)分別在尺度I1、在尺度I2、在尺度I3上分別對(duì)Xp X2> X1和X2組合的影像進(jìn)行多尺度分割,分割后的影像分別記為SpS2和S3 ; 2b)將S1疊加到X2,根據(jù)S1的每一個(gè)對(duì)象邊界確定X2的相對(duì)應(yīng)的對(duì)象邊界,從而獲得X2的分割影像X2si ; 2c)將S2疊加到X1,根據(jù)S2的每一個(gè)對(duì)象邊界確定X1的相對(duì)應(yīng)的對(duì)象邊界,從而獲得X1的分割影像Xis2 ; 2d)將S3分別疊加到X1和X2,根據(jù)S3的每一個(gè)對(duì)象邊界分別確定X1和X2的相對(duì)應(yīng)的對(duì)象邊界,從而獲得X1和X2的分割影像Xis3和X2s3 ; 2e)將S1和S2進(jìn)行并集操作,獲得分割影像S12 ; 2f)將S12分別疊加到X1和X2,根據(jù)S12的每一個(gè)對(duì)象邊界分別確定X1和X2的相對(duì)應(yīng)的對(duì)象邊界,從而獲得X1和X2的分割影像Xisi2和X2si2 ; 步驟3:對(duì)所得到的S1和X2si進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域;` 步驟4:對(duì)所得到的S2和Xis2進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域; 步驟5:對(duì)所得到的Xis3和X2s3進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域; 步驟6:對(duì)所得到的Xisi2和X2si2進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量,并根據(jù)卡方分布確定影像的變化區(qū)域和非變化區(qū)域; 步驟7:將步驟3-6的檢測(cè)結(jié)果進(jìn)行基于投票法的融合,獲得最終的檢測(cè)結(jié)果。
2.如權(quán)利要求1所述的基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法,其特征在于,步驟2中,對(duì)輸入的高分辨率影像進(jìn)行多分辨率分割,在尺度hs。下,采用的多分辨率分割包括如下步驟: 1)計(jì)算對(duì)象的光譜異質(zhì)性指標(biāo)hMlOT: Kolor=YjwC(1) 其中ω。為圖層的權(quán)重,σ。為圖層的標(biāo)準(zhǔn)差,C為圖層數(shù);根據(jù)不同的影像特性以及目標(biāo)區(qū)域特性,圖層間的權(quán)重調(diào)配亦有所不同,可依使用的需求加以調(diào)整; 2)計(jì)算對(duì)象的形狀異質(zhì)性指標(biāo)hshape:
hshape。smoothness ^ smoothness"^"。compatness ^ ^-compactness(2) 其中形狀的異質(zhì)性指標(biāo)是由平滑與緊密這兩個(gè)子異質(zhì)性指標(biāo)所構(gòu)成,0_。__與表兩者間的權(quán)重調(diào)配,兩者的和為I ;平滑指標(biāo)與緊密指標(biāo)計(jì)算如下式所示:
3.如權(quán)利要求1所述的基于融合策略的面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法,其特征在于,步驟3中,對(duì)所得到的S1和X2si進(jìn)行相減,并計(jì)算每一個(gè)對(duì)象的均值和方差;將所有對(duì)象的均值和方差組合形成一個(gè)新的向量X,其中:
Xi = (Mil,…,Mib, Sil,…,Sib)τ (7) 式中,i表示對(duì)象的序號(hào),b表示影像的波段數(shù)目,Mib表示第b個(gè)波段第i個(gè)對(duì)象的均值,Sib表示第b個(gè)波段第i個(gè)對(duì)象的方差; 假設(shè)Xi是高斯分布,其均值矢量為M,其可設(shè)置為X的平均值,X的協(xié)方差矩陣為Σ, 則 Ci = (X1-M) Σ(X1-M)τ (8) 式中Ci是當(dāng)前對(duì)象變化向量卡方(X2)變換結(jié)果值;假設(shè)其有2b個(gè)自由度,則有:
【文檔編號(hào)】G06T7/00GK103489193SQ201310460801
【公開(kāi)日】2014年1月1日 申請(qǐng)日期:2013年9月30日 優(yōu)先權(quán)日:2013年9月30日
【發(fā)明者】石愛(ài)業(yè), 夏晨陽(yáng), 申邵洪, 吳國(guó)寶, 程學(xué)軍, 文雄飛, 陳鵬霄 申請(qǐng)人:河海大學(xué), 長(zhǎng)江水利委員會(huì)長(zhǎng)江科學(xué)院