基于非参数密度估计的遥感图像变化检测方法

摘要

本发明公开了一种基于非参数密度估计的遥感图像变化检测方法，主要解决现有技术对差异图像中与变化类和非变化类相关的统计项的估计存在偏差的问题。其实现过程是：输入两幅不同时相的遥感图像，并对每幅图像的每个通道去噪，得到两时相的去噪后图像，并采用变化矢量分析法构造差异影像；应用K-均值聚类算法将差异图像聚成变化类和非变化类，得到初始分类结果，并采用非参数密度估计的方法估计差异影像中与变化类和非变化类相关的统计项；结合变权马尔科夫随机场模型进行自适应的空间约束，得到最终的变化检测结果。实验表明本发明能够有效地保持图像的结构信息，并去除孤立噪声，提高变化检测处理效率，可用于灾情监测、土地利用、农业调查领域。

主权项

一种基于非参数密度估计的遥感图像变化检测方法，包括如下步骤：(1)输入两幅不同时相的遥感图像，并对每幅图像的每个通道分别进行窗口大小为3×3像素的中值滤波，得到两时相的去噪后图像；(2)将去噪后的两幅图像应用变化矢量分析，得到一幅差异图像，并根据该差异图像计算变权马尔科夫随机场的权值因子W；(3)应用K-均值聚类算法将差异图像聚成变化类和非变化类，得到初始分类结果；(4)利用初始分类结果，采用非参数密度估计方法估计差异图像中变化类和非变化类的类条件概率密度，再对该类条件概率密度取负自然对数得到变化类和非变化类的似然能量；(5)对初始分类结果利用马尔科夫随机场计算变化类和非变化类的先验能量；(6)利用权值因子W、变化类和非变化类的似然能量及变化类和非变化类的先验能量计算变化类的总能量和非变化类的总能量，将总能量较小的那一类作为当前类别，得到类别更新后的结果；(7)对类别更新后的结果，采用非参数密度估计方法重新估计差异图像中变化类和非变化类的类条件概率密度，再对该类条件概率密度取负自然对数得到变化类和非变化类的似然能量，并利用马尔科夫随机场重新计算变化类和非变化类的先验能量；(8)重复步骤(6)及步骤(7)直至迭代终止，并存储每次类别更新后的结果，得到每个像素点的类别更新集合，该迭代终止条件为迭代次数不超过50次及两次迭代之间相异的像元数目比例小于给定的阈值；(9)利用每个像素点的类别更新集合估计变化类的后验概率和非变化类的后验概率，将后验概率较大的那一类作为该像素点的最终变化检测结果。