一种基于马尔科夫随机场的多时相遥感图像变化检测方法

摘要

本发明公开了一种基于马尔科夫随机场的多时相遥感图像变化检测方法，属于数字图像处理与理解领域，目的在于自动检测已配准的多时相遥感图像中的变化与非变化区域，以提高遥感图像变化检测中的自动化程度和精度。该方法包括差值图像生成步骤、EM参数估计步骤、差值图像边缘检测步骤、自适应权重计算步骤以及马尔科夫随机场标记步骤。本发明利用差值图像的相邻像素大小自动调整马尔科夫随机场的权值大小，有效提高变化检测精度。

主权项

1.一种基于马尔科夫随机场的多时相遥感图像变化检测方法，包括：生成差值图像的步骤、采用EM方法估计差值图像的图像参数的步骤、提取差值图像的边缘像素的步骤、依据像素边缘状态设定差值图像内各像素权值的步骤以及依据图像参数和像素权值对差值图像作马尔科夫随机场类别标记的步骤；其特征在于，所述设定差值图像各像素权值的步骤具体为：设定差值图像的非边缘像素的权值为预定常数值β_max，边缘像素的邻域内各像素的权重为$F_{(\mathrm{ij},\mathrm{gh})}\left(\eta \right)={\beta }_{\max }[f_{\gamma }\left(\eta \right)f_{(i,j)}^E+{\bar{f}}_{(i,j)}^E],$其中，η为两相邻像素(i,j)与(g,h)的亮度差，f_γ(η)为自适应权重函数，F_(ij,gh)(η)为(i,j)与(g,h)之间的权重，为的反状态；所述自适应权重函数f_γ(η)满足：$\left\{\begin{array}{cc}{f}_{\gamma }\left(\eta \right)=f_{\gamma }(-\eta )& \\ f_{\gamma }\left(\eta \right)>0& \forall -a\le \eta \le a,a>0\\ {f^{\text{'}}}_{\gamma }\left(\eta \right)<0& \forall \eta >0\\ {\lim }_{\eta \to 0}{f}_{\gamma }\left(\eta \right)=1& \\ {\lim }_{\eta \to \infty }{f}_{\gamma }\left(\eta \right)\ge -\infty & \end{array}\right.,$a为f_γ(η)与X轴交点的X轴坐标，f'_γ(η)表示对f_γ(η)求导；所述马尔科夫随机场类别标记的步骤具体为：求解贝叶斯准则方程式得到初始阈值T₀；以T₀为阈值对差值图像作二值化处理：迭代更新像素类别C_l(i,j)＝argmin{U[C_l(i,j)|X_D(i,j)]}，其中，U[C_l(i,j)|X_D(i,j)]＝U_data[X_D|(i,j)|C_l(i,j)]+U_context[C_l(i,j)|C_l(g,h)]，$U_{\mathrm{data}}\left[X_D(i,j)\right|C_l(i,j)]=\frac{1}{2}\ln |2{\mathrm{\pi \sigma }}_{C_l(i,j)}^2|+{[X_D(i,j)-{\mu }_{C_l(i,j)}]}^2{\left[{\sigma }_{C_l(i,j)}^2\right]}^{-1},$$U_{\mathrm{context}}\left[C_l(i,j)\right|C_l(g,h)]=\underset{(g,h)\in N(i,j)}{\Sigma }{F}_{(\mathrm{ij},\mathrm{gh})}\left(\eta \right){\delta }_k[C_l(i,j),C_l(g,h)],$${\delta }_k[C_l(i,j),C_l(g,h)]=\left\{\begin{array}{cc}-1,& C_l(i,j)=C_l(g,h)\\ 0,& C_l(i,j)\ne C_l(g,h)\end{array}\right.,$X_D(i,j)为像素(i,j)的灰度值，N(i,j)为像素(i,j)的邻域，和分别为图像参数中的均值和方差。