基于treelet融合和水平集分割的遥感图像变化检测

摘要

本发明公开了一种基于treelet融合和水平集分割的遥感图像变化检测方法，主要解决现有变化检测方法存在较多伪变化信息的问题。其实现过程是：输入两时相遥感图像，对每幅图像分别进行均值漂移滤波，得到两时相滤波后图像并分别对其进行3次不同层数下的二维平稳小波分解，对相同分解层数对应方向子带的小波系数矩阵做差；采用sobel算子对得到的水平、垂直方向小波系数差矩阵进行增强并进行二维小波逆变换重构；采用treelet算法融合不同分解层数的重构图像得到最终的差异图，对该差异图进行水平集分割得到变化检测结果。本发明能够有效提高变化检测结果的精度，同时较好的保持变化区域的边缘特征，可用于对自然灾害的分析、土地资源监测等领域。

主权项

一种基于treelet融合和水平集分割的遥感图像变化检测方法，包括如下步骤：(1)对输入的两幅已配准的大小均为m×n的多时相遥感图像I1和I2分别进行均值漂移滤波，得到滤波后图像X1和X2；(2)对滤波后图像X1和X2分别进行3次二维平稳小波分解，且每一幅滤波后图像3次分解的最高分解层数分别为s(s＝1，...3)，一次二维平稳小波分解得到四个小波系数矩阵，即一个低频系数矩阵和三个分别表示水平、垂直、对角方向的高频小波系数矩阵；(3)对滤波后图像X1和X2相同分解层数下对应方向子带的小波系数矩阵做差，得到每一个分解层s的低频小波系数差矩阵和三个分别表示水平、垂直、对角方向的高频小波系数差矩阵；(4)对步骤(3)中的水平方向小波系数差矩阵和垂直方向小波系数差矩阵利用sobel算子进行增强，保持低频小波系数差矩阵和对角方向小波系数差矩阵不变；(5)使用(3)中低频小波系数差矩阵、对角方向小波系数差矩阵和(4)中增强后的水平、垂直方向小波系数差矩阵，对每一个分解层s进行二维逆平稳小波变换，得到每个分解层s的重构图像RIs；(6)对每个分解层s的重构图像RIs使用treelet变换进行融合，得到融合后的差异图D；(7)对融合后的差异图D进行水平集分割，得到变化检测结果图Z。