发明名称 基于多组滤波和降维的遥感图像变化检测方法
摘要 本发明公开了一种基于多组滤波和降维的遥感图像变化检测方法,主要解决现有技术对变化检测图像的精度和运行时间上不足的问题。其实现过程是:输入两幅不同时相的遥感图像,并构造差值差异图像,得到差值差异图像的分割结果,并对遥感图像进行灰度校正得到新的差值差异图;应用Gabor滤波器得到多组滤波图像,并组成样本矩阵;利用Treelet算法对样本矩阵进行降维,对降维后的图像进行K均值聚类得到最终的变化检测结果。实验表明本发明能够有效地提高变化检测处理效率,保持图像的边缘信息,提高变化检测的精确度,可用于灾情监测、土地利用领域。
申请公布号 CN102629380B 申请公布日期 2014.06.18
申请号 CN201210053876.3 申请日期 2012.03.03
申请人 西安电子科技大学 发明人 王桂婷;焦李成;曹娟;钟桦;张小华;田小林;公茂果;王爽
分类号 G06T7/00(2006.01)I 主分类号 G06T7/00(2006.01)I
代理机构 陕西电子工业专利中心 61205 代理人 王品华;朱红星
主权项 一种基于多组滤波和降维的遥感图像变化检测方法,包括如下步骤:(1)对输入的两幅已经配准的多时相遥感图像T1和T2空间位置对应的像素灰度值进行差值计算,得到一幅差值差异图Xd;(2)计算差值差异图Xd变化类和非变化类的分类阈值:(2a)初始化分类阈值T为差值差异图Xd中最大像素值和最小像素值的均值;(2b)利用初始化分类阈值T将差值差异图Xd分成两类,分别计算变化类像素值的均值m<sub>c</sub>和非变化类像素值的均值m<sub>d</sub>,将m<sub>c</sub>和m<sub>d</sub>的均值记为T<sub>n</sub>,当初始化分类阈值T与T<sub>n</sub>的绝对差值大于收敛值T<sub>s</sub>时,更新分类阈值T为T<sub>n</sub>,T<sub>s</sub>&lt;&lt;1;(2c)重复步骤(2b)直至初始化分类阈值T与均值T<sub>n</sub>的绝对差值满足收敛值T<sub>s</sub>时,得到最终的分类阈值T<sub>m</sub>;(3)根据分类阈值计算出图像T1和图像T2中非变化类像素的灰度直方图,将图像T1中的非变化类像素和图像T2中的非变化类像素进行灰度校正,得到图像T2灰度校正后的图像T3;将图像T1和图像T3空间位置对应的像素灰度值进行差值计算,得到一幅灰度校正的差值差异图D;(4)设Gabor滤波器函数的参数包括六个不同频率f=[0,2,4,8,16,32]和五个不同方向角度φ=[0,π/3,π/6,π/2,3π/4],将Gabor滤波器函数参数中5个方向角度的任意一个与6个频率的任意一个进行两两组合,可得到30组滤波器函数,利用该组滤波器函数对灰度校正的差值差异图D进行滤波得到30组滤波后的差异图像组,记为滤波图像组矩阵E<sub>1</sub>;(5)将灰度校正的差值差异图D加入到滤波图像组矩阵E<sub>1</sub>中,得到降维样本矩阵E;(6)利用Treelet算法计算降维样本矩阵E的投影矩阵P,得到沿投影方向降维后的最终差异图像F;(7)对得到的最终差异图像F利用K均值算法进行聚类,得到最终的变化检测结果图Z。
地址 710071 陕西省西安市太白南路2号