專利名稱：一種基于馬爾科夫隨機(jī)場(chǎng)的多時(shí)相遙感圖像變化檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像變化檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于馬爾科夫隨機(jī)場(chǎng)的多時(shí)相遙感圖像變化檢測(cè)方法，用于自動(dòng)檢測(cè)已配準(zhǔn)的多時(shí)相遙感圖像中的變化與非變化區(qū)域， 以提高遙感圖像變化檢測(cè)中的自動(dòng)化程度和精度。
背景技術(shù)：
圖像變化檢測(cè)技術(shù)是基于計(jì)算機(jī)圖像處理系統(tǒng)，對(duì)不同時(shí)段目標(biāo)或現(xiàn)象狀態(tài)發(fā)生的變化進(jìn)行識(shí)別分析，包括變化檢測(cè)、變化定位、變化區(qū)分等關(guān)鍵技術(shù)，是目前數(shù)字圖像處理與理解領(lǐng)域的前沿分支。它廣泛應(yīng)用于多個(gè)領(lǐng)域，例如土地使用監(jiān)測(cè)、森林監(jiān)測(cè)、農(nóng)業(yè)勘察、城市研究等。馬爾科夫隨機(jī)場(chǎng)(Markov Random Field，MRF)方法是主流的遙感圖像變化檢測(cè)方法之一。馬爾科夫隨機(jī)場(chǎng)(Markov Random Field, MRF)方法在[L. Bruzzone and P. D. Fernandez,Automatic analysis of the difference image forunsupervised change detection.IEEE transactions on Geoscience and RemoteSensing[J]. 2000,38(3) 1171-1182]中提出。MRF考慮包含于差值圖像中的空間上下文信息，增加了最終變化檢測(cè)結(jié)果的精確度。然而，傳統(tǒng)的MRF模型，假定鄰域內(nèi)像素標(biāo)記具有一致性。因此，鄰域像素的權(quán)重被設(shè)定為相同常數(shù)。也就是說(shuō)，傳統(tǒng)MRF模型支持鄰域內(nèi)出現(xiàn)最多的標(biāo)記。這對(duì)于平坦光滑、沒(méi)有較多細(xì)節(jié)的區(qū)域是恰當(dāng)?shù)?。因?yàn)樵谶@些光滑區(qū)域中，像素標(biāo)記的不一致性主要由于噪聲，例如配準(zhǔn)誤差、傳感器噪聲等。但是，在細(xì)節(jié)區(qū)域中，傳統(tǒng)的MRF模型經(jīng)常得到錯(cuò)誤標(biāo)記。

發(fā)明內(nèi)容
為了克服現(xiàn)有MRF變化檢測(cè)方法的缺點(diǎn)，本發(fā)明提出了一種改進(jìn)的基于馬爾科夫隨機(jī)場(chǎng)的多時(shí)相遙感圖像變化檢測(cè)方法，提高了檢測(cè)精確度。一種基于馬爾科夫隨機(jī)場(chǎng)的多時(shí)相遙感圖像變化檢測(cè)方法，包括生成差值圖像的步驟、采用EM方法估計(jì)差值圖像的圖像參數(shù)的步驟、提取差值圖像的邊緣像素的步驟、 依據(jù)像素邊緣狀態(tài)設(shè)定差值圖像內(nèi)各像素權(quán)值的步驟以及依據(jù)圖像參數(shù)和像素權(quán)值對(duì)差值圖像作馬爾科夫隨機(jī)場(chǎng)類別標(biāo)記的步驟；其特征在于，所述設(shè)定差值圖像各像素權(quán)值的步驟具體為設(shè)定差值圖像的非邊緣像素的權(quán)值
為預(yù)定常數(shù)值β _，邊緣像素的內(nèi)各像素的權(quán)重為巧=β-[/,(7)/(5)+ )]，其中，
η為兩相鄰像素(i，j)與(g，h)的亮度差，fY(n)為自適應(yīng)權(quán)重函數(shù)，F(xiàn)(ij,gh) (Ii)為(i，
、—，1、、”斤 f0 (i，j)為非邊緣像素 i
j)與(g，h)力司的權(quán)重，“=I1 α j) I為‘的艦態(tài)；進(jìn)一步地，所述馬爾科夫隨機(jī)場(chǎng)類別標(biāo)記的步驟具體為求解貝葉斯準(zhǔn)則方程式得到初始閾值Ttl ；以Ttl為閾值對(duì)差值圖像作二值化處理
權(quán)利要求
1.一種基于馬爾科夫隨機(jī)場(chǎng)的多時(shí)相遙感圖像變化檢測(cè)方法，包括生成差值圖像的步驟、采用EM方法估計(jì)差值圖像的圖像參數(shù)的步驟、提取差值圖像的邊緣像素的步驟、依據(jù)像素邊緣狀態(tài)設(shè)定差值圖像內(nèi)各像素權(quán)值的步驟以及依據(jù)圖像參數(shù)和像素權(quán)值對(duì)差值圖像作馬爾科夫隨機(jī)場(chǎng)類別標(biāo)記的步驟；其特征在于，所述設(shè)定差值圖像各像素權(quán)值的步驟具體為設(shè)定差值圖像的非邊緣像素的權(quán)值為預(yù)定常數(shù)值βmax，邊緣像素的內(nèi)各像素的權(quán)重為
2.根據(jù)權(quán)利要求1所述的多時(shí)相遙感圖像變化檢測(cè)方法，其特征在于，所述馬爾科夫隨機(jī)場(chǎng)類別標(biāo)記的步驟具體為求解貝葉斯準(zhǔn)則方程式得到初始閾值Ttl ； 以Ttl為閾值對(duì)差值圖像作二值化處理
3.如權(quán)利要求2所述的多時(shí)相遙感圖像變化檢測(cè)方法，其特征在于，迭代次數(shù)為30 100。
4.如權(quán)利要求1所述的多時(shí)相遙感圖像變化檢測(cè)方法，其特征在于，采用8-鄰域線過(guò)程提取差值圖像的邊緣像素。
5.如權(quán)利要求1所述的多時(shí)相遙感圖像變化檢測(cè)方法，其特征在于，所述預(yù)定常數(shù)值 IO^ K 100。
6.如權(quán)利要求1所述的多時(shí)相遙感圖像變化檢測(cè)方法，其特征在于，所述自適應(yīng)權(quán)重函數(shù)f“n)滿足
7.如權(quán)利要求1所述的多時(shí)相遙感圖像變化檢測(cè)方法，其特征在于，所述自適應(yīng)權(quán)重函數(shù)為 flY(n) = exP(-n2/y)>f2Y(n) = i/(i+n2/y)2> f3Y(n) = ι/(ι+η2/γ)> f4Y(n) = 1/(1+1 η /y)>f5Y (η) = ι-| η /y>f6Y(n) = 2exP[-( n/y)2]-Uf7Y (n) = 2/[i+(ii/y)2]-i 或 f8Y(il) =2/(1+1 η |/y)-i0
全文摘要
本發(fā)明公開(kāi)了一種基于馬爾科夫隨機(jī)場(chǎng)的多時(shí)相遙感圖像變化檢測(cè)方法，屬于數(shù)字圖像處理與理解領(lǐng)域，目的在于自動(dòng)檢測(cè)已配準(zhǔn)的多時(shí)相遙感圖像中的變化與非變化區(qū)域，以提高遙感圖像變化檢測(cè)中的自動(dòng)化程度和精度。該方法包括差值圖像生成步驟、EM參數(shù)估計(jì)步驟、差值圖像邊緣檢測(cè)步驟、自適應(yīng)權(quán)重計(jì)算步驟以及馬爾科夫隨機(jī)場(chǎng)標(biāo)記步驟。本發(fā)明利用差值圖像的相鄰像素大小自動(dòng)調(diào)整馬爾科夫隨機(jī)場(chǎng)的權(quán)值大小，有效提高變化檢測(cè)精度。
文檔編號(hào)G06T7/00GK102496154SQ201110324400
公開(kāi)日2012年6月13日 申請(qǐng)日期2011年10月24日 優(yōu)先權(quán)日2011年10月24日
發(fā)明者余正泓, 孫健, 曹治國(guó), 朱磊, 王文武, 肖陽(yáng), 鄭毅, 鄢睿丞, 陳寅 申請(qǐng)人:華中科技大學(xué)