一種多時(shí)相遙感圖像變化檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及一種基于SURF特征點(diǎn)和支持向量 機(jī)的多時(shí)相遙感圖像變化檢測(cè)方法，適用于土地利用、城市規(guī)劃及軍事目標(biāo)監(jiān)測(cè)等領(lǐng)域中 的數(shù)字圖像處理。
【背景技術(shù)】
[0002] 遙感圖像變化檢測(cè)是通過(guò)分析同一目標(biāo)或區(qū)域的多時(shí)相遙感圖像，從中獲取變化 的信息。隨著空間遙感技術(shù)的發(fā)展，遙感變化檢測(cè)已被廣泛應(yīng)用于土地利用、災(zāi)害評(píng)估與預(yù) 測(cè)、地理數(shù)據(jù)庫(kù)更新、氣候監(jiān)測(cè)、軍事目標(biāo)監(jiān)測(cè)等領(lǐng)域，對(duì)于推動(dòng)環(huán)境保護(hù)、經(jīng)濟(jì)發(fā)展、社會(huì) 發(fā)展和國(guó)防建設(shè)起到了重要的作用。
[0003] 遙感圖像變化檢測(cè)方法，總體上分為監(jiān)督變化檢測(cè)及非監(jiān)督變化檢測(cè)等兩類(lèi)。非 監(jiān)督變化檢測(cè)是直接對(duì)兩個(gè)不同時(shí)相的同一區(qū)域的遙感數(shù)據(jù)進(jìn)行比較，不需要有關(guān)研究區(qū) 域的任何先驗(yàn)知識(shí)，這一點(diǎn)在遙感變化檢測(cè)實(shí)際應(yīng)用中顯得尤為重要，對(duì)非監(jiān)督變化檢測(cè) 方法的研究，已經(jīng)成為當(dāng)前變化檢測(cè)方法研究的熱點(diǎn)。非監(jiān)督變化檢測(cè)首先對(duì)兩時(shí)相遙感 圖像進(jìn)行預(yù)處理（空間配準(zhǔn)、輻射校正等）；然后通過(guò)求差、求比，或者主成分分析、變化矢 量分析變換等方法獲得差分圖像；最后對(duì)差分圖像進(jìn)行分割來(lái)確定變化和非變化區(qū)域，從 而得到最終的變化檢測(cè)結(jié)果。
[0004] 學(xué)者們提出了很多種遙感非監(jiān)督變化檢測(cè)方法，常見(jiàn)的一類(lèi)是基于聚類(lèi)的遙感 圖像變化檢測(cè)方法。"Multiscalechangedetectioninmultitemporalsatellite images'，，T.Celik，IEEEGeoscienceandRemoteSensingLetters，6 (4)，820 ~824， 2009，proposedanunsupervisedchangedetectiontechniquebyconducting k-means(k= 2)clusteringonfeaturevectorswhichareextractedusingthe subbandsoftheUDWTdecompositionofthedifferenceimage( "基于多尺度分析的 多時(shí)相衛(wèi)星圖像變化檢測(cè)"，圖爾蓋.賽因切利克，地球科學(xué)與遙感快報(bào)，第六卷第4期，第 820~824頁(yè)，2009年提出一種基于多尺度分析的多時(shí)相衛(wèi)星圖像非監(jiān)督變化檢測(cè)方法， 首先構(gòu)造差分圖像并對(duì)差分圖像實(shí)施非抽樣離散小波分解從而提取特征向量，然后再利 用k(k= 2)均值聚類(lèi)的方法對(duì)特征向量進(jìn)行分類(lèi)，最后得到變化及非變化區(qū)域）。"Fuzzy clusteringalgorithmsforunsupervisedchangedetectioninremotesensing images'，，A.GhoshandN.S.MishraandS.Ghosh,InformationSciences，181 (4)，699 ~ 715,2011，proposedanunsupervisedcontext-sensitivetechniquesusingfuzzy clusteringapproachfordetectingchangesinmultitemporal,multispectralremote sensingimages.Thetechniqueisbasedonfuzzyclusteringapproachandtakes careofspatialcorrelationbetweenneighboringpixelsofthedifferenceimage producedbycomparingtwoimagesacquiredonthesamegeographicalareaat differenttimes( "基于模糊聚類(lèi)的遙感圖像非監(jiān)督變化檢測(cè)"，阿希什.戈什、尼爾納德 瑞.謝卡爾.米什拉、莎士米塔.戈什，信息科學(xué)，第一百八十一卷第4期，第699~715頁(yè)， 2011年提出采用模糊聚類(lèi)的方法實(shí)現(xiàn)一種上下文相關(guān)的多時(shí)相多光譜遙感圖像非監(jiān)督變 化檢測(cè)技術(shù)。該技術(shù)首先對(duì)同一地域不同時(shí)相的遙感圖像進(jìn)行比較以構(gòu)造差分圖像，然后 基于差分圖像中像素的光譜值并結(jié)合相鄰像素間的空間相關(guān)性、采用模糊聚類(lèi)的方法對(duì)差 分圖像進(jìn)行分類(lèi)，最后得到變化及非變化區(qū)域）。
[0005] 遙感圖像成像時(shí)由各種原因所產(chǎn)生的噪聲對(duì)變化檢測(cè)的性能有著很大的影響。上 述利用聚類(lèi)的方法進(jìn)行變化檢測(cè)時(shí)，當(dāng)噪聲較強(qiáng)時(shí)，其檢測(cè)性能會(huì)受到很大的影響，導(dǎo)致變 化檢測(cè)的準(zhǔn)確性差。

【發(fā)明內(nèi)容】

[0006] 為克服上述基于聚類(lèi)的遙感圖像變化檢測(cè)方法存在的問(wèn)題，本發(fā)明提出一種多時(shí) 相遙感圖像變化檢測(cè)方法，它能有效地、準(zhǔn)確地檢測(cè)出變化和非變化區(qū)域，降低噪聲對(duì)變化 檢測(cè)精度造成的不利影響，提高遙感圖像變化檢測(cè)的精確度。
[0007] 本發(fā)明所要解決的技術(shù)問(wèn)題是通過(guò)這樣的技術(shù)方案實(shí)現(xiàn)的，它包括有以下步驟：
[0008] 1、輸入兩幅已經(jīng)過(guò)預(yù)處理的多時(shí)相遙感圖像^及I2，并通過(guò)計(jì)算兩幅圖像間對(duì)應(yīng) 位置像素光譜值差值的絕對(duì)值構(gòu)造差分圖像Id，所述預(yù)處理包括空間配準(zhǔn)和輻射校正；
[0009] 2、分別從圖像1及12中檢測(cè)SURF特征點(diǎn)（加速穩(wěn)健特征點(diǎn)（SpeededUpRobust Features，SURF)，以下簡(jiǎn)稱(chēng)為特征點(diǎn)），得到特征點(diǎn)集合S2;
[0010] 3、對(duì)集合S1與集合S2中的特征點(diǎn)進(jìn)行匹配，得到集合SrS2間相互匹配的特征點(diǎn) 集合M1、M2，以及不能相互匹配的特征點(diǎn)集合R1、R2;集合Mi、M2中的特征點(diǎn)一一對(duì)應(yīng)、構(gòu)成相 互匹配的特征點(diǎn)對(duì)，其中為=M1U鳥(niǎo)艇,門(mén)片=※，尾M2ni?2 =:0;
[0011] 4、提取非變化類(lèi)像素樣本
[0012] 對(duì)集合I、112中的每個(gè)特征點(diǎn)，計(jì)算其在差分圖像Id中對(duì)應(yīng)位置的像素的亮度值 并歸入非變化類(lèi)像素樣本集合Su;
[0013] 5、提取變化類(lèi)像素樣本
[0014] 將集合R1A2合并為集合T，并計(jì)算T中每個(gè)像素點(diǎn)在差分圖像I,中對(duì)應(yīng)位置的像 素的亮度值并歸入集合G;假定集合T中的像素由非變化類(lèi)、未標(biāo)記類(lèi)及變化類(lèi)像素構(gòu)成， 且每類(lèi)像素的亮度均服從高斯分布，分別記為矣）、，(§1/，3,右）， 則總體亮度直方圖應(yīng)為三維混合高斯分布：
[0015] Z(g) = II"2,《) +w3iV(gI/'3，《）
[0016]式中，Z(g)表示三維混合高斯分布，gGG為像素亮度值；Wl、Wjw3分別是非變 化類(lèi)、未標(biāo)記類(lèi)及變化類(lèi)像素高斯分布在混合高斯中的權(quán)重；W(g，本）表示非變化類(lèi)像 素的亮度服從均值為、方差為f的高斯分布；#)表示未標(biāo)記類(lèi)像素的亮度服 從均值為y2、方差為矣的高斯分布；A?(g丨表示變化類(lèi)像素的亮度服從均值為y3、 方差為#的高斯分布；
[0017] 利用EM算法對(duì)上述模型的相關(guān)參數(shù)進(jìn)行求解，最終將集合G中符合下式的像素亮 度值歸入變化類(lèi)像素樣本集合S。：
[0018] Sc={gIgGG且g彡y「3 5 3}
[0019] 6、依據(jù)步驟4所得的非變化類(lèi)像素樣本集合Su和步驟5所得的變化類(lèi)像素樣本 集合S。構(gòu)造訓(xùn)練集StMin、測(cè)試集Stast;再構(gòu)造相應(yīng)的訓(xùn)練集標(biāo)簽Ltrain、測(cè)試集標(biāo)簽Ltast，其 中集合Ltrain中的元素全為0且同集合StMin的大小相等，集合Ltest中的元素全為1且同集 合Stest的大小相等；最后在對(duì)測(cè)試集Strain、訓(xùn)練集Stest進(jìn)行預(yù)處理的基礎(chǔ)上訓(xùn)練一個(gè)支持 向量機(jī)分類(lèi)模型Msvm;
[0020] 7、依據(jù)步驟6所得的支持向量機(jī)分類(lèi)模型Msvni對(duì)差分圖像Id的所有像素進(jìn)行分 類(lèi)，得到變化及非變化區(qū)域，最終的變化檢測(cè)結(jié)果將以二值變化檢測(cè)掩膜的形式體現(xiàn)，其中 值為〇的像素表示未發(fā)生變化的類(lèi)別，值為1的像素表示發(fā)生變化的類(lèi)別。
[0021 ] 由于多時(shí)相遙感圖像變化檢測(cè)的全部變化信息由若干局部地物的變化信息綜合 構(gòu)成，SURF特征點(diǎn)是圖像特征的局部表達(dá)，能夠很好地反映出圖像的局部特殊性，且對(duì)圖像 噪聲也具有較好的魯棒性。本發(fā)明采用基于SURF特征點(diǎn)和支持向量機(jī)的多時(shí)相遙感圖像 變化檢測(cè)方法，將SURF局部特征點(diǎn)和支持向量機(jī)應(yīng)用于變化檢測(cè)，突破傳統(tǒng)遙感變化檢測(cè) 方法的約束，與現(xiàn)有的遙感變化檢測(cè)方法相比，本發(fā)明具有以下優(yōu)點(diǎn)：
[0022] (1)本發(fā)明通過(guò)將SURF特征點(diǎn)用于變化檢測(cè)，能有效地克服噪聲對(duì)變化檢測(cè)精度 造成的不利影響，有利于對(duì)背景較為復(fù)雜的遙感圖像進(jìn)行處理，提高了變化檢測(cè)的精確度。
[0023] (2)本發(fā)明不需要有關(guān)遙感數(shù)據(jù)分布的任何先驗(yàn)知識(shí)，能適用于更多類(lèi)型的遙感 數(shù)據(jù)。
[0024] (3)本發(fā)明采用支持向量機(jī)分類(lèi)模型，充分利用了支持向量機(jī)具有的良好的泛化 性能，使本發(fā)明具有良好的魯棒性。
【附圖說(shuō)明】
[0025] 圖1是本發(fā)明的流程圖；
[0026] 圖2是第一時(shí)相遙感圖像；
[0027] 圖3是第二時(shí)相遙感圖像；
[0028] 圖4是參考變化圖；
[0029] 圖5是用現(xiàn)有的多尺度分析方法對(duì)圖2和圖3進(jìn)行變化檢測(cè)的結(jié)果；
[0030] 圖6是用現(xiàn)有的模糊聚類(lèi)的方法對(duì)圖2和圖3進(jìn)行變化檢測(cè)的結(jié)果；
[0031] 圖7是用本發(fā)明的方法對(duì)圖2和圖3進(jìn)行變化檢測(cè)的結(jié)果。
【具體實(shí)施方式】
[0032] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明：
[0033] 如圖1所示，本發(fā)明【具體實(shí)施方式】的步驟如下：
[0034] 步驟1，計(jì)算差分圖像
[0035] 輸入兩幅經(jīng)過(guò)預(yù)處理的多時(shí)相遙感圖像^及12，定義差分圖像1,中位于第i行第 j列的像素的亮度值為兩幅圖像間對(duì)應(yīng)位置（i，j)處像素光譜值I1Q,j)和I2(i，j)差值 的絕對(duì)值，即：
[0036] Id(i,j) =IIi(i,j)-I2(i,j) (I)
[0037] 式（I)中，I彡i彡H,