一種高分辨率可見(jiàn)光圖像目標(biāo)變化檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像變化檢測(cè)技術(shù)領(lǐng)域，具體設(shè)及一種高分辨率可見(jiàn)光圖像目標(biāo)變化 檢測(cè)方法。
【背景技術(shù)】
[0002] 一般來(lái)說(shuō)目標(biāo)變化是指在一個(gè)特定的場(chǎng)景中目標(biāo)物整體或部分的出現(xiàn)或者消失， 高分辨率可見(jiàn)光圖像W其能在較小的空間尺度上反映地表的細(xì)節(jié)變化的優(yōu)勢(shì)，成為重要的 對(duì)地觀測(cè)信息源。利用變化檢測(cè)技術(shù)從影像上提取目標(biāo)的變化信息，是處理高分辨率可見(jiàn) 光圖像的一項(xiàng)重要內(nèi)容，已廣泛應(yīng)用在目標(biāo)探測(cè)、態(tài)勢(shì)感知、毀傷評(píng)估等方面。在變化檢測(cè) 時(shí)圖像中陰影的變化會(huì)導(dǎo)致各像素點(diǎn)的灰度值呈現(xiàn)區(qū)域性的變化，傳統(tǒng)變化檢測(cè)方法直接 利用全局灰度特征進(jìn)行變化檢測(cè)會(huì)產(chǎn)生大量的偽變化目標(biāo)。
[0003] 目前，目標(biāo)變化檢測(cè)中排除偽變化目標(biāo)的方法有基于陰影區(qū)域提取并補(bǔ)償?shù)姆?法、基于特征融合的變化檢測(cè)方法等。基于陰影區(qū)域提取并補(bǔ)償?shù)姆椒?，能夠排除陰影引?的偽變化目標(biāo)，但該方法需要從光譜信息中提取出陰影的準(zhǔn)確位置，對(duì)于光譜混淆的高分 辨圖像，陰影提取不準(zhǔn)確，目標(biāo)誤檢測(cè)率高；基于特征融合的變化檢測(cè)方法，對(duì)變化前后的 兩幅圖像特征變化信息進(jìn)行融合處理，其方法在檢測(cè)精度上優(yōu)于使用單一圖像特征的檢測(cè) 結(jié)果，但該方法僅僅融合全局特征，未有效利用局部特征，檢測(cè)結(jié)果的目標(biāo)誤檢率高。
[0004] 綜合考慮W上傳統(tǒng)方法可W看出，需要有一種方法來(lái)解決現(xiàn)有方法直接對(duì)全局進(jìn) 行檢測(cè)導(dǎo)致的目標(biāo)誤檢率高的問(wèn)題，使得偽變化目標(biāo)得W有效排除，保證目標(biāo)變化檢測(cè)準(zhǔn) 確的檢測(cè)出真實(shí)變化目標(biāo)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明為解決現(xiàn)有方法直接對(duì)全局進(jìn)行檢測(cè)導(dǎo)致的目標(biāo)誤檢率高的問(wèn)題，提出了 一種基于區(qū)域選取的目標(biāo)變化檢測(cè)的新方法。采用區(qū)域選取的方法限制目標(biāo)變化檢測(cè)的范 圍，減少偽變化目標(biāo)，獲得存在變化目標(biāo)的區(qū)域；將該區(qū)域圖像的對(duì)數(shù)比差異圖與均值比差 異圖進(jìn)行圖像融合，并對(duì)融合結(jié)果進(jìn)行形態(tài)學(xué)處理，準(zhǔn)確的檢測(cè)出變化目標(biāo)。
[0006] 本發(fā)明高分辨率可見(jiàn)光圖像目標(biāo)變化檢測(cè)方法包括W下具體步驟：
[0007] (1);輸入同一地區(qū)、不同時(shí)刻獲取的變化前圖像Ii和變化后圖像12;
[0008] (2);利用整體變分算法分別對(duì)圖像Ii、12處理，得到結(jié)構(gòu)圖像I' 1、1'2;
[0009] 做；根據(jù)圖像分辨率及預(yù)估目標(biāo)類(lèi)型尺寸，將圖像1、1' 2分為方形塊；
[0010] (4);計(jì)算I' 1、1' 2分塊后其相同位置方形塊間的滴值差；
[001U 巧）；計(jì)算Ii、I2分塊后其相同位置方形塊間的結(jié)構(gòu)相似度；
[0012] 化）；將步驟（4)獲得的滴值差和步驟（5)獲得的結(jié)構(gòu)相似度分別按各自的判斷條 件進(jìn)行判定，確定出存在變化目標(biāo)的圖像塊；
[001引（7);計(jì)算步驟做獲得的圖像塊的對(duì)數(shù)比差異圖與均值比差異圖，并將對(duì)數(shù)比差 異圖與均值比差異圖進(jìn)行融合，獲得融合差異圖；
[0014] 巧）；將融合差異圖進(jìn)行闊值分割與形態(tài)學(xué)處理，得到最終變化目標(biāo)圖像；
[001引 （9);將步驟做得到的圖像保存并輸出。
[0016] 其中步驟做中存在變化目標(biāo)的圖像塊按W下步驟確定：
[0017] (6-1);將步驟（4)獲得的滴值差按式（1)進(jìn)行判別，選取滿(mǎn)足條件的圖像塊；
[001引 |H(x)ti-H(x)t2l<w(}Kx)u+H(x)t2) (1)
[0019] 其中H(x)ti，H(x)t2分別表示相同位置圖像塊的滴值，W表示權(quán)重，權(quán)重取值范圍為 (0,0. 5]，本例取 0. 1 ;
[0020] (6-。；將步驟妨獲得的結(jié)構(gòu)相似度按式似進(jìn)行判別，選取滿(mǎn)足條件的圖像 塊；
[002UQmean(m，n)-Q(m,n)〉kQmean(m，n) (2)
[002引其中Q(m，n)表示該塊的結(jié)構(gòu)相似度，（m，n)表示圖像塊位置，n)表示該塊 的八鄰域塊的結(jié)構(gòu)相似度的均值，k表示權(quán)重，權(quán)重取值范圍為（0, 0. 5]，本例取0. 1;
[002引 （6-如；選取同時(shí)滿(mǎn)足步驟化-1)和步驟（6-。的兩個(gè)判定條件的圖像塊作為判定 結(jié)果，為存在變化目標(biāo)的圖像塊。
[0024] 本發(fā)明與現(xiàn)有技術(shù)相比具有W下優(yōu)點(diǎn)：
[0025] 1.將圖像分塊處理，避免了直接對(duì)全局檢測(cè)的不足，有效利用圖像的局部特征；
[0026] 2.利用整體變分算法，在濾除細(xì)小紋理的同時(shí)較好的保留了圖像塊的結(jié)構(gòu)特征， 為后續(xù)利用圖像塊滴值特征提供有力依據(jù)；
[0027] 3.合理的利用了整體變分算法獲得的結(jié)構(gòu)圖，其相同位置圖像塊的滴值差和源圖 像相同位置塊的結(jié)構(gòu)相似度，兩種指標(biāo)較好的表征了變化目標(biāo)塊的特征，為準(zhǔn)確的選取變 化目標(biāo)塊奠定基礎(chǔ)。
[002引 4.滴值差的判斷條件利用滴值差與加權(quán)滴值和進(jìn)行比較，考慮了陰影產(chǎn)生偽目標(biāo) 的原理；結(jié)構(gòu)相似度的判定條件利用了該塊的結(jié)構(gòu)相似度與鄰域的結(jié)構(gòu)相似度，體現(xiàn)了目 標(biāo)變化結(jié)構(gòu)相似度的突變與偽變化目標(biāo)結(jié)構(gòu)相似度的漸變。將兩種判斷方法結(jié)合，準(zhǔn)確的 排除了偽變化目標(biāo)塊，確定出了變化目標(biāo)塊。
[0029] 5.對(duì)于高分辨可見(jiàn)光圖像，有效的利用了其陰影導(dǎo)致的偽變化目標(biāo)與真實(shí)變化目 標(biāo)的特征差異，排除大量存在偽變化目標(biāo)的圖像塊，從而降低了目標(biāo)誤檢率。
【附圖說(shuō)明】
[0030] 圖1為本發(fā)明的流程圖；
[0031] 圖2為輸入的變化前圖像Ii和變化后圖像I2;
[0032]圖3為通過(guò)整體變分算法后的結(jié)構(gòu)圖像I' 1和I' 2;
[0033] 圖4為選取出存在變化目標(biāo)的圖像塊；
[0034] 圖5為圖像塊的對(duì)數(shù)比差異圖；
[0035] 圖6為圖像塊的均值比差異圖；
[0036] 圖7為圖像塊的融合差異圖；
[0037] 圖8為形態(tài)學(xué)處理前的差異圖；
[003引圖9為形態(tài)學(xué)處理后的差異圖。
【具體實(shí)施方式】
[0039] 參照?qǐng)D1的流程圖，W-組高分辨率可見(jiàn)光圖像為例進(jìn)行實(shí)驗(yàn)，該圖像來(lái)源于互 聯(lián)網(wǎng)，（網(wǎng)址為ht化://datatang.com/)，圖像拍攝于波西米亞、拍攝高度為250米、傾斜度 約為70度，每幅圖像大小為800X600、分辨率為50cm、經(jīng)過(guò)嚴(yán)格配準(zhǔn)，有一個(gè)明顯的變化目 標(biāo)和由光照強(qiáng)度及角度導(dǎo)致的陰影變化。具體實(shí)施步驟如下：
[0040](1):輸入同一地區(qū)、不同時(shí)刻獲取的變化前圖像Ii和變化后圖像I2,圖2為輸入 的一幅圖像實(shí)例的變化前圖像II和變化后圖像I2;
[0041] 似；對(duì)圖像Ii、12圖像進(jìn)行整體變分算法處理，得到濾除圖像的噪聲和細(xì)小紋理 的結(jié)構(gòu)圖像I' 1、1' 2,所采用的整體變分算法模型如式（3):
[0042]
(3)
[004引其中，E表示能量泛函，I為輸入圖像，S為結(jié)構(gòu)圖，P為像素位置，A為正則化參 數(shù)，取值范圍為[0, 1]，本例取0.05，
表示梯度，用來(lái)抑制噪 聲；（Sp-Ip)%正則項(xiàng)，用來(lái)保護(hù)邊緣。通過(guò)求解能量泛函最小值得到結(jié)構(gòu)圖S，圖3為源圖 像的結(jié)構(gòu)圖像I' 1、1' 2;
[0044] 做；根據(jù)圖像分辨率及預(yù)估目標(biāo)類(lèi)型尺寸，將圖像1、1' 2分為方形塊， 選取的圖像塊尺寸為預(yù)估目標(biāo)尺寸的2至5倍，本例將圖像分為50X50的圖像塊；
[0045] (4);計(jì)算I' 1、1' 2分塊后的相同位置方形塊間的滴值差，滴值差為兩圖像塊的 滴值的差值的絕對(duì)值；
[0046] 巧）；計(jì)算Ii、12分塊后的相同位置方形塊間的結(jié)構(gòu)相似度（Structural Similarity,SSIM)其計(jì)算方法如下，