本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，針對(duì)多時(shí)相遙感影像變化檢測(cè)，具體地說(shuō)是一種基于模糊相容圖的多時(shí)相遙感影像變化檢測(cè)的方法，適用于遙感影像分析與處理。

背景技術(shù)：
基于多時(shí)相遙感影像的變化檢測(cè)技術(shù)是指利用具有同一地理位置但不同時(shí)相的遙感影像來(lái)識(shí)別其中發(fā)生變化的區(qū)域的技術(shù)。變化檢測(cè)作為遙感影像分析的重要任務(wù)之一，已經(jīng)應(yīng)用于諸多領(lǐng)域，如土地使用監(jiān)測(cè)、森林監(jiān)測(cè)、農(nóng)業(yè)測(cè)量以及城市研究等。針對(duì)多時(shí)相遙感影像變化檢測(cè)已提出很多方法，也有很多學(xué)者對(duì)已有的變化檢測(cè)方法進(jìn)行了綜述和分析，如Singh(1989)首次對(duì)遙感影像變化檢測(cè)進(jìn)行綜述，將其分為以下幾種方法：影像差分法、影像回歸法、影像比值法、植被指數(shù)差分法、主成分分析法、分類后比較法、多時(shí)相影像直接分類、變化矢量分析、背景減除以及其它方法；Coppin(1996)則從森林監(jiān)測(cè)的角度討論了遙感影像變化檢測(cè)的方法；李德仁(2003)根據(jù)圖像配準(zhǔn)與變化檢測(cè)的數(shù)據(jù)源兩個(gè)因素將變化檢測(cè)方法分為兩大類七種方法；Gong(2008)等和周啟鳴(2011)將變化檢測(cè)分為兩大類(雙時(shí)相影像變化檢測(cè)和時(shí)間序列影像變化檢測(cè))七種方法(直接比較法、分類比較法、面向?qū)ο蟊容^法、模型法、時(shí)間序列分析法以及混合法)。綜上，可以將變化檢測(cè)分為兩類：直接比較檢測(cè)法和分類后比較法。對(duì)于這兩類方法針對(duì)不同的影像單元又可以分為像元級(jí)和對(duì)象級(jí)。由于目前對(duì)象級(jí)變化檢測(cè)還存在諸多問(wèn)題，如對(duì)象獲取難、面向?qū)ο蟮挠跋穹诸愐搽y以得到高精度結(jié)果以及對(duì)象間直接運(yùn)算困難等。因而目前對(duì)于多時(shí)相遙感影像變化檢測(cè)還主要采用像元級(jí)變化檢測(cè)。下面主要分析像元級(jí)的直接比較檢測(cè)法和分類后檢測(cè)法。(1)直接比較檢測(cè)法：一般是應(yīng)用兩幅影像的代數(shù)運(yùn)算進(jìn)行變化檢測(cè)的方法，其過(guò)程為：a.變化特征的選擇：光譜、邊緣、紋理；b.差異影像的構(gòu)成；c.變化檢測(cè)策略的選擇：依據(jù)模式識(shí)別的理論方法；d.變化檢測(cè)精度評(píng)價(jià)：定性評(píng)價(jià)，定量評(píng)價(jià)。其中，差異影像的構(gòu)成主要有以下方法：影像差值法、影像回歸法、影像比值法、變化矢量分析法、相關(guān)系數(shù)法等。直接比較法優(yōu)勢(shì)在于算法簡(jiǎn)單，易實(shí)現(xiàn)，但不足在于難以克服由大氣條件、噪聲和大氣輻射的差異帶來(lái)的干擾，因而對(duì)預(yù)處理敏感，同時(shí)變化閾值也難以確定。(2)分類后比較法：分類后比較法是通過(guò)對(duì)每幅影像均進(jìn)行分類，然后根據(jù)相應(yīng)像素類別的差異識(shí)別區(qū)域是否發(fā)生變化。分類方法一般分為監(jiān)督分類和非監(jiān)督分類。監(jiān)督方法需知道一定的先驗(yàn)知識(shí)，可以得到較高的分類精度，但地物信息的獲取較為困難，因而在無(wú)任何先驗(yàn)知識(shí)的情況下，非監(jiān)督方法的使用范圍更為廣闊[Bruzzone等，2002；Bovolo等，2005；Mura等，2008；辛芳芳等，2012]。如GabrieleM(2009)等提出的基于MRF(MarkovRandomField)理論的非監(jiān)督法；Pacifici等(2010)提出的基于非監(jiān)督的PNCC(Pulse-CoupledNeuralNetwork)高分辨率遙感影像的自動(dòng)變化檢測(cè)方法；Bovolo等(2008)提出的基于半監(jiān)督SVM和相似性測(cè)度的非監(jiān)督變化檢測(cè)方法；Mura等(2008)提出的基于形態(tài)學(xué)濾波器的高分辨率遙感影像非監(jiān)督變化檢測(cè)技術(shù)。分類后比較法的優(yōu)勢(shì)在于可以克服由于多時(shí)相影像的傳感器性質(zhì)、分辨率等因素的差異所帶來(lái)的不利影響，無(wú)需數(shù)據(jù)進(jìn)行歸一化處理。但局限性也較大，如a.對(duì)類別的劃分要求高，不合理的劃分易造成檢測(cè)精度下降；b.變化檢測(cè)在分類的基礎(chǔ)上進(jìn)行，而檢測(cè)過(guò)程基于處理后的信息，這樣會(huì)產(chǎn)生信息量的減少，從而降低檢測(cè)結(jié)果的準(zhǔn)確性；c.分類后比較法對(duì)兩幅影像的分類錯(cuò)誤較為敏感，任何一幅影像的分類結(jié)果出錯(cuò)都將造成變化檢測(cè)的結(jié)果出錯(cuò)。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的在于解決上述已有的多時(shí)相遙感影像變化檢測(cè)技術(shù)的不足，提出一種基于模糊相容圖的多時(shí)相遙感影像變化檢測(cè)方法，以克服現(xiàn)有方法的檢測(cè)精度低、檢測(cè)錯(cuò)誤率高的問(wèn)題。為實(shí)現(xiàn)上述目的，本發(fā)明提出的基于模糊相容圖的多時(shí)相遙感影像變化檢測(cè)方法，具體包括以下步驟：1)對(duì)輸入的兩個(gè)不同時(shí)相的遙感影像分別進(jìn)行Frost濾波；2)對(duì)濾波后的兩個(gè)時(shí)相的遙感影像進(jìn)行歸一化處理，并進(jìn)行比值運(yùn)算構(gòu)造差異影像；3)構(gòu)建模糊開(kāi)關(guān)函數(shù)，將變化區(qū)域和非變化區(qū)域視作開(kāi)關(guān)函數(shù)的開(kāi)和關(guān)，把由若干個(gè)變化區(qū)域和非變化區(qū)域A1，A2，…，AK組成一個(gè)集合稱為“開(kāi)關(guān)集合”，一個(gè)“開(kāi)關(guān)集合”具有兩種狀態(tài)，變化區(qū)域用1表示，非變化區(qū)域用0表示，它的狀態(tài)由開(kāi)關(guān)變量Ai(i＝1，2，…，k)的狀態(tài)決定，因而可用一個(gè)函數(shù)f(A1，A2，...，AK)來(lái)表示，f的取值是0或1，則f為開(kāi)關(guān)函數(shù)；4)判別因子選取，并將其作為模糊開(kāi)關(guān)函數(shù)的開(kāi)關(guān)變量。對(duì)于判別因子的選取主要取決于實(shí)驗(yàn)區(qū)，不同的實(shí)驗(yàn)區(qū)可能選取不同的特征，如植被為主的區(qū)域，可以采用NDVI和光譜均值；城區(qū)為主的區(qū)域，則可以選取地物的空間特征中的梯度和邊緣，紋理特征中的能量、熵、相關(guān)性、逆差距和對(duì)比度，以及光譜均值等；對(duì)于復(fù)雜研究區(qū)，則可以首先采用NDVI(歸一化植被指數(shù))和MNDVI(歸一化水體指數(shù))優(yōu)先確定植被和水系的變化，然后采用邊緣、梯度以及紋理，確定人工地物的變化情況，最后根據(jù)實(shí)驗(yàn)區(qū)情況，選擇相應(yīng)的特征提取其它的變化區(qū)域；5)對(duì)構(gòu)建的模糊開(kāi)關(guān)函數(shù)采用模糊相容圖結(jié)合選取的判別因子進(jìn)行模糊聚類的方法自動(dòng)識(shí)別差異影像的變化區(qū)域；6)為了量化項(xiàng)目提出方法的有效性，本發(fā)明通過(guò)構(gòu)造誤差矩陣(亦稱混淆矩陣，ConfusionMatrix)計(jì)算相關(guān)精度指標(biāo)來(lái)定量評(píng)價(jià)本發(fā)明的精度。本發(fā)明同以往的方法相比具有以下優(yōu)點(diǎn)：(1)本發(fā)明由差異影像的若干變化區(qū)域和非變化區(qū)域構(gòu)建模糊開(kāi)關(guān)函數(shù)，然后利用模糊相容圖結(jié)合判別因子對(duì)構(gòu)建的模糊開(kāi)關(guān)函數(shù)進(jìn)行聚類從而自動(dòng)實(shí)現(xiàn)變化區(qū)域和非變化區(qū)域的識(shí)別，解決了閾值選取難的問(wèn)題；(2)本發(fā)明在采用模糊相容圖識(shí)別變化區(qū)域的同時(shí)，將多維特征作為像素點(diǎn)是否發(fā)生變化的判別因子，其充分利用的像素點(diǎn)的多維特征屬性，從而有效地提高了變化檢測(cè)的精確度。附圖說(shuō)明圖1是本發(fā)明的實(shí)現(xiàn)流程圖；圖2是本發(fā)明使用的第一組兩個(gè)時(shí)相的遙感影像，其中(a)和(b)分別為athabasca某區(qū)域1984年07月23日(T1時(shí)相)和2011年05月15日(T2時(shí)相)的遙感影像；圖3是本發(fā)明第一組兩個(gè)時(shí)相的遙感影像經(jīng)Frost濾波后得到的影像，其中(a)和(b)分別為T1和T2時(shí)相遙感影像經(jīng)Frost濾波后得到的影像；圖4為構(gòu)造的第一組兩個(gè)時(shí)相的遙感影像的差異影像；圖5是本發(fā)明方法和現(xiàn)有方法進(jìn)行第一組實(shí)驗(yàn)得到的變化檢測(cè)結(jié)果圖，其中(a)和(b)分別為本發(fā)明方法和現(xiàn)有方法得到的結(jié)果；圖6是本發(fā)明使用的第二組兩個(gè)時(shí)相的遙感影像，其中(a)和(b)分別為內(nèi)蒙古某區(qū)域2001年07月03日(T1時(shí)相)和2006年06月30日(T2時(shí)相)的遙感影像；圖7是本發(fā)明第二組兩個(gè)時(shí)相的遙感影像經(jīng)Frost濾波后得到的影像，其中(a)和(b)分別為T1和T2時(shí)相遙感影像經(jīng)Frost濾波后得到的影像；圖8為構(gòu)造的第二組兩個(gè)時(shí)相的遙感影像的差異影像；圖9是本發(fā)明方法和現(xiàn)有方法進(jìn)行第二組實(shí)驗(yàn)得到的變化檢測(cè)結(jié)果圖，其中(a)和(b)分別為本發(fā)明方法和現(xiàn)有方法得到的結(jié)果。具體實(shí)施方式以下結(jié)合具體實(shí)施例，對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。參照?qǐng)D1，本發(fā)明的具體實(shí)施如下：(1)對(duì)同一區(qū)域不同時(shí)相的兩幅遙感影像進(jìn)行幾何校正和配準(zhǔn)。在實(shí)際應(yīng)用中，遙感影像大多已進(jìn)行了幾何校正和配準(zhǔn)，故本發(fā)明只針對(duì)經(jīng)幾何校正和配準(zhǔn)后的遙感影像進(jìn)行仿真實(shí)驗(yàn)；(2)輸入兩幅同一區(qū)域不同時(shí)相的遙感影像：X1＝{x1(i，j)|1≤i≤M，1≤j≤N|}和X2＝{x2(i，j)|1≤i≤M，1≤j≤N|}，其中M和N表示影像的大小，如圖2(a)和2(b)所示，首先對(duì)X1和X2分別進(jìn)行灰度轉(zhuǎn)換，然后對(duì)得到的灰度影像分別進(jìn)行濾波，得到濾波后的兩個(gè)不同時(shí)相影像圖X1_F和X2_F，如圖3所示。本發(fā)明采用Frost濾波器，一種特定大小窗口的像素值和指數(shù)脈沖響應(yīng)m卷積的Wiener自適應(yīng)濾波器：m＝exp[-KCy(t0)|t|]其中，σy為局部方差，為局部均值，K為濾波器參數(shù)，t0為中心像素的位置，|t|為距t0的距離；(3)采用圖像比值法獲取差異影像，首先對(duì)濾波后影像X1_F和X2_F分別進(jìn)行歸一化處理，然后按波段進(jìn)行逐像元相除，得到一幅差異影像Xd＝{xd(i，j)|1≤i≤M，1≤j≤N|}，如圖4所示。本發(fā)明采用對(duì)數(shù)比值法，采用對(duì)數(shù)來(lái)拉伸增強(qiáng)較小的灰度值，即：Xd(i，j)＝|logx2(i，j)/x1(i，j)|＝|logx2(i，j)-logx1(i，j)|(4)在獲得差異影像之后，就需要確定差異影像的變化和非變化區(qū)域。利用差異影像Xd＝{xd(i，j)|1≤i≤M，1≤j≤N|}建立一個(gè)二值掩膜CR＝{cr(i，j)|1≤i≤M，1≤j≤N|}，其中cr(i，j)∈[0，1]。(5)對(duì)差異影像構(gòu)造模糊開(kāi)關(guān)函數(shù)f：[0，1]n→[0，1]，將變化區(qū)域和非變化區(qū)域視作開(kāi)關(guān)函數(shù)的開(kāi)和關(guān)，把由若干個(gè)變化區(qū)域和非變化區(qū)域A1，A2，…，AK組成一個(gè)集合稱為“開(kāi)關(guān)集合”，一個(gè)“開(kāi)關(guān)集合”具有兩種狀態(tài)，即當(dāng)cr(i，j)＝1表示相應(yīng)的像元屬于變化區(qū)域，cr(i，j)＝0表示相應(yīng)的像元屬于非變化區(qū)域，它的狀態(tài)由開(kāi)關(guān)變量Ai(i＝1，2，…，k)的狀態(tài)決定，因而可用一個(gè)函數(shù)f(A1，A2，...，AK)來(lái)表示，f的取值是0或1，則f為開(kāi)關(guān)函數(shù)；(6)為了可以更好地判別像元是否發(fā)生變化，本發(fā)明選取多維特征作為變化與否的判別因子，并將其作為開(kāi)關(guān)函數(shù)的開(kāi)關(guān)變量。其中判別因子的選取取決于實(shí)驗(yàn)區(qū)，不同的實(shí)驗(yàn)區(qū)可能選取不同的特征，如植被為主的區(qū)域，可以采用NDVI和光譜均值；城區(qū)為主的區(qū)域，則可以選取地物的空間特征中的梯度和邊緣，紋理特征中的能量、熵、相關(guān)性、逆差距和對(duì)比度，以及光譜均值等；對(duì)于復(fù)雜研究區(qū)，則可以首先采用NDVI和MNDVI優(yōu)先確定植被和水系的變化，然后采用邊緣、梯度以及紋理，確定人工地物的變化情況，最后根據(jù)實(shí)驗(yàn)區(qū)情況，選擇相應(yīng)的特征提取其它的變化區(qū)域；(7)對(duì)構(gòu)建的模糊開(kāi)關(guān)函數(shù)采用模糊相容圖結(jié)合選取的判別因子進(jìn)行模糊聚類的方法自動(dòng)識(shí)別差異影像的變化區(qū)域，如圖5(a)所示。具體步驟如下：7a)模糊開(kāi)關(guān)函數(shù)建立之后均需極小化，本發(fā)明通過(guò)建立模糊相容圖，來(lái)求解模糊開(kāi)關(guān)函數(shù)的極小覆蓋；7b)對(duì)極小化了的模糊開(kāi)關(guān)函數(shù)進(jìn)行模糊聚類：①初始化聚類中心，本發(fā)明將其分為三類；②計(jì)算隸屬度u，對(duì)于一個(gè)數(shù)據(jù)集其隸屬度的和總等于1；③計(jì)算聚類中心z；④通過(guò)選取的判別因子建立判結(jié)束條件；⑤顯示最終分類結(jié)果，聚類結(jié)束；為了量化項(xiàng)目提出方法的有效性，本發(fā)明通過(guò)總體檢測(cè)精度、虛檢率和漏檢率來(lái)定量評(píng)價(jià)本發(fā)明的精度，即：總體檢測(cè)精度：虛檢率：漏檢率：上述指標(biāo)的參數(shù)意義見(jiàn)表1。表1變化誤差矩陣本發(fā)明的效果可以通過(guò)下面的內(nèi)容進(jìn)一步說(shuō)明：(1)實(shí)驗(yàn)數(shù)據(jù)本發(fā)明采用兩組實(shí)驗(yàn)數(shù)據(jù)：第一組實(shí)驗(yàn)數(shù)據(jù)為三波段兩時(shí)相的Landsat遙感影像數(shù)據(jù)，兩個(gè)時(shí)相的遙感影像是Landsat-5TM分別在1984年07月23日和2011年05月15日在athabasca得到的某區(qū)域影像數(shù)據(jù)，時(shí)相1影像如圖2(a)，時(shí)相2影像如圖2(b)所示，影像大小均為3200×3200像元，真彩影像；第二組實(shí)驗(yàn)數(shù)據(jù)為三波段兩時(shí)相的Landsat遙感影像數(shù)據(jù)，兩個(gè)時(shí)相的遙感影像是Landsat-5TM分別在2001年07月03日和2006年06月30日在內(nèi)蒙古得到的某區(qū)域影像數(shù)據(jù)，時(shí)相1影像如圖6(a)，時(shí)相2影像如圖6(b)所示，影像大小均為3911×2347像元，真彩影像。(2)對(duì)比實(shí)驗(yàn)及實(shí)驗(yàn)評(píng)價(jià)圖5(a)是本發(fā)明的第一組實(shí)驗(yàn)變化檢測(cè)結(jié)果圖，圖5(b)是采用ErdasImagine9.2平臺(tái)的第一組實(shí)驗(yàn)變化檢測(cè)結(jié)果圖；圖9(a)是本發(fā)明的第二組實(shí)驗(yàn)變化檢測(cè)結(jié)果圖，圖9(b)是采用ErdasImagine9.2平臺(tái)的第二組實(shí)驗(yàn)變化檢測(cè)結(jié)果圖。從兩組實(shí)驗(yàn)的變化檢測(cè)結(jié)果圖可以看出，本發(fā)明方法優(yōu)于ErdasImagine9.2平臺(tái)下的變化檢測(cè)方法，本發(fā)明方法得到的檢測(cè)結(jié)果虛檢明顯少于ErdasImagine9.2平臺(tái)下的變化檢測(cè)結(jié)果。對(duì)于實(shí)驗(yàn)結(jié)果的評(píng)價(jià)，本發(fā)明主要從主觀和客觀兩個(gè)方面進(jìn)行評(píng)價(jià)，主觀評(píng)價(jià)是將變化檢測(cè)結(jié)果圖5(a)、5(b)和9(a)、9(b)分別與參考圖進(jìn)行主觀視覺(jué)對(duì)比；客觀評(píng)價(jià)則采用評(píng)價(jià)指標(biāo)總體檢測(cè)精度、虛警率和漏檢率，兩組實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)見(jiàn)表2。綜上，本發(fā)明提出的基于模糊相容圖的遙感影像變化檢測(cè)方法能夠達(dá)到較高的檢測(cè)精度，比ErdasImagine9.2平臺(tái)下的變化檢測(cè)方法具有更高的檢測(cè)精度、虛檢較少，可以有效地用于多時(shí)相遙感影像變化檢測(cè)。表2本發(fā)明方法和對(duì)比方法的檢測(cè)結(jié)果比較應(yīng)當(dāng)理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來(lái)說(shuō)，可以根據(jù)上述說(shuō)明加以改進(jìn)或變換，而所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。