基于fcm和證據(jù)理論的多時相遙感影像變化檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于FCM和證據(jù)理論的多時相遙感影像變化檢測方法，屬于遙感 影像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著多時相遙感數(shù)據(jù)的不斷積累以及空間數(shù)據(jù)庫的相繼建立，如何從這些遙感數(shù) 據(jù)中提取和檢測變化信息已成為遙感科學(xué)和地理信息科學(xué)的重要研究課題。根據(jù)同一區(qū)域 不同時相的遙感影像，可以提取城市、環(huán)境等動態(tài)變化的信息，為資源管理與規(guī)劃、環(huán)境保 護(hù)等部門提供科學(xué)決策的依據(jù)。
[0003] 遙感影像的變化檢測就是從不同時期的遙感數(shù)據(jù)中，定量地分析和確定地表變化 的特征與過程。各國學(xué)者從不同的角度和應(yīng)用研究提出了許多有效的檢測算法，如變化矢 量分析法(Change Vector Analysis，CVA)、基于Fuzzy C-means(FCM)的聚類方法等。其中， 傳統(tǒng)的基于FCM的多時相光學(xué)遙感變化檢測，多先進(jìn)行CVA變換，然后對變化矢量的幅值進(jìn) 行FCM聚類，進(jìn)而得到變化檢測結(jié)果。該類技術(shù)中，由于僅僅使用變化矢量的幅值，使得原始 多光譜信息沒有得到充分的挖掘。
[0004] 針對上述問題，許多學(xué)者試圖通過在FCM目標(biāo)函數(shù)中加上不同的空間鄰域的約束 來解決，但是空間信息的表述以及相關(guān)的參數(shù)(如控制空間信息的懲罰參數(shù)）的選擇，多根 據(jù)先驗(yàn)知識確定，導(dǎo)致這些算法都存在著一定的局限性。

【發(fā)明內(nèi)容】

[0005] 為解決現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種基于FCM和D-S證據(jù)理論的兩 時相的光學(xué)遙感影像變化檢測方法，利用D-S證據(jù)理論融合FCM算法后的數(shù)據(jù)，消除變化檢 測中的不確定性，使得變化檢測的結(jié)果更加可靠，也更加具有穩(wěn)健性。
[0006] 為了實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用如下的技術(shù)方案：
[0007] -種基于FCM和證據(jù)理論的多時相遙感影像變化檢測方法，其特征是，包括如下步 驟：
[0008] 步驟1:輸入同一區(qū)域、不同時相的兩幅高分辨率光學(xué)遙感影像，分別記為XjPX2;
[0009] 步驟2:利用ENVI遙感軟件對心和知進(jìn)行影像配準(zhǔn)，配準(zhǔn)包括粗校正和精校正兩步 驟；
[0010]步驟3:利用多元變化檢測方法對心和知進(jìn)行輻射歸一化校正；
[0011] 步驟4:對輸入的兩時相多光譜遙感影像分別進(jìn)行波段間差值圖像Xd、變化矢量幅 值Xm和光譜角信息Xsa的計(jì)算，并分別作為FCM聚類算法的輸入數(shù)據(jù)；
[0012] 步驟5:由FCM聚類算法針對步驟4)的波段間差值圖像Xd、變化矢量幅值XM和光譜角 信息Xsa，分別對應(yīng)得到最終的劃分矩陣Pd、Pm和Psa ;
[0013] 步驟6:利用D-S證據(jù)理論融合步驟5)的結(jié)果。
[0014] 步驟7:利用步驟6)的結(jié)果，確定影像的變化區(qū)域和非變化區(qū)域。
[0015] 前述的基于FCM和證據(jù)理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 2)中粗校正的具體步驟為：
[0016] 201)顯示基準(zhǔn)影像和待校正影像；
[0017] 202)采集地面控制點(diǎn)GCPs，其中GCPs均勻分布在整幅圖像內(nèi)，GCPs的數(shù)目至少大 于等于9;
[0018] 203)計(jì)算誤差；
[0019] 204)選擇多項(xiàng)式模型；
[0020] 205)采用雙線性插值法進(jìn)行重采樣輸出。
[0021] 前述的基于FCM和證據(jù)理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 2) 中精校正的內(nèi)容為:將經(jīng)過粗校正的多光譜遙感影像數(shù)據(jù)利用自動匹配與三角剖分算法 進(jìn)行精校正。
[0022]前述的基于FCM和證據(jù)理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 3) 的具體步驟為：
[0023] 31)找到兩期影像各波段亮度值的一個線性組合，得到變化信息增強(qiáng)的差異影像；
[0024] 32)通過閾值確定變化和未變化區(qū)域；
[0025] 33)通過未變化區(qū)域?qū)?yīng)的兩時相像元對的映射方程，完成相對輻射校正。
[0026]前述的基于FCM和證據(jù)理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 4) 中的計(jì)算公式為：
[0028]式中，Xdb = Xib_X2b，b=l，2，."B，b表示每一個時相遙感景多像的波段數(shù)目，（i，j)是 影像的坐標(biāo)。Xlb表示前一時相的第b個波段影像，X2b表示后一時相的第b個波段影像。
[0029]前述的基于FCM和證據(jù)理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 5) 中的具體步驟為：
[0030] 51)構(gòu)建FCM的目標(biāo)函數(shù)如下：
[0031] 式中，C是聚類數(shù)目，N是樣本的總數(shù)，《表示第k樣本對于第j類聚類中心力的模糊 隸屬度，m為隸屬度的加權(quán)指數(shù)，ujk e [ 0，1 ]
1其中X (k)表示輸入X的第k個變量；
[0032] 52)式(1)的目標(biāo)函數(shù)最小化可以用下述的公式交替進(jìn)行：
[0034] 53)由式(2)分別得到和Xd、XM、XSA相對應(yīng)的模糊劃分矩陣《4、4和。
[0035]前述的基于FCM和證據(jù)理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 7)中具體步驟為：
[0036] 71)針對輸入Xd、Xm和Xsa分別進(jìn)行如下的FCM分類：
[0037 ] 711)設(shè)定C = 2，初始的未變化類和變化類的中心，設(shè)m = 2，ε = 0.00001;
[0038] 712)采用式(2)更新模糊劃分矩陣；
[0039] 713)采用式(3)更新聚類中心；
[0040] 714)重復(fù)712)和713)直到相鄰兩次迭代的聚類中心聚類小于ε;
[0041 ] 715)獲取模糊劃分矩陣Ujk;
[0042] 72)根據(jù)步驟6)計(jì)算新的變化類和非變化類的基本概率分配函數(shù)BPAF;
[0043] 73)根據(jù)上述的72)結(jié)果，輸出最終的變化檢測結(jié)果。
[0044]本發(fā)明所達(dá)到的有益效果：本方法基于FCM和D-S證據(jù)理論的變化檢測中，利用證 據(jù)理論融合波段差、變化矢量幅值和光譜角信息輸入FCM算法后的檢測結(jié)果，消除變化檢測 中的不確定性，使得變化檢測的結(jié)果更加可靠，也更加具有穩(wěn)健性。
【附圖說明】
[0045]圖1是本發(fā)明的實(shí)現(xiàn)流程不意圖；
[0046]圖2是2000年的Landsat TM數(shù)據(jù)中位于巴西的亞馬遜森林地區(qū)的影像第4波段示 意圖；
[0047]圖3是2006年的Landsat TM數(shù)據(jù)中位于巴西的亞馬遜森林地區(qū)的影像第4波段示 意圖；
[0048]圖4是圖3與圖2相比Landsat TM的變化參考圖像；
[0049]圖5是CVA-EM算法檢測結(jié)果圖像；
[0050] 圖6是FCM-S算法檢測結(jié)果圖像；
[0051] 圖7是本發(fā)明的檢測結(jié)果圖像。
【具體實(shí)施方式】
[0052] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明 的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。
[0053]如圖1，本發(fā)明的實(shí)現(xiàn)步驟如下：
[0054]步驟1:輸入同一區(qū)域、不同時相的兩幅高分辨率光學(xué)遙感影像，分別記為：
[0055] Χ#ΡΧ2。
[0056] 步驟2:利用ENVI遙感軟件對心和辦進(jìn)行影像配準(zhǔn)，分為粗校正和精校正兩個步驟：
[0057] 21)幾何粗校正，利用ENVI4.8軟件中的相關(guān)功能實(shí)現(xiàn)，具體操作步驟為：
[0058] (201)顯示基準(zhǔn)影像和待校正影像。
[0059] (202)采集地面控制點(diǎn)GCPs，GCPs應(yīng)均勻分布在整幅圖像內(nèi)，GCPs的數(shù)目至少大于 等于9。
[0060] (203)計(jì)算誤差。
[0061] (204)選擇多項(xiàng)式模型。
[0062] (205)采用雙線性插值進(jìn)行重采樣輸出。
[0063] 22)幾何精校正，將經(jīng)過幾何粗校正的多光譜遙感影像數(shù)據(jù)，利用自動匹配與三角 剖分法進(jìn)行幾何精校正。
[0064] 三角剖分法為，采用逐點(diǎn)插入法構(gòu)建Delaunay三角網(wǎng)，對每一個三角形，利用其三 個頂點(diǎn)的行列號與其對應(yīng)的基準(zhǔn)影像同名點(diǎn)的地理坐標(biāo)來確定該三角形內(nèi)部的仿射變換 模型參數(shù)，對待校正影像進(jìn)行糾正，得到校正后的遙感影。
[0065] 步驟3:利用多元變化檢測(Multivariate Alteration Detection，MAD)方法對Χι 和X2進(jìn)行輻射歸一化校正，該方法首先找到兩期影像各波段亮度值的一個線性組合，得到 變化信息增強(qiáng)的差異影像，通過閾值確定變化和未變化區(qū)域，然后通過未變化區(qū)域?qū)?yīng)的 兩時相像元對的映射方程，完成相對輻射校正。
[0066] 步驟4:對輸入的多時相高分辨率影像分別進(jìn)行波段間差值圖像Xd、變化矢量幅值 Xm和光譜角信息Xsa的計(jì)算：
' 式中，Xdb = Xib-X2b，b=l，2，."B，B表示每一個時相遙感景多像的波段數(shù)目，（i，j)是景多像的坐 標(biāo)。
[0067] 步驟5:針對波段間差值圖像Xd、變化矢量幅值Xm和光譜角信息Xsa，利用FCM進(jìn)行分 類，具體過程如下；
[0068] 51)構(gòu)建FCM的模型如下：
，式中，C是聚類數(shù)目， N是樣本的總數(shù)，〃丨丨表示第k樣本對于第j類聚類中