基于多尺度融合的對象級高分辨率遙感影像變化檢測方法
【專利摘要】本發(fā)明公開一種基于多尺度融合的對象級高分辨率遙感影像變化檢測方法，將彩色紋理分割算法JSEG引入到變化檢測，并基于JSEG算法分割過程中產(chǎn)生的J-image影像序列實現(xiàn)了對象的多尺度特征提取與分析。該算法綜合利用了對象形狀、尺寸以及光譜與紋理特征，并引入了基于D-S證據(jù)理論及加權(quán)數(shù)據(jù)融合兩種不同多尺度融合策略，進一步提高了變化類和非變化類的可分性，從而構(gòu)建了一套完整的基于多尺度融合的對象級變化檢測框架。通過對高分辨率航空遙感DOM影像以及SPOT5衛(wèi)星遙感影像分別進行實驗，并與不同對象級、像素級變化檢測方法的檢測效果進行比較，驗證了本文方法的可行性與有效性。
【專利說明】基于多尺度融合的對象級高分辨率遙感影像變化檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于多尺度融合的對象級高分辨率遙感影像變化檢測方法，屬于遙感影像的變化檢測【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]多時相遙感影像的變化檢測是目前遙感應用領(lǐng)域研究的熱點之一，其實質(zhì)是利用同一地區(qū)不同時相的多幅遙感影像，判斷該地區(qū)地物變化信息的過程。應用領(lǐng)域主要包括城市的動態(tài)發(fā)展，地理空間信息數(shù)據(jù)庫記事更新等方面。其中，城市變化檢測作為變化檢測的一個主要應用領(lǐng)域，在城市規(guī)劃和管理等方面發(fā)揮了重要作用。
[0003]近年來隨著高分辨率遙感衛(wèi)星的成功發(fā)射，以SP0T5、QuickBird、IK0N0S等為代表的米級、亞米級高分辨率遙感影像已廣泛應用于各個領(lǐng)域?？臻g分辨率的提高可以提供更加豐富的光譜信息及紋理、形狀等空間信息，但同時也帶來了新的挑戰(zhàn)。高分辨率遙感影像變化檢測尤其在城市變化檢測中存在的難點主要有:“同物異譜”現(xiàn)象更為突出，“同譜異物”現(xiàn)象依舊存在，難以準確的區(qū)分變化類和非變化類。同時，城市場景中包含多樣的生態(tài)環(huán)境與復雜的人造目標，傳統(tǒng)的像素級變化檢測方法難以加入“對象”的概念，對“對象”內(nèi)部由于細微光譜差異造成的偽變化魯棒性較差。另外，像素級變化檢測方法對配準精度、輻射校正和視角變化有很高的要求。最后，城市場景中地物陰影、互相遮蓋、云層遮蓋等因素的也是造成變化檢測困難的一個主要原因。因此，傳統(tǒng)像素級的變化檢測方法很難直接應用于高分辨率遙感影像變化檢測。
[0004]與傳統(tǒng)像素級檢測方法相比，對象級變化檢測方法(OBCD，Object-based ChangeDeteciton)以geographic objects作為變化檢測的基本單元，為解決以上問題提供了一條新的途徑。0BCD基于對象固有形狀及尺寸提取對象的特征，有利于提高不同地物的類間可分性及深刻地分析對象內(nèi)部的變化信息，因而正越來越多的受到重視。學者們已提出了一些有效的0B⑶方法:如Miller et al.(2005)提出了檢測一種灰度影像間blobs變化的OBO)方法，首先通過connectivity analysis方法獲取對象，進而對每一個對象在另一幅圖像中尋找與之匹配的對象并進行比較；Lefebvre et al.進一步驗證了 geometry(1.e.size, shape and location) and content (1.e.texture) information 在 OBCD 算法中的應用。另外，變化檢測的結(jié)果是與尺度相關(guān)的，在精細的尺度上可以檢測到一些小目標的變化，而在粗糙尺度上這些變化可能消失。根據(jù)人類的視覺系統(tǒng)及專家知識，多尺度分析工具與對象級變化檢測相結(jié)合能更加深刻的分析單個對象及其兩幅圖像間的變化，檢測結(jié)果較單一尺度更加可靠。第三，相對于單一特征可能造成的誤檢和漏檢，基于多特征的變化檢測更為穩(wěn)定。但在統(tǒng)計對象的紋理、梯度等特征時，若直接采用對象的原始特征向量進行計算，對配準的精度要求較高，同時容易受到噪聲的影響。Deng和Manjunath等人提出的JSEG算法是目前最流行的彩色影像紋理分割方法之一。在JSEG算法中，J-1mage較好的整合了影像的光譜特征和紋理特征，同時包含了尺度信息，用J-1mage描述對象能有效克服采用原始特征向量存在的局限性。
【發(fā)明內(nèi)容】

[0005]發(fā)明目的:針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種基于多尺度融合的對象級高分辨率遙感影像變化檢測方法。
[0006]技術(shù)方案:一種基于多尺度融合的對象級高分辨率遙感影像變化檢測方法，首先利用JSEG算法提取對象所在的區(qū)域；其次在多尺度J-1mages序列上分別進行變化檢測，通過計算對象在同一地區(qū)不同時相的遙感影像中不同尺度下的結(jié)構(gòu)相似度SSIM (StructuralSimilarity);最后為了提高檢測結(jié)果的可靠性與檢測精度，較少變化檢測對尺度的依賴，采用兩種融合策略分別對多尺度檢測結(jié)果進行決策融合。策略1為通過構(gòu)建基本概率賦值函數(shù)(BPAF)進行基于D-S證據(jù)理論的融合策略。策略2為設定不同尺度檢測結(jié)果的權(quán)重，并根據(jù)該權(quán)重對多尺度檢測結(jié)果進行加權(quán)融合。兩種不同的融合策略獲得最終的檢測結(jié)果；實驗表明兩種融合策略都能獲得良好的檢測效果，在誤檢率及漏檢率方面各具優(yōu)勢。 [0007]所述通過JSEG算法提取對象的過程包括兩個步驟:色彩量化和空間分割；
[0008]所述色彩量化:首先將圖像的顏色空間轉(zhuǎn)換為LUV顏色空間，再利用對等組濾波(Peer Group Filtering, PGF)對影像進行平滑去噪，最后米用 Hard C-means algorithm(HCM)方法獲得量化影像；
[0009]所述分割階段，首先基于量化影像計算局域同質(zhì)性特征指標Jvalue從而生成J-1mages序列Jvalue定義如下:
[0010]令量化影像中每一個像素的位置Z(x，y)為像素z的像素值，Z(x，y) e z ;Z為以像素z為中心的特定尺寸窗口內(nèi)所有像素組成的集合；利用不同尺寸的窗口可以獲得多尺度J-1mages序列；
[0011]定義m如下:
[0012]
【權(quán)利要求】
1.一種基于多尺度融合的對象級高分辨率遙感影像變化檢測方法，其特征在于:首先利用JSEG算法提取對象所在的區(qū)域；其次在多尺度J-1mages序列上分別進行變化檢測，計算對象在同一地區(qū)不同時相的遙感影像中不同尺度下的結(jié)構(gòu)相似度SSIM ;最后采用兩種不同的融合策略獲得最終的檢測結(jié)果；所述兩種策略分別為:策略1通過構(gòu)建基本概率賦值函數(shù)進行基于D-S證據(jù)理論的決策融合；策略2則采用簡單的加權(quán)融合。
2.如權(quán)利要求1所述的基于多尺度融合的對象級高分辨率遙感影像變化檢測方法，其特征在于:所述通過JSEG算法提取對象的過程包括兩個步驟:色彩量化和空間分割；所述色彩量化:首先將圖像的顏色空間轉(zhuǎn)換為LUV顏色空間，再利用對等組濾波對影像進行平滑去噪，最后采用Hard C-means algorithm方法獲得量化影像；所述分割階段，首先基于量化影像計算局域同質(zhì)性特征指標Jvalue從而生成J-1mages序列Jvalue定義如下:令量化影像中每一個像素的位置Z(x，y)為像素z的像素值，Z(x, y) e Z利用不同尺寸的窗口可以獲得多尺度J-1mages序列；定義m如下:
3.如權(quán)利要求2所述的基于多尺度融合的對象級高分辨率遙感影像變化檢測方法，其特征在于:基于D-S證據(jù)理論的融合:定義U是一個識別框架，在U上的基本概率分配BPAF是一個2υ— [0, 1]的函數(shù)m，m滿足
4.如權(quán)利要求1所述的基于多尺度融合的對象級高分辨率遙感影像變化檢測方法，其特征在于:`在采用JSEG算法提取對象區(qū)域時，首先對兩時相高分辨率遙感影像進行輻射校正與幾何配準。
【文檔編號】G06T7/00GK103632363SQ201310379249
【公開日】2014年3月12日 申請日期:2013年8月27日 優(yōu)先權(quán)日:2013年8月27日
【發(fā)明者】王超, 徐立中, 石愛業(yè), 王鑫, 高紅民, 黃鳳辰 申請人:河海大學