專利名稱：基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及影像土地覆蓋變化檢測的方法，適用于兩幅 不同時期具備相同土地覆蓋范圍的單波段或多波段高分辨遙感影像的變化檢測。
背景技術(shù)：
土地覆蓋作為人類社會和自然界交互作用的界面具有重要的社會經(jīng)濟(jì)意義和生 態(tài)環(huán)境價值。近年來我國城市發(fā)展迅速，及時、周期性獲取土地覆蓋變化的信息有利于管理 者掌握城市土地覆蓋的變化趨勢，在城市建設(shè)中統(tǒng)籌考慮生態(tài)環(huán)境和經(jīng)濟(jì)發(fā)展的因素，以 實現(xiàn)城市的健康可持續(xù)發(fā)展。隨著我國衛(wèi)星遙感技術(shù)的迅速發(fā)展，衛(wèi)星遙感影像由于周期 性、連續(xù)性、覆蓋范圍廣等特點為我國土地覆蓋變化調(diào)查提供了有力的數(shù)據(jù)支持，提高了土 地調(diào)查的效率。然而受分辨率的限制，往往不能得到較為理想的土地覆蓋變化檢測結(jié)果。隨 著越來越多的民用高分辨衛(wèi)星遙感影像的出現(xiàn)，利用高分辨遙感影像進(jìn)行土地覆蓋變化檢 測將成為一種趨勢。與中低分辨率的遙感影像相比，高分辨影像一方面能夠反映較為豐富 的地物信息，另一方面由于其較多的地物紋理細(xì)節(jié)給變化檢測帶來一定難度。傳統(tǒng)的遙感影像變化檢測方法一般可分為兩類一類是對不同時間的數(shù)據(jù)在像素 級進(jìn)行分析，例如差值法、比值法、回歸分析法、相關(guān)分析法等；另一類是對不同時間的數(shù)據(jù) 相互獨立的分類，然后對分類結(jié)果進(jìn)行比較性研究，一般常用的有分類后比較法等。前一種 方法根據(jù)像素值，提取有關(guān)變化性質(zhì)的信息以找出感興趣的變化，但要求精確的時域標(biāo)準(zhǔn) 化和圖像配準(zhǔn)。后一種變化檢測方法直接給出了有關(guān)地物性質(zhì)的信息，因而受配準(zhǔn)及時域 標(biāo)準(zhǔn)化結(jié)果的影響小，但是所使用的分類器的準(zhǔn)確度對它們的影響很大，而且要想達(dá)到較 好的分類效果，往往需要過多的人工參與。盡管上述兩類變化檢測方法已廣泛應(yīng)用到諸多領(lǐng)域，但是仍然存在由于高分辨遙 感影像具有較多的地物紋理細(xì)節(jié)而使得檢測結(jié)果存在較多的噪聲；或是變化檢測過程較復(fù) 雜，需要較多的人工參與，從而降低了變化檢測效率的問題。

發(fā)明內(nèi)容
本發(fā)明的技術(shù)解決問題是克服現(xiàn)有技術(shù)檢測噪聲較多，檢測結(jié)果目視效果不好 的不足，提供一種速度快、精度好、人工參與較少的基于自適應(yīng)閾值分割的高分辨率遙感影 像變化檢測方法。本發(fā)明的技術(shù)解決方案是基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方 法，步驟如下(1)對于同一空間覆蓋范圍的兩個不同時期的遙感影像，以其中一幅作為參考影 像，另一幅與之進(jìn)行幾何配準(zhǔn)；(2)利用差值法獲取各個波段的差值圖像，差值圖像上的像素灰度值為經(jīng)步驟 (1)處理后的兩個不同時期遙感影像上各個波段相對應(yīng)圖像位置像素灰度值之差的絕對 值；
(3)對步驟(2)得到的各個波段的差值圖像應(yīng)用最大類間方差算法求得各個波段 的差值圖像上變化區(qū)域像素的灰度提取閾值，將各個波段差值圖像上小于對應(yīng)波段灰度提 取閾值的所有像素的灰度值置為0，各個波段差值圖像上不小于對應(yīng)波段灰度提取閾值的 所有像素的灰度值置為相同的非0值，然后將經(jīng)過閾值分割的各個波段二值化差值圖像合 并仍得到一個二值化的差異圖像；(4)利用形態(tài)學(xué)變換去掉步驟(3)得到的差異圖像上的噪聲像素；(5)應(yīng)用區(qū)域增長的方式將步驟(4)所得圖像上相互鄰接的灰度值為非0值的 像素先歸并至同一區(qū)域，再根據(jù)所需提取的變化區(qū)域的大小確定區(qū)域所包括的像素個數(shù)閾 值，將所包含像素個數(shù)小于像素個數(shù)閾值的區(qū)域中所有像素的灰度值置為0 ；(6)通過Sobel邊緣檢測算子提取經(jīng)步驟(5)處理后的差值圖像上變化區(qū)域的邊 緣輪廓；(7)將步驟(6)得到的各變化區(qū)域的邊緣輪廓線疊加在步驟(1)中的參考影像上， 得到遙感影像變化檢測結(jié)果。所述步驟(1)中對遙感影像進(jìn)行幾何配準(zhǔn)的方法為在兩幅圖像上選取至少6對 同名控制點對，采用二次多項式建立兩幅圖像的函數(shù)關(guān)系，對待配準(zhǔn)的圖像進(jìn)行空間坐標(biāo) 變換，再采用最近鄰元法進(jìn)行灰度內(nèi)插，確定待配準(zhǔn)圖像各像素的灰度值。所述步驟(3)中單波段差值圖像提取閾值的確定方法為(31)將單波段差值圖像按照灰度值劃分為L個等級，統(tǒng)計各等級的像素個數(shù)Ni, i =1，2，3. · · L，計算得到整幅差值圖像的像素總個數(shù)N = N^N2+. · · +Ni+. . . +Nl ；(32)計算單波段差值圖像上各等級像素出現(xiàn)的概率Pi = Ν,/Ν ；(33)通過公式O2(K) = ^1(Utl-U1)2計算類間方差σ2(Κ), O2(K)的最大值對應(yīng)
KKL-I
的 K 即為提取閾值，上式中 aG =Z幾,B1 = !-^,U0=YjIplZa0 ,U1 = ^ Ipi Iax。
i=0i=0i=K+l所述步驟(4)中的形態(tài)學(xué)變化方法包括腐蝕和膨脹，結(jié)構(gòu)元素采用3乘3的窗口， 4鄰域運算；對于腐蝕，當(dāng)窗口中心元素本身為O或者窗口中心元素的4個鄰域中有一個為 O時，將窗口中心元素設(shè)為O ；對于膨脹當(dāng)窗口中心元素本身不為O或者窗口中心元素的 4個鄰域中有一個不為O時，則將窗口中心元素設(shè)為相同的非零值；對差異圖像進(jìn)行形態(tài)學(xué) 變換時，采用先腐蝕再膨脹的方法，去掉噪聲像素。所述步驟(5)中的區(qū)域增長方法為(51)設(shè)定最小區(qū)域閾值，最小區(qū)域閾值由所需要得到的變化檢測區(qū)域的大小確 定；(52)對步驟(4)得到的二值化圖像按照從左至右，從上至下的順序進(jìn)行逐像素的 遍歷，當(dāng)遇到一個滿足灰度值不為O且未進(jìn)行區(qū)域標(biāo)記的像素時，停止遍歷，并將該像素作 為此次區(qū)域增長運算的第一個種子點，對該種子點進(jìn)行區(qū)域標(biāo)記，并將該種子點存入堆棧， 進(jìn)行下一步；若遍歷完整幅圖像，未找到滿足上述條件的像素時，則步驟(5)結(jié)束；(53)順序從存儲種子點的堆棧中取出種子點，在步驟(4)得到的二值化圖像上， 遍歷種子點的八個鄰域內(nèi)的像素，將灰度值不為O且未進(jìn)行區(qū)域標(biāo)記的像素與種子點合并 至一個區(qū)域，同時將這些新合并的像素作為種子點順序存入堆棧；(54)重復(fù)步驟(53)，直到堆棧為空；
5
(55)統(tǒng)計步驟(54)得到的變化區(qū)域所包含的像素個數(shù)，若小于預(yù)先設(shè)定的最小 區(qū)域閾值，則將該變化區(qū)域中所有像素的灰度值置0，并取消其區(qū)域標(biāo)記；(56)重復(fù)步驟(52) (55)，進(jìn)行下一個區(qū)域增長的運算，直至滿足步驟(5)結(jié)束 的條件。所述步驟(6)中通過Sobel邊緣檢測算子提取邊緣的方法為對經(jīng)步驟(5)處理 后的差值圖像進(jìn)行如下運算fx' = |f(x+l，y-l)+2*f(x+l，y)+f(x+l，y+l)-f(x_l，y-l)-2*f(x_l，y)-f(x_l，
y+D I，fy' = |f(x-l，y+l)+2*f(x，y+l)+f(x+l，y+l)-f(x_l，y-l)_2*f(x，y-l)_f(x+l，
y-D I，上式中f(x，y)表示在圖像上第x行，第y列處像素的灰度值，fx'為像素(x，y) 在χ方向上的梯度值，fy'為像素(χ，y)在y方向上的梯度值；當(dāng)fx'或fy'不為0時， 將f(x，y)置為相同的非零值，當(dāng)fx'，fy'都為0時，將f(x，y)置為0。本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于(1)本發(fā)明方法采用最大類間方差算法獲取差值圖像上變化目標(biāo)與非變化目標(biāo)像 素提取的灰度值閾值，具有自適應(yīng)的特點，對于任何光學(xué)遙感圖像都適用，在很大程度上減 少了人工的參與，簡化了變化區(qū)域像素提取的過程；(2)本發(fā)明方法采用形態(tài)學(xué)變換，可消除大部分高分辨遙感影像因紋理細(xì)節(jié)較多， 在通過灰度值閾值提取變化像素之后產(chǎn)生的眾多噪聲像素邊緣毛刺、區(qū)域內(nèi)的島、洞的現(xiàn) 象及因幾何配準(zhǔn)誤差導(dǎo)致的錯檢像素；(3)本發(fā)明方法在區(qū)域增長的過程中加入?yún)^(qū)域大小的閾值設(shè)置，對由噪聲像素所 合并成的小區(qū)域再次進(jìn)行了去除，提高了檢測的精度；(4)本發(fā)明方法最終的檢測結(jié)果為一塊塊完整的區(qū)域，采用邊緣檢測方法檢測出 變化區(qū)域的邊緣像素，獲得變化區(qū)域邊緣輪廓，將其疊加到原始影像上可清楚地勾繪出變 化區(qū)域，使檢測者一目了然；(5)本發(fā)明方法對已配準(zhǔn)的遙感影像，在檢測之前只需對形態(tài)學(xué)變化次數(shù)以及變 化區(qū)域大小的閾值進(jìn)行簡單的設(shè)置后即可自動完成，操作簡單、快捷。


圖1為本發(fā)明方法的實現(xiàn)流程圖；圖2為兩個不同時期相同區(qū)域的單波段高分辨遙感影像；圖3為采用最大類間方差算法獲取圖2中兩個不同時期影像的差異圖像；圖4為采用本文發(fā)明的方法所獲得圖2中兩個時期影像的變化區(qū)域邊緣；圖5為兩個不同時期相同區(qū)域的多段高分辨遙感影像；圖6為采用最大類間方差算法獲取圖5中兩個不同時期影像的差異圖像；圖7為采用本文發(fā)明方法所獲得圖5中兩個個時期影像的變化區(qū)域邊緣。
具體實施例方式如圖1所示，本發(fā)明的具體實施步驟如下
步驟1 對于同一空間覆蓋范圍的兩個不同時期的遙感影像，以其中一幅作為參 考影像，另一幅與之進(jìn)行幾何配準(zhǔn)，配準(zhǔn)原理如下首先在兩幅圖像上選取至少6對同名控 制點對，采用二次多項式建立兩幅圖像的函數(shù)關(guān)系，對待糾正影像進(jìn)行空間坐標(biāo)變換；然后 再對待糾正的圖像進(jìn)行灰度內(nèi)插，采用最近鄰元法確定待配準(zhǔn)圖像各像素的灰度值，由于 糾正后的影像各個像素的空間坐標(biāo)非整數(shù)，所以需要將原圖像上離此空間點最近的像素的 灰度值賦給該空間點，形成重采樣后的像素，采用此方法可保證改變影像原有的灰度值。首先進(jìn)行幾何配準(zhǔn)，是考慮到由于衛(wèi)星軌道漂移、姿態(tài)、拍射角度的變化，使得兩 個時期的影像發(fā)生幾何定位誤差，從而導(dǎo)致兩幅影像上相對位置所對應(yīng)的實際像點不同， 幾何配準(zhǔn)可消除這種誤差，配準(zhǔn)的精度控制在1個象元之內(nèi)即可。步驟2 利用差值法獲取兩幅影像各個波段的差值圖像，差值圖像上的像素灰度 值為經(jīng)配準(zhǔn)后兩個不同時期遙感影像上各個波段相對應(yīng)圖像位置像素灰度值之差的絕對值。步驟3 將步驟2得到的各個波段的差值圖像應(yīng)用最大類間方差算法求得各個波 段的差值圖像上變化區(qū)域像素的灰度提取閾值，將各個波段差值圖像上小于對應(yīng)波段灰度 提取閾值的所有像素的灰度值置為0，各個波段差值圖像上不小于對應(yīng)波段灰度提取閾值 的所有像素的灰度值置為相同的非0值，然后將經(jīng)過閾值分割的各個波段的二值化差值圖 像合并得到一個二值化的差異圖像；具體操作方法如下(31)對于單波段差值圖像的灰度值按從小到大的順序劃分為L個等級，等級范圍 設(shè)為W，2，... L]，其中L對應(yīng)影像的最大灰度值，統(tǒng)計各灰度級i的像素個素Ni,計算整幅 影像的像素總個數(shù)N = NfN1+. . . +Nl ；(32)計算單波段差值圖像各個灰度級像素出現(xiàn)的概率=Pi = Ν,/Ν ；(33)將單波段差值圖像分為背景區(qū)域Ctl與變化區(qū)域C1兩類，C0類灰度級范圍為 [1，. . . K] ,C1類為[K+l，. . . L]，Κ為變化區(qū)域提取的灰度閾值，通過類間方差σ 2最大求單波 段差值圖像灰度閾值K 由于類間方差O 2是K的函數(shù)O 2 (K) = B0B1 (Utl-U1)2，其中 為類Ci
KK
的面積與圖像總面積的比，則峋=YjPi =1-徹，屮為類(；的均值，則"。=YjIPi / 0
/-0 ， i=0
L-\
wI= Σ iPi 分別將Ki代入O2(K)式計算得出Oi2,其中Ki為單波段差值圖像應(yīng)灰度等
i=K +1
級為i的像素的灰度值，通過求O2最大得到變化區(qū)域像素灰度值提取閾值K ；(34)對單波段差值圖像根據(jù)閾值K進(jìn)行二值化，獲取二值化的差值圖像，具體做 法是對差值圖像上灰度值小于K的像素賦值為0，灰度值大于或等于K的像素賦值為相同的 非零值；(35)對于多波段的影像，重復(fù)步驟(31)至(34)，獲取各個波段的二值化的差值圖 像，然后對各個波段提取灰度值為非零值的像素進(jìn)行合并，具體做法是對各個波段的二值 化差值圖像上的像素灰度值進(jìn)行判斷，在合并后的二值圖像上，將各個波段對應(yīng)圖像位置 上灰度值為非零值的像素范圍取并集，仍賦值相同的非零值，其余像素灰度值均賦為0。步驟4 步驟3得到的差值圖像存在很多噪聲像素，例如區(qū)域內(nèi)較小的島或者洞； 變化區(qū)域邊緣個別突出的像素所形成的毛刺；由鄰接的變化像素所形成的狹長的區(qū)域；由 配準(zhǔn)誤差引起的細(xì)小區(qū)域等。利用形態(tài)學(xué)變換去掉大部分的噪聲像素腐蝕則去掉邊緣毛
7刺，及狹長、細(xì)小的區(qū)域以及變化區(qū)域內(nèi)的小島，膨脹則可去掉島和洞。本實施方案所采用 的形態(tài)學(xué)變換的結(jié)構(gòu)元素為3乘3的窗口，為提高效率進(jìn)行4鄰域運算；對于腐蝕，當(dāng)窗口 中心元素本身灰度值為0或者窗口中心元素的4個鄰域中有一個灰度值為0時，將窗口中 心元素灰度值設(shè)為0 ；對于膨脹當(dāng)窗口中心元素本身灰度值不為0或者窗口中心元素的4 個鄰域中有一個灰度值不為0時，則將窗口中心元素設(shè)為相同的非零值。在具體操作時，首先設(shè)定腐蝕和膨脹的次數(shù)，然后在步驟3所得二值化差值圖像 上按照從上到下，從左到右的順序，依次逐像素執(zhí)行腐蝕運算，完成一次腐蝕運算后，在得 到的圖像上再進(jìn)行一次腐蝕運算，直到達(dá)到指定的運算次數(shù)為止；然后再在所得圖像上執(zhí) 行指定次數(shù)的膨脹運算。此步驟中腐蝕和膨脹的次數(shù)可以不相同，但是相差不宜超過2次， 否則會影響檢測的精度。步驟5 應(yīng)用區(qū)域增長的方式將步驟4所得圖像上相互鄰接的灰度值為非0值的 像素先歸并至同一區(qū)域，再根據(jù)所需提取的變化區(qū)域的大小設(shè)定區(qū)域所包括的像素個數(shù)閾 值，去掉小區(qū)域。具體操作過程如下(51)設(shè)定最小區(qū)域閾值，這個閾值的設(shè)定與檢測者所要得到的變化檢測區(qū)域的大 小有關(guān)，例如檢測者如果指定一個區(qū)域中若有a * b個像素發(fā)生變化，則認(rèn)為該區(qū)域是發(fā)生 變化的，其中a，b分別為變化區(qū)域的行列數(shù)，則初始閾值可設(shè)定為a * b ；(52)定義一個數(shù)組fksize] [ysize]，其中xsize，yszie分別為圖像的行數(shù)和列 數(shù)，用f[x] [y]為第X行，y列的像素所屬區(qū)域做標(biāo)記，首先將所有像素f[x] [y]的值初始 化0，表示圖像上所有像素尚未進(jìn)行區(qū)域的劃分；定義一個堆棧d[XSzie女yszie]，用于存 儲種子點像素的位置；(53)對步驟4得到的二值化圖像按照從左至右，從上至下的順序進(jìn)行逐像素的遍 歷，當(dāng)遇到一個滿足灰度值不為0且未進(jìn)行區(qū)域標(biāo)記即f [χ] [y] = 0的像素時，停止遍歷， 并將該像素作為此次區(qū)域增長運算的第一個種子點，并對該點進(jìn)行區(qū)域標(biāo)記令f[x] [y]
=η (η依次取1，2，3......)，并將該點的位置χ * yszie+ysize存放入堆棧d ；若遍歷完
整幅圖像，未找到滿足上述條件的像素時，則步驟5結(jié)束；(54)從堆棧d中順序取出種子點，在步驟4得到的二值化圖像上，遍歷種子點的八 個鄰域內(nèi)的像素，將灰度值不為0且未進(jìn)行區(qū)域標(biāo)記的像素合并至種子點所在的區(qū)域，并 進(jìn)行區(qū)域標(biāo)記，即令各個像素的F[x] [y] = η ；并將這些新合并的像素作為新的種子點，順 序放入堆棧d ；(55)重復(fù)進(jìn)行步驟(54)的操作，直到堆棧d為空，此時完成了一個區(qū)域的生長過程。(56)統(tǒng)計步驟(55)得到的變化區(qū)域所包含的像素個數(shù)，若小于預(yù)先設(shè)定的最小 區(qū)域閾值，則將該變化區(qū)域中所有像素的灰度值置0，并取消其區(qū)域標(biāo)記，令f [χ] [y] = 0 ； 否則令區(qū)域標(biāo)記η = n+1 ；(57)重復(fù)步驟(53) (56)，進(jìn)行下一個區(qū)域增長的運算，直至滿足則步驟5結(jié)束 的條件時，完成驟4得到的二值化圖像上所有變化區(qū)域的像素歸并及小區(qū)域的去除工作。步驟6 通過Sobel邊緣檢測算子提取經(jīng)步驟5處理后的差值圖像上變化區(qū)域的 邊緣輪廓；Solbel算子如下fx' = |f(x+l，y-l)+2*f(x+l，y)+f(x+l，y+l)-f(x_l，y-l)-2*f(x_l，y)-f(x_l，
8y+D I，fy' = |f(x-l，y+l)+2*f(x，y+l)+f(x+l，y+l)-f(x_l，y-l)_2*f(x，y-l)_f(x+l，
y-D上式中f(x，y)表示在圖像上第x行，第y列處像素的灰度值，fx'為像素(x，y) 在χ方向上的梯度值，fy'為像素(χ，y)在y方向上的梯度值；當(dāng)fx'或fy'不為0時， 將f(x，y)置為相同的非零值，當(dāng)fx'，fy'都為0時，將f(x，y)置為0。步驟7 將步驟6得到的各變化區(qū)域的邊緣輪廓線疊加在步驟1的參考影像上，得 到遙感影像變化檢測結(jié)果。實施例1、實驗數(shù)據(jù)本實驗數(shù)據(jù)分為兩組，第一組為單波段不同時相覆蓋相同區(qū)域的高分辨遙感影 像，如圖2所示影像來源為分辨率2. 36米的CBERS HR全色影像。為保證土地覆蓋變化檢 測的時效性，本文選取時期較為相近的影像，分別于2008年1月1日、2008年12月30日 拍攝，圖像大小均為533女589 (單位像素)；第二組為包含3個波段的不同時相覆蓋相同 區(qū)域的高分辨遙感影像，如圖5所示時相分別為2002年，2003年，圖像大小均為1024 ★ 1024 (單位像素)。兩組數(shù)據(jù)在所采用的形態(tài)學(xué)變換過程均為先進(jìn)行5次腐蝕運算，再進(jìn) 行6次膨脹運算，最終所提取的變化區(qū)域所包含的像素個數(shù)均大于400個。2、實驗結(jié)果分析表1說明了兩組數(shù)據(jù)在執(zhí)行本算法的各個步驟階段，所提取的變化區(qū)域個數(shù)的 變化情況在進(jìn)行完本算法第三步，即采用最大類間方差法獲取提取變化像素的灰度值閾 值后，第一組數(shù)據(jù)提取的變化區(qū)域為2033個，如圖3所示，第二組數(shù)據(jù)提取的變化區(qū)域為 4373個，如圖6所示，圖中可以看出存在很多細(xì)小的噪聲像素；在用形態(tài)學(xué)變換進(jìn)行部分細(xì) 小區(qū)域(島、洞，以及因配準(zhǔn)誤差所引起的噪聲)的去除后，所提取變換區(qū)域個數(shù)第一組為 56個，第二組為182個，分別減少了 97 %，和96 %，可見通過形態(tài)學(xué)變化可去掉絕大部分的 細(xì)小區(qū)域；在運用區(qū)域增長算法將相互鄰接的變化區(qū)域內(nèi)在像素在邏輯上歸并為一個區(qū)域 后，通過設(shè)計最小區(qū)域像素個數(shù)的閾值(本實驗數(shù)據(jù)均為400)，即提取出所需大小的變化 區(qū)域，第一組數(shù)據(jù)為19個，如圖4所示，第二組數(shù)據(jù)為51個，如圖7所示。表2說明了本發(fā)明方法所檢測出來的結(jié)果與實際目測結(jié)果的對比第一組數(shù)據(jù)共 檢測出19個變化區(qū)域，如圖4所示，其中錯檢區(qū)域為1個，漏檢的區(qū)域為3個；第二組數(shù)據(jù) 共檢測出51個變化區(qū)域，如圖7所示，其中錯檢區(qū)域為10個，漏檢的區(qū)域為8個；本算法所 計算的變化檢測精度的公式為正確檢測出變化區(qū)域的個數(shù)與實際目測檢測出來的變化區(qū) 域個數(shù)的比值，即100%* (本算法檢測出的變化區(qū)域的個數(shù)_錯檢的變化區(qū)域個數(shù))/(本 算法檢測出的變化區(qū)域的個數(shù)-錯檢的變化區(qū)域個數(shù)+漏檢變化區(qū)域的個數(shù))，計算兩組數(shù) 據(jù)的變化檢測精度分別為第一組86% ；第二組84%。表1變化區(qū)域個數(shù)變化情況表
權(quán)利要求
基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方法，其特征在于步驟如下(1)對于同一空間覆蓋范圍的兩個不同時期的遙感影像，以其中一幅作為參考影像，另一幅與之進(jìn)行幾何配準(zhǔn)；(2)利用差值法獲取各個波段的差值圖像，差值圖像上的像素灰度值為經(jīng)步驟(1)處理后的兩個不同時期遙感影像上各個波段相對應(yīng)圖像位置像素灰度值之差的絕對值；(3)對步驟(2)得到的各個波段的差值圖像應(yīng)用最大類間方差算法求得各個波段的差值圖像上變化區(qū)域像素的灰度提取閾值，將各個波段差值圖像上小于對應(yīng)波段灰度提取閾值的所有像素的灰度值置為0，各個波段差值圖像上不小于對應(yīng)波段灰度提取閾值的所有像素的灰度值置為相同的非0值，然后將經(jīng)過閾值分割的各個波段二值化差值圖像合并仍得到一個二值化的差異圖像；(4)利用形態(tài)學(xué)變換去掉步驟(3)得到的差異圖像上的噪聲像素；(5)應(yīng)用區(qū)域增長的方式將步驟(4)所得圖像上相互鄰接的灰度值為非0值的像素先歸并至同一區(qū)域，再根據(jù)所需提取的變化區(qū)域的大小確定區(qū)域所包括的像素個數(shù)閾值，將所包含像素個數(shù)小于像素個數(shù)閾值的區(qū)域中所有像素的灰度值置為0；(6)通過Sobel邊緣檢測算子提取經(jīng)步驟(5)處理后的差值圖像上變化區(qū)域的邊緣輪廓；(7)將步驟(6)得到的各變化區(qū)域的邊緣輪廓線疊加在步驟(1)中的參考影像上，得到遙感影像變化檢測結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方法，其 特征在于所述步驟(1)中對遙感影像進(jìn)行幾何配準(zhǔn)的方法為在兩幅圖像上選取至少6 對同名控制點對，采用二次多項式建立兩幅圖像的函數(shù)關(guān)系，對待配準(zhǔn)的圖像進(jìn)行空間坐 標(biāo)變換，再采用最近鄰元法進(jìn)行灰度內(nèi)插，確定待配準(zhǔn)圖像各像素的灰度值。
3.根據(jù)權(quán)利要求1或2所述的基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方 法，其特征在于所述步驟(3)中單波段差值圖像提取閾值的確定方法為(31)將單波段差值圖像按照灰度值劃分為L個等級，統(tǒng)計各等級的像素個數(shù)Ni,i = 1，2，3. . . L，計算得到整幅差值圖像的像素總個數(shù)N = N^N2+. · · +Ni+. . . +Nl ；(32)計算單波段差值圖像上各等級像素出現(xiàn)的概率Pi= Ν,/Ν ；(33)通過公式σ2(Κ)= M1(Utl-U1)2計算類間方差σ2(Κ), O2(K)的最大值對應(yīng)的KKKL-I即為提取閾值，上式中“O =Σ凡 ai == Y4iPi/α0似I = Σ iPtlaI。/=0/=0i=K+l
4.根據(jù)權(quán)利要求3所述的基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方法，其 特征在于所述步驟(4)中的形態(tài)學(xué)變化方法包括腐蝕和膨脹，結(jié)構(gòu)元素采用3乘3的窗 口，4鄰域運算；對于腐蝕，當(dāng)窗口中心元素本身為O或者窗口中心元素的4個鄰域中有一 個為O時，將窗口中心元素設(shè)為O ；對于膨脹當(dāng)窗口中心元素本身不為O或者窗口中心元 素的4個鄰域中有一個不為O時，則將窗口中心元素設(shè)為相同的非零值；對差異圖像進(jìn)行形 態(tài)學(xué)變換時，采用先腐蝕再膨脹的方法，去掉噪聲像素。
5.根據(jù)權(quán)利要求4所述的基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方法，其 特征在于所述步驟(5)中的區(qū)域增長方法為(51)設(shè)定最小區(qū)域閾值，最小區(qū)域閾值由所需要得到的變化檢測區(qū)域的大小確定；(52)對步驟(4)得到的二值化圖像按照從左至右，從上至下的順序進(jìn)行逐像素的遍 歷，當(dāng)遇到一個滿足灰度值不為0且未進(jìn)行區(qū)域標(biāo)記的像素時，停止遍歷，并將該像素作為 此次區(qū)域增長運算的第一個種子點，對該種子點進(jìn)行區(qū)域標(biāo)記，并將該種子點存入堆棧，進(jìn) 行下一步；若遍歷完整幅圖像，未找到滿足上述條件的像素時，則步驟(5)結(jié)束；(53)順序從存儲種子點的堆棧中取出種子點，在步驟(4)得到的二值化圖像上，遍歷 種子點的八個鄰域內(nèi)的像素，將灰度值不為0且未進(jìn)行區(qū)域標(biāo)記的像素與種子點合并至一 個區(qū)域，同時將這些新合并的像素作為種子點順序存入堆棧；(54)重復(fù)步驟(53)，直到堆棧為空；(55)統(tǒng)計步驟(54)得到的變化區(qū)域所包含的像素個數(shù)，若小于預(yù)先設(shè)定的最小區(qū)域 閾值，則將該變化區(qū)域中所有像素的灰度值置0，并取消其區(qū)域標(biāo)記；(56)重復(fù)步驟(52) (55)，進(jìn)行下一個區(qū)域增長的運算，直至滿足步驟(5)結(jié)束的條件。
6.根據(jù)權(quán)利要求5所述的基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方法，其 特征在于所述步驟(6)中通過Sobel邊緣檢測算子提取邊緣的方法為對經(jīng)步驟(5)處理 后的差值圖像進(jìn)行如下運算fx ‘ = |f(x+l，y_l)+2*f(x+l，y)+f(x+l，y+l)-f(x_l，y-l)-2*f(x_l，y)-f(x_l，y+D I，fy ' = f(x-l, y+l)+2*f(x, y+l)+f(x+l, y+l)-f(x-l, y-l)-2*f(x, y-l)-f(x+l,y-D I，上式中f(x，y)表示在圖像上第X行，第y列處像素的灰度值，fx'為像素(X，y)在χ 方向上的梯度值，fy'為像素(x，y)在y方向上的梯度值；當(dāng)fx'或fy'不為O時，將f(x， y)置為相同的非零值，當(dāng)fx'，fy'都為O時，將f(x，y)置為O。
全文摘要
基于自適應(yīng)閾值分割的高分辨率遙感影像變化檢測方法，首先將兩個時期的高分辨遙感影像進(jìn)行幾何配準(zhǔn)，然后利用差值法獲得二者的差值圖像，再通過最大類間方差算法獲得變化目標(biāo)提取的灰度值閾值，并利用灰度值閾值提取出變化目標(biāo)像素。在檢測后處理階段，針對較雜亂變化圖斑，利用形態(tài)學(xué)變換消除大部分檢測出的噪聲像素；再利用區(qū)域增長算法結(jié)合所需提取的變化區(qū)域包含像素個數(shù)的閾值設(shè)定，提取出需要大小的變化區(qū)域；最后用邊緣檢測的方法獲得其變化區(qū)域的邊緣輪廓，再疊加到原始影像上，描繪出完整的變化區(qū)域。本發(fā)明方法無需過多人工參與，速度較快，可達(dá)到良好的檢測精度和目視效果。
文檔編號G06T7/00GK101976437SQ201010298068
公開日2011年2月16日 申請日期2010年9月29日 優(yōu)先權(quán)日2010年9月29日
發(fā)明者呂爭, 張浩平, 李杏朝, 王奇, 鄭琎琎 申請人:中國資源衛(wèi)星應(yīng)用中心