專(zhuān)利名稱(chēng)：基于區(qū)域相似度的遙感影像變化檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感影像處理技術(shù)領(lǐng)域，特別涉及一種基于區(qū)域相似度的遙感影像變 化檢測(cè)方法。
背景技術(shù)：
遙感信息變化檢測(cè)是遙感應(yīng)用的一個(gè)重要研究課題，用同一地區(qū)、不同時(shí)相的衛(wèi) 星遙感影像進(jìn)行變化檢測(cè)，是對(duì)土地等資源開(kāi)展動(dòng)態(tài)監(jiān)測(cè)、資源變更調(diào)查、環(huán)境監(jiān)測(cè)、基礎(chǔ) 地理數(shù)據(jù)庫(kù)更新等對(duì)地觀測(cè)應(yīng)用中的關(guān)鍵技術(shù)，具有廣泛的應(yīng)用領(lǐng)域。從現(xiàn)有的變化檢測(cè) 方法來(lái)看，針對(duì)中低分辨率的遙感影像，主要還停留在像元級(jí)數(shù)據(jù)導(dǎo)引的方法，缺少知識(shí)導(dǎo) 引的特征級(jí)變化檢測(cè)方法。近年來(lái)，技術(shù)的發(fā)展使得拍攝到遙感影像的分辨率越來(lái)越高，空間分辨率的提高 有利于反映土地利用類(lèi)型差異，有利于表征同一地物內(nèi)部組成要素豐富的細(xì)節(jié)信息，但地 物類(lèi)別內(nèi)部的光譜響應(yīng)差異增大，導(dǎo)致地類(lèi)的光譜特征不穩(wěn)定。面向?qū)ο笥跋竦姆治龇椒?是一種適用于高分辨率遙感影像的分析與信息提取方法，該方法結(jié)合影像的光譜特征、形 狀特征以及紋理特征等，將影像劃分為若干個(gè)有意義的同質(zhì)區(qū)域(對(duì)象)，將對(duì)象取代像元 作為影像分析的基本單元，分析人員不僅僅可以利用光譜信息進(jìn)行分析，還可以選擇使用 影像對(duì)象(多邊形)有關(guān)的多種形狀測(cè)度，對(duì)象紋理特征，以及對(duì)象空間相關(guān)特征等進(jìn)行分 析。一旦獲得對(duì)象的這些特征，從理論上講，基于對(duì)象的所有特征信息都可以有效地用于遙 感信息提取過(guò)程，這就使影像分析更加靈活和穩(wěn)定。目前該方法已成功應(yīng)用于土地利用和 土地覆蓋分類(lèi)等研究中。將面向?qū)ο笥跋竦姆治龇椒☉?yīng)用于變化檢測(cè)研究，是進(jìn)行高分辨率影像變化檢測(cè) 的一種行之有效的途徑。現(xiàn)有技術(shù)常用的是分類(lèi)后比較變化檢測(cè)方法，該方法對(duì)兩個(gè)時(shí)相 的遙感影像分別進(jìn)行分割和分類(lèi)，然后對(duì)兩幅分類(lèi)后的圖逐像元進(jìn)行比較。然而，單時(shí)相影 像中的任何分類(lèi)錯(cuò)誤在最終的變化檢測(cè)圖中都會(huì)表現(xiàn)出來(lái)，稱(chēng)之為“椒鹽”現(xiàn)象，因此該方 法的主要缺點(diǎn)是變化檢測(cè)的精度依賴(lài)于兩個(gè)獨(dú)立的分類(lèi)結(jié)果的精度，存在分類(lèi)誤差累積現(xiàn) 象。

發(fā)明內(nèi)容
(一 )主要解決的技術(shù)問(wèn)題本發(fā)明要解決的技術(shù)問(wèn)題是提高遙感影像變化檢測(cè)的精度，消除檢測(cè)結(jié)果“椒鹽” 現(xiàn)象。( 二 )技術(shù)方案為此，本發(fā)明提供了一種基于區(qū)域相似度的遙感影像變化檢測(cè)方法，包括步驟10、在監(jiān)測(cè)區(qū)域內(nèi)選擇兩景不同時(shí)相的遙感影像，所述遙感影像的影像數(shù)據(jù) 包括多光譜數(shù)據(jù)和全色波段數(shù)據(jù)；步驟20、對(duì)步驟10選擇的遙感影像進(jìn)行圖像預(yù)處理；
4
步驟30、將預(yù)處理后的兩期遙感影像的所有波段組成一景影像，對(duì)所述一景影像 進(jìn)行分割，建立兩景所述遙感影像的對(duì)象的一一映射關(guān)系；步驟40、基于分割結(jié)果，構(gòu)建每個(gè)對(duì)象的特征集描述，所述特征集描述包括光譜特 征、紋理特征以及經(jīng)過(guò)變換的二次特征；步驟50、基于所述對(duì)象的光譜特征，計(jì)算所述兩期遙感影像對(duì)象間的區(qū)域相似度， 根據(jù)所述對(duì)象的紋理特征、歸一化植被指數(shù)(NDVI)特征進(jìn)行代數(shù)計(jì)算，計(jì)算結(jié)果作為區(qū)域 變化檢測(cè)的參考值；步驟60、設(shè)定一個(gè)區(qū)域相似度閾值，結(jié)合所述代數(shù)計(jì)算的計(jì)算結(jié)果建立變化區(qū)域 檢測(cè)準(zhǔn)則，提取所述遙感影像的變化區(qū)域。其中，所述步驟20中的所述預(yù)處理包括輻射校正、數(shù)據(jù)融合、精確幾何配準(zhǔn)以及 影像降噪處理。所述預(yù)處理具體為采用回歸分析歸一化法對(duì)所述遙感影像進(jìn)行相對(duì)輻射校正； 采用Gram-Schmidt融合方法對(duì)輻射校正后的遙感影像進(jìn)行數(shù)據(jù)融合；采用多項(xiàng)式或有理 函數(shù)法對(duì)數(shù)據(jù)融合后的遙感影像進(jìn)行配準(zhǔn)；采用基于形態(tài)學(xué)的混合開(kāi)閉重建濾波運(yùn)算方法 對(duì)配準(zhǔn)后的遙感影像進(jìn)行降噪處理。所述步驟30中采用基于標(biāo)記控制的分水嶺分割方法對(duì)所述一景影像進(jìn)行多波 段、多尺度分割。所述步驟50中根據(jù)下式計(jì)算所述區(qū)域相似度，RSIM= 2，jg 嚴(yán)—2
(CT12+CT22XW)2+(5F2)2]其中BVl=^fjBVil
權(quán)利要求
一種基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于，包括步驟10、在監(jiān)測(cè)區(qū)域內(nèi)選擇兩景不同時(shí)相的遙感影像，所述遙感影像的影像數(shù)據(jù)包括多光譜數(shù)據(jù)和全色波段數(shù)據(jù)；步驟20、對(duì)步驟10選擇的遙感影像進(jìn)行圖像預(yù)處理；步驟30、將預(yù)處理后的兩期遙感影像的所有波段組成一景影像，對(duì)所述一景影像進(jìn)行分割，建立兩期所述遙感影像的對(duì)象的一一映射關(guān)系；步驟40、基于分割結(jié)果，構(gòu)建每個(gè)對(duì)象的特征集描述，所述特征集描述包括光譜特征、紋理特征以及經(jīng)過(guò)變換的二次特征；步驟50、基于所述對(duì)象的光譜特征，計(jì)算所述兩期遙感影像對(duì)象間的區(qū)域相似度，根據(jù)所述對(duì)象的紋理特征、歸一化植被指數(shù)(NDVI)特征進(jìn)行代數(shù)計(jì)算，計(jì)算結(jié)果作為區(qū)域變化檢測(cè)的參考值；步驟60、設(shè)定一個(gè)區(qū)域相似度閾值，結(jié)合所述代數(shù)計(jì)算的計(jì)算結(jié)果建立變化區(qū)域檢測(cè)準(zhǔn)則，提取所述遙感影像的變化區(qū)域。
2.如權(quán)利要求1所述的基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于，所述 步驟20中的所述預(yù)處理包括輻射校正、數(shù)據(jù)融合、精確幾何配準(zhǔn)以及影像降噪處理。
3.如權(quán)利要求2所述的基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于， 所述預(yù)處理具體為采用回歸分析歸一化法對(duì)所述遙感影像進(jìn)行相對(duì)輻射校正；采用 Gram-Schmidt融合方法對(duì)輻射校正后的遙感影像進(jìn)行數(shù)據(jù)融合；采用多項(xiàng)式或有理函數(shù) 法對(duì)數(shù)據(jù)融合后的遙感影像進(jìn)行配準(zhǔn)；采用基于形態(tài)學(xué)的混合開(kāi)閉重建濾波運(yùn)算方法對(duì)配 準(zhǔn)后的遙感影像進(jìn)行降噪處理。
4.如權(quán)利要求1所述的基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于，所述 步驟30中采用基于標(biāo)記控制的分水嶺分割方法對(duì)所述一景影像進(jìn)行多波段、多尺度分割。
5.如權(quán)利要求1所述的基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于，所述 步驟50中根據(jù)下式計(jì)算所述區(qū)域相似度，
6.如權(quán)利要求1所述的基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于，所述 步驟50中代數(shù)計(jì)算包括差值計(jì)算或比值計(jì)算，計(jì)算結(jié)果包括差值紋理Entropy特征圖或 比值紋理Entropy特征圖，以及差值NDVI特征圖或比值NDVI特征圖。
7.如權(quán)利要求1所述的基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于，所述 步驟40中采用面向?qū)ο蟮幕叶裙采仃囉?jì)算對(duì)象的紋理特征，所述灰度共生矩陣的窗口 是所述對(duì)象本身，所述窗口的大小是所述對(duì)象的大??；所述紋理特征包括紋理均值和紋理熵，
8.如權(quán)利要求1所述的基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于，所述 經(jīng)過(guò)變換的二次特征包括歸一化植被指數(shù)，根據(jù)下式計(jì)算所述歸一化植被指數(shù)，
9.如權(quán)利要求1所述的基于區(qū)域相似度的遙感影像變化檢測(cè)方法，其特征在于，所述 步驟60包括根據(jù)下式計(jì)算所述區(qū)域相似度、紋理特征和NDVI特征作為變化區(qū)域的參考閾值，T = MeaninR其中T為參考閾值；Mean為區(qū)域相似度(或差值圖像)的均值；η為常數(shù)；R為區(qū)域相 似度(或差值圖像)的標(biāo)準(zhǔn)差，η取0. 5 ；通過(guò)實(shí)驗(yàn)調(diào)整所述參考閾值得到變化閾值，將各個(gè)變化閾值結(jié)合形成檢測(cè)準(zhǔn)則，根據(jù) 所述檢測(cè)準(zhǔn)則提取所述遙感影像的變化區(qū)域。
全文摘要
本發(fā)明公開(kāi)了一種基于區(qū)域相似度的遙感影像變化檢測(cè)方法，包括在監(jiān)測(cè)區(qū)域內(nèi)選擇兩景不同時(shí)相的遙感影像，所述遙感影像的影像數(shù)據(jù)包括多光譜數(shù)據(jù)和全色波段數(shù)據(jù)；對(duì)選擇的遙感影像進(jìn)行圖像預(yù)處理；將預(yù)處理后的兩期遙感影像的所有波段組成一景影像，對(duì)一景影像進(jìn)行分割，建立兩期所述遙感影像的對(duì)象的一一映射關(guān)系；基于分割結(jié)果，構(gòu)建每個(gè)對(duì)象的特征集描述；基于所述對(duì)象的光譜特征，計(jì)算所述對(duì)象間的區(qū)域相似度，根據(jù)所述對(duì)象的紋理特征、NDVI特征進(jìn)行代數(shù)計(jì)算；設(shè)定一個(gè)區(qū)域相似度閾值，結(jié)合代數(shù)計(jì)算的計(jì)算結(jié)果，建立變化區(qū)域檢測(cè)準(zhǔn)則，提取所述兩期遙感影像的變化區(qū)域。本發(fā)明能有效消除“椒鹽”現(xiàn)象，提高遙感影像變化區(qū)域提取精度。
文檔編號(hào)G06T7/00GK101937079SQ20101022120
公開(kāi)日2011年1月5日 申請(qǐng)日期2010年6月29日 優(yōu)先權(quán)日2010年6月29日
發(fā)明者岳安志, 張超, 張穎娜, 楊建宇, 蘇偉, 趙冬玲, 都雪嬌, 陳敏捷 申請(qǐng)人:中國(guó)農(nóng)業(yè)大學(xué)