基于Treelet圖像融合的遙感圖像變化檢測方法技術

本發明專利技術公開了一種基于Treelet圖像融合的遙感圖像變化檢測方法，主要解決現有技術中差值法抑制噪聲能力差和對數比值法對邊緣等細節信息保持不好的問題。其實現過程是：用不同方法提取變化前后圖像的4幅差異圖；然后用Treelet對4幅差異圖構成的矩陣像進行降維，在降維時每一幅差異圖數據作為待降維數據的一維；最后用FCM對降維后的數據進行聚類分割，得到變化監測的結果。本發明專利技術克服了差值圖對噪聲敏感和比值圖邊緣信息丟失的缺點，降低了錯誤率，更好的保存了細節信息，可用于森林資源的動態監測、土地覆蓋和利用的變化監測、自然災害評估。

【技術實現步驟摘要】

本專利技術屬于圖像處理
，主要是在遙感圖像變化檢測領域的應用，即根據不同時相的遙感圖像來檢測地表產生的變化，主要可應用于地物覆蓋與利用、自然災害監控，城區規劃，地圖更新以軍事領域等。
技術介紹
遙感圖像的變化檢測是指通過分析在不同時間來自同一地區的兩幅或多幅遙感圖像，檢測出該地區的地物隨時間發生的變化信息。遙感圖像的變化檢測已經廣泛地應用于如森林資源的動態監測、土地覆蓋和利用的變化監測、城市規劃布局、環境監測分析、自然災害評估、以及在軍事中的人造目標監測和地面武裝部署分析等許多領域。在變化檢測研究中，學者們將現有的多種變化檢測方法歸為不同的類別，其中最常見的是基于差異圖像處理的變化檢測方法。該方法通常包括3個關鍵的步驟1)圖像預處理；2)構造差異圖像；3)分析差異圖像提取變化檢測結果。圖像預處理包括圖像幾何校正，幾何配準，輻射校正，圖像去噪和圖像增強等。其中對圖像進行去噪處理則能很大程度上降低噪聲，提高檢測精度，但同時又會影響圖像的細節信息，降低視覺效果。構造差異圖像是基于差異圖像分析方法的重要一步，尤其是構造視覺效果較好的差異圖像難度比較大。其中，圖像差值法和比值法是最常見的差異圖提取方法。圖像差值法對遙感圖像的變化區域非常敏感，有利于保留變化信息的幾何邊緣，從而有利于精確地提取變化區域，但由于遙感圖像噪聲的影響，差值法并不適用于分析受噪聲影響較大的遙感圖像。而圖像對數比能有效地抑制遙感圖像的噪聲，但卻會對變化區域的邊緣造成一定的模糊，特別是對于存在大量的微弱變化和小區域變化信息的圖像，該方法不利于變化區域輪廓和細節信息的保持。
技術實現思路
本專利技術的目本專利技術的目在于針對上述已有技術的不足，提出了一種，以減小信息丟失和累積誤差，提高SAR圖像變化檢測的檢測精度。為實現上述目的，本專利技術包括如下步驟( I)輸入變化前的圖像P1和變化后的圖像P2,分別進行中值濾波和均值濾波，得到中值濾波后的變化前圖像Plm，均值濾波后的變化前圖像pla，中值濾波后的變化后圖像p2m，均值濾波后的變化后圖像P2a;(2)用差值法得到中值濾波后的變化前圖像Plm和中值濾波后的變化后圖像P2111的差異圖H1，用對數比值法得到中值濾波后的變化前圖像Plm和中值濾波后的變化后圖像P2m的差異圖H2，用差值法得到均值濾波后的變化前圖像Pla和均值濾波后的變化后圖像P2a的差異圖H3，用對數比值法得到均值濾波后的變化前圖像Pla和均值濾波后的變化后圖像P2a的差異圖H4;(3)分別將上述差異圖H1, H2, H3, H4轉化成一維的列向量，X1, X2, X3, X4,并將該4個列向量組成一個矩陣X= [X1X2X3X4]；(4)對矩陣X用Treelet法進行降維，得到列向量P，并將該向量P轉化成最終差異圖D的灰度矩陣(5)對所得的最終差異圖D的灰度矩陣進行聚類分割，得到變化檢測結果并輸出。本專利技術與現有的技術相比具有以下優點1.本專利技術融合前的差值圖主要采用差值法和對數比值法提取，通過差值法能很好的保持圖像的邊緣特征，通過比值法能有效地抑制了圖像的噪聲，并且這兩種方法操作簡單，易于理解，運算速度快；2.本專利技術通過Treelet方法實現對4幅差異圖的融合，綜合了中值濾波平滑效果好和均值濾波細節保持好的優勢，降低了錯誤率，更好的保存了細節信息。附圖說明圖1是本專利技術的流程圖；圖2是本專利技術仿真使用的Feltwell遙感圖像數據集；圖3是本專利技術仿真使用的意大利撒丁島遙感圖像數據集；圖4為對圖2的變化檢測仿真實驗結果圖；圖5為對圖3的變化檢測仿真實驗結果圖。具體實施例方式參照圖1，本專利技術，包括如下步驟步驟1:對輸入圖像進行去噪。 輸入變化前的圖像P1，對變化前的圖像P1進行中值濾波得到中值濾波后的變化前圖像Plm，對變化前的圖像P1進行均值濾波得到均值濾波后的變化前圖像Pla ;輸入變化后的圖像P2,對變化后的圖像P2進行中值濾波得到中值濾波后的變化后圖像P2m，對變化后的圖像P2進行均值濾波得到均濾波后的變化后圖像P2a。步驟2:提取不同的差異圖。用差值法得到中值濾波后的變化前圖像Plm和中值濾波后的變化后圖像P2m的差異SH1 ；用對數比值法得到中值濾波后的變化前圖像Plm和中值濾波后的變化后圖像P2111的差異圖H2;用差值法得到均值濾波后的變化前圖像Pla和均值濾波后的變化后圖像P2a的差異圖H3;用對數比值法得到均值濾波后的變化前圖像Pla和均值濾波后的變化后圖像P2a的差異圖H4。步驟3:產生待降維矩陣X。將所述差異圖H1, H2, H3, H4的灰度矩陣分別轉化為化成列向量X1, X2, X3, X4,并將該4個列向量組成一個矩陣X本文檔來自技高網...

【技術保護點】
一種基于Treelet圖像融合的遙感圖像變化檢測方法，包括如下步驟：（1）輸入變化前的圖像P1和變化后的圖像P2，分別進行中值濾波和均值濾波，得到中值濾波后的變化前圖像P1m，均值濾波后的變化前圖像P1a，中值濾波后的變化后圖像P2m，均值濾波后的變化后圖像P2a；（2）用差值法得到中值濾波后的變化前圖像P1m和中值濾波后的變化后圖像P2m的差異圖H1，用對數比值法得到中值濾波后的變化前圖像P1m和中值濾波后的變化后圖像P2m的差異圖H2，用差值法得到均值濾波后的變化前圖像P1a和均值濾波后的變化后圖像P2a的差異圖H3，用對數比值法得到均值濾波后的變化前圖像P1a和均值濾波后的變化后圖像P2a的差異圖H4；（3）分別將上述差異圖H1，H2，H3，H4轉化成一維的列向量，X1，X2，X3，X4，并將該4個列向量組成一個矩陣X=[X1X2X3X4]；（4）對矩陣X用treelet法進行降維，得到列向量P，并將該向量P轉化成最終差異圖D的灰度矩陣；（5）對所得的最終差異圖D的灰度矩陣進行聚類分割，得到變化檢測結果并輸出。

【技術特征摘要】
1.一種基于Treelet圖像融合的遙感圖像變化檢測方法，包括如下步驟: (1)輸入變化前的圖像P1和變化后的圖像P2,分別進行中值濾波和均值濾波，得到中值濾波后的變化前圖像Plm，均值濾波后的變化前圖像Pla，中值濾波后的變化后圖像P2m，均值濾波后的變化后圖像P2a ; (2)用差值法得到中值濾波后的變化前圖像Plm和中值濾波后的變化后圖像P2m的差異圖H1，用對數比值法得到中值濾波后的變化前圖像Plm和中值濾波后的變化后圖像P2m的差異圖H2，用差值法得到均值濾波后的變化前圖像Pla和均值濾波后的變化后圖像P2a的差異圖H3，用對數比值法得到均值濾波后的變化前圖像Pla和均值濾波后的變化后圖像P2a的差異圖H4; (3)分別將上述差異圖H1,H2, H3, H4轉化成一維的列向量，X1, X2, X3, X4,并將該4個列向量組成一個矩陣X=[X1X2X3X4]； (4)對矩陣X用treelet法進行...

【專利技術屬性】
技術研發人員：慕彩紅，馬晶晶，王孝梅，鄭喆坤，劉靜，李陽陽，焦李成，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：