一種多光譜遙感影像變化檢測方法
【專利摘要】本發(fā)明公開一種多光譜遙感影像變化檢測方法。傳統(tǒng)的遙感影像變化檢測方法是通過代數(shù)法對兩個(gè)不同時(shí)相的遙感影像作差異影像,然后通過對差異影像進(jìn)行建模,確定變化閥值,從而實(shí)現(xiàn)對影像的變化檢測,但是在這一過程中存在著差異影像不一定滿足指定的模型和變化閥值難以確定的問題,針對這些問題本發(fā)明提出了基于SVM混合核函數(shù)的遙感影像變化檢測方法,其實(shí)現(xiàn)過程包括下述步驟:首先,采用主成分(PCA)變換與相關(guān)系數(shù)融合法相結(jié)合的方式構(gòu)造差異影像;其次再提取差異影像的灰度特征和紋理特征并進(jìn)行歸一化和格式化處理;接下來選擇訓(xùn)練區(qū)域并構(gòu)造SVM混合核函數(shù)再進(jìn)行訓(xùn)練;最后將差異影像利用SVM混合核分類器進(jìn)行分類得到目標(biāo)影像的變化檢測結(jié)果。
【專利說明】一種多光譜遙感影像變化檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及遙感影像處理【技術(shù)領(lǐng)域】,特別涉及一種多光譜遙感影像變化檢測方法,適用于同一區(qū)域不同時(shí)相的多幅含有地物變化信息的多光譜遙感影像數(shù)據(jù)的變化檢測。
【背景技術(shù)】
[0002]基于遙感影像的變化檢測是根據(jù)同一區(qū)域不同時(shí)相的遙感影像,辨識觀測對象或者現(xiàn)象的狀態(tài)變化過程。它已廣泛應(yīng)用于資源管理與規(guī)劃、環(huán)境保護(hù)等諸多領(lǐng)域,并為相關(guān)部門提供科學(xué)決策的依據(jù)。
[0003]當(dāng)前,遙感影像的變化檢測問題已經(jīng)成為一個(gè)非?;钴S的研究方向,如美國的國家地理空間智能研究所、意大利的Trento大學(xué)、中國科學(xué)院遙感所、武漢大學(xué)等機(jī)構(gòu)和研究小組都在開展相關(guān)方面的研究和應(yīng)用開發(fā),取得了諸多成果。目前遙感影像變化檢測方法主要有:代數(shù)法、變換法、分類比較法、高級模型法、GIS集成法、視覺分析法和其它方法。
[0004]其中代數(shù)法以其操作簡單、易于實(shí)現(xiàn)成為當(dāng)前變化檢測中使用最廣泛的方法之一,主要包括差值法、比值法等。代數(shù)法的變化檢測核心問題為:差異影像的獲取和閾值的選取。僅依靠單一方法獲取差異影像,并不能較好地反映地面真實(shí)變化情況。通過融合的方法來構(gòu)造差異影像可以克服此問題,但是其不足是該方法主要是針對單一波段遙感影像。
[0005]為了克服這些缺點(diǎn),L.Bruzzone等提出一種基于統(tǒng)計(jì)最小錯(cuò)誤率的Bayes判別準(zhǔn)則的變化檢測算法,將差異影像視作由變化和非變化兩類像元組成的高斯混合分布,然后利用(Expectation-Maximization, EM)算法估計(jì)出高斯混合分布密度函數(shù)的參數(shù),進(jìn)而確定出變化檢測的閾值。但當(dāng)“差異影像”含有多種地物變化類型,光譜信息較復(fù)雜時(shí),把差異影像視作僅有兩類的高斯混合分布,顯然會降低其變化檢測精度。另外,EM算法是在已知高斯混合模型(Gaussian Mixture Model,GMM)分支數(shù)的情況下對參數(shù)進(jìn)行估計(jì)的,而在實(shí)際的應(yīng)用中,這點(diǎn)很難做到。
【發(fā)明內(nèi)容】
[0006]發(fā)明目的:針對現(xiàn)有技術(shù)中存在的問題,本發(fā)明提供一種多光譜遙感影像變化檢測方法,該方法能最大限度地保留目標(biāo)數(shù)據(jù)變化的細(xì)節(jié)信息,減少偽變化信息及背景噪聲的干擾。該方法引入基于SVM混合核函數(shù)并且同時(shí)考慮差異影像的灰度特征和紋理特征,能夠準(zhǔn)確的對遙感影像進(jìn)行變化檢測,提高了目標(biāo)影像的變化檢測精度。
[0007]技術(shù)方案:一種多光譜遙感影像變化檢測方法,包括下述步驟:
[0008]步驟I數(shù)據(jù)準(zhǔn)備
[0009]選取需要進(jìn)行變化檢測的同一區(qū)域、不同時(shí)相的2幅多光譜遙感影像數(shù)據(jù)。
[0010]步驟2構(gòu)造差異影像
[0011]對2幅多光譜遙感影像數(shù)據(jù)通過相關(guān)系數(shù)融合法構(gòu)造差異影像。
[0012]差異影像的構(gòu)造可分以下幾步進(jìn)行,首先對經(jīng)過步驟I得到的2幅多光譜遙感影像數(shù)據(jù)X1, X2,通過ENVI4.8軟件分別進(jìn)行PCA變換,并分別提取其第一主成分Xlpc;1,Χ2ρε1。然后,求取Xlpc;1,X2pc;1的差值、比值影像AY1與Λ Y2,最后對獲取的差值、比值影像進(jìn)行融合構(gòu)造出差異影像。
[0013]對于PCA變換,采用ENVI4.8軟件對目標(biāo)數(shù)據(jù)進(jìn)行PCA變換時(shí)以協(xié)方差矩陣的特征向量對應(yīng)的矩陣作為變換矩陣。
[0014]對于η 維隨機(jī)變量(X1, X2,…,Χη),若 Cij = Cov (Xi, Xj) = E {[X1-E (Xi) ] [XrE (Xj)](i, j = 1,2...η)都存在,則η維隨機(jī)變量(X1, X2,…,Xn)的協(xié)方差矩陣為:
C1IC1...Cln
[0015]
【權(quán)利要求】
1.一種多光譜遙感影像變化檢測方法,其特征在于:包括下述步驟: 步驟I,數(shù)據(jù)準(zhǔn)備: 選取需要進(jìn)行變化檢測的同一區(qū)域、不同時(shí)相的2幅多光譜遙感影像數(shù)據(jù); 步驟2,構(gòu)造差異影像: 對2幅多光譜遙感影像數(shù)據(jù)通過相關(guān)系數(shù)融合法構(gòu)造差異影像; 差異影像的構(gòu)造分以下幾步進(jìn)行,首先對經(jīng)過步驟I得到的2幅多光譜遙感影像數(shù)據(jù)X1, X2,通過ENVI4.8軟件分別進(jìn)行PCA變換,并分別提取其第一主成分Xlpc;1,X2pcl ;然后,求取Xlpca,X2pc;1的差值就影像AY1以及比值影像Λ Y2,最后對獲取的差值、比值影像進(jìn)行融合構(gòu)造出差異影像; 對于PCA變換,采用ENVI4.8軟件對目標(biāo)數(shù)據(jù)進(jìn)行PCA變換時(shí)以協(xié)方差矩陣的特征向量對應(yīng)的矩陣作為變換矩陣; 對于η維隨機(jī)變量X1, X2,-, Xn,若 Cij = Cov(XilXj) = EitX1-E(Xi)] [Xj-E(Xj)]都存在,i,j=l, 2,…n,則 η 維隨機(jī)變量X1, X2,…,Xn的協(xié)方差矩陣為:
2.根據(jù)權(quán)利要求1所述的多光譜遙感影像變化檢測方法,其特征在于:所述步驟3包括如下步驟: 首先,提取差異影像的灰度特征和紋理特征,然后將灰度向量和紋理向量進(jìn)行歸一化和格式化處理所有的特征值都?xì)w一化到[O,I]范圍內(nèi),以便輸入SVM; 對差異影像的灰度特征和紋理特征的提取,具體實(shí)現(xiàn)為: 首先提取差異影像的灰度特征向量< ",設(shè)圖像為六個(gè)波段,則各波段灰度圖像特征組成6X1的灰度特征向量:[X1, X2, X3, X4, X5, X6]T ; 接著提取差異影像的紋理特征向量< Μ、’本發(fā)明采用灰度共生矩陣提取 差異影像的紋理特征,灰度共生矩陣(記為W陣)用數(shù)學(xué)公式則表示為:P(i,j,δ, θ)={[ (x, y), (x+Dx, y+Dy) ] I f (x, y) = i, f (x+Dx, y = Dy) = j} (5) 式中X = 0,1,2,…,N-1是圖像的像元坐標(biāo),Dx, Dy是位置偏移量,i, j = O, I, 2,…是灰度級數(shù),S為W陣的生長步長,Θ為W陣的生長方向,取0° ,45° ,90° ,135°四個(gè)方向偏移參數(shù),作為其灰度共生矩陣,然后分別求取其特征值,再對這些特征指標(biāo)計(jì)算其均值和方差。這樣處理就抑制了方向分量,使得到的特征與方向無關(guān)。以下三種統(tǒng)計(jì)量: ⑴角二階矩:
3.根據(jù)權(quán)利要求2所述的多光譜遙感影像變化檢測方法,其特征在于:構(gòu)造一個(gè)SVM混合核函數(shù)并選擇訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練: 首先選擇置信度高的訓(xùn)練區(qū)域既:變化概率高的變化區(qū)域和變化概率低的沒有變化區(qū)域 接著構(gòu)造一個(gè)基于加權(quán)的加法SVM混合核函數(shù),其數(shù)學(xué)表達(dá)式如下:
4.根據(jù)權(quán)利要求3所述的多光譜遙感影像變化檢測方法,其特征在于:利用構(gòu)造的SVM混合核函數(shù)對差異影像進(jìn)行變化檢測,采用了 SVM分類的思想,將差異影像分為變化類和非變化類,并且同時(shí)考慮了灰度特征和紋理特征,避免了用傳統(tǒng)的代數(shù)方法差異影像的像元值必須服從高斯分布,這一假設(shè)在有些情況下不成立的情況,也避免了閾值選擇對變化檢測造成的不利影響。
5.根據(jù)權(quán)利要求1所述的多光譜遙感影像變化檢測方法,其特征在于:在所述步驟I與步驟2之間還包括數(shù)據(jù)預(yù)處理步驟: 對所選的2幅多光譜遙感影像進(jìn)行輻射校正及幾何校正預(yù)處理; 其中,所述數(shù)據(jù)預(yù)處理具體實(shí)現(xiàn)為:首先進(jìn)行輻射校正,然后進(jìn)行幾何粗校正,最后進(jìn)行幾何精校正; 步驟Α,對于輻射校正,將目標(biāo)影像數(shù)據(jù)采用基于統(tǒng)計(jì)量的方法進(jìn)行相對輻射校正,在假定目標(biāo)數(shù)據(jù)的各個(gè)波段服從高斯分布的情況下,其表達(dá)式為:
【文檔編號】G06T7/00GK103500450SQ201310463016
【公開日】2014年1月8日 申請日期:2013年9月30日 優(yōu)先權(quán)日:2013年9月30日
【發(fā)明者】石愛業(yè), 夏晨陽, 申邵洪, 吳國寶, 程學(xué)軍, 文雄飛, 陳鵬霄 申請人:河海大學(xué), 長江水利委員會長江科學(xué)院