基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法
【專利摘要】本發(fā)明公開了一種基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，它屬于圖像處理【技術(shù)領(lǐng)域】，主要解決現(xiàn)有技術(shù)檢測效果不理想，檢測精度低、適用范圍窄的問題。包括圖像讀入、差異圖處理、樣本選擇、計算矩陣、估算特征、選取矩陣、聚類和圖像輸出等步驟，提高了變化檢測的精度，減少了錯分率，對不同類型的遙感圖像均可獲得較好的效果，可應(yīng)用于環(huán)境監(jiān)測、災(zāi)害評估等領(lǐng)域。
【專利說明】基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及遙感圖像的變化檢測，特別涉及一種基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，該方法可用于植被覆蓋、土地利用、自然災(zāi)害評估和城區(qū)規(guī)劃等領(lǐng)域。
【背景技術(shù)】
[0002]變化檢測是遙感技術(shù)的重要研究方向之一，它的目標是通過分析在同一地區(qū)不同時段獲得的兩幅遙感圖像來辨識其變化信息。它在土地利用、火災(zāi)面積調(diào)查、開展資源調(diào)查、環(huán)境檢測、軍事偵察等方面有廣泛的應(yīng)用領(lǐng)域。變化檢測方法大體可以分為兩類:有監(jiān)督法和無監(jiān)督法。但由于有監(jiān)督法需要地面真實數(shù)據(jù)來獲取變化區(qū)域的訓(xùn)練樣區(qū)，從而進行變化檢測，然而想要得到地面的真實信息是比較困難的，所以無監(jiān)督變化檢測方法是常用的變化檢測方法。
[0003]無監(jiān)督的遙感圖像變化檢測過程通常可以分為三個步驟:(I)預(yù)處理；(2)圖像比較；(3)差異圖分析。
[0004]傳統(tǒng)的變化檢測算法是在差異圖上進行閾值判斷來提取變化信息，但傳統(tǒng)構(gòu)造差異圖方法存在許多缺陷，例如沒有考慮圖像像素的鄰域信息，簡單計算可能出現(xiàn)虛警率，變化閾值難以確定等問題。另外傳統(tǒng)的聚類算法，如Kmeans、EM算法等都是建立在凸球形的樣本空間上，當樣本空間非凸時，算法易陷入局部最優(yōu)。
[0005]譜聚類算法是一種比較流行的聚類算法，它已廣泛應(yīng)用于計算機視覺、語音識別、文本挖掘等領(lǐng)域，該算法可以在任意形狀的樣本空間上聚類且收斂于全局最優(yōu)。與傳統(tǒng)聚類算法相比，譜聚類算法的優(yōu)點在于:(1)譜聚類是直接對拉普拉斯矩陣的特征向量求解，然后進行聚類劃分，所以譜聚類可以對樣本空間是非凸的數(shù)據(jù)進行聚類求解；(2)譜聚類僅與數(shù)據(jù)點的數(shù)目有關(guān)，而與維數(shù)無關(guān)，因而可以避免求解高維特征向量時造成奇異性問題；(3)譜聚類是根據(jù)樣本間的相似關(guān)系建立矩陣，通過計算特征向量找出樣本間的內(nèi)在聯(lián)系，實質(zhì)上譜聚類是通過把低維數(shù)據(jù)映射到高維空間，然后在高維空間進行聚類，所以譜聚類的性能通常優(yōu)于一般的聚類方法。
[0006]雖然譜聚類有很多優(yōu)點，但是當聚類樣本數(shù)目比較大時，譜聚類在計算和存儲相似度矩陣方面是十分困難的。比如在η個樣本之間構(gòu)造相似度矩陣需要內(nèi)存是O (η2)，計算特征向量分解需要的時間復(fù)雜度為0(η3)，內(nèi)存使用復(fù)雜度是0(n2)。Fowlkes等人提出使用Nystrom逼近來避免計算整個相似度矩陣，此算法很好的降低了算法時間和空間的復(fù)雜度?；贜ystrom的譜聚類算法可簡述為:在樣本中隨機選取少量樣本作為采樣樣本，計算采樣樣本之間的相似度矩陣A，并計算采樣樣本與剩余樣本之間的相似度矩陣B ;再使用Nystrom方法估計全體樣本之間的相似度矩陣W及其主特征向量；并從這些主特征向量中選取k個特征向量；最后采用K-means等傳統(tǒng)聚類算法完成最終的聚類劃分。但由于在構(gòu)造相似矩陣時僅簡單使用了樣本間的歐式距離來衡量它們之間的相似性，不能很好的抑制噪聲點的影響，從而會影響變化區(qū)域的檢測，造成檢測精度不夠高的問題。
【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的在于提出了一種基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，針對現(xiàn)有技術(shù)檢測效果不理想，適用范圍窄等問題，能更好的檢測出圖像的變化區(qū)域。
[0008]為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是:基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，包括如下步驟:
[0009](I)輸入在兩個時相獲取的同一地區(qū)的兩幅大小為MXN的遙感圖像Tl和T2，其中M、N為自然數(shù)，代表圖像的行數(shù)和列數(shù)，分別表示圖像的長和寬；
[0010](2)利用對數(shù)比值算子得到差異矩陣C，并對差異矩陣C進行歸一化處理得到差異圖DI ；
[0011](3)樣本選擇:假設(shè)差異圖DI有η個像素點，從中隨機采樣m個像素點作為樣本點，則剩余為n-m個像素點；
[0012](4)利用基于次序統(tǒng)計量的像素灰度相似度函數(shù)來分別計算采樣點間相似矩陣A，采樣點與剩余點間相似矩陣B ;
[0013](5)使用Nystrom估計計算特征值A(chǔ)k和相應(yīng)的特征向量Uk ；
[0014](6)從特征值A(chǔ)k中選取前K個最大的特征值所對應(yīng)的特征向量組成矩陣V，并對
矩陣V進行行歸一化處理，得到歸一化矩陣F ;
[0015](7)將歹的每行視為一個點,用K-means算法將它們聚為k類；
[0016](8)若F的第i行數(shù)據(jù)屬于第j類，則將對應(yīng)像素點也歸為第j類，再將結(jié)果轉(zhuǎn)化為最終的變化檢測結(jié)果。
[0017]上述步驟(2)所述的利用對數(shù)比值算子得到差異圖，并對差異圖進行歸一化處理，按照如下步驟進行:
[0018]a)對圖像Tl在坐標(i，j)處的灰度值Tl (i，j)與圖像T2在坐標(i，j)處的灰度值T2(i，j)進行對數(shù)比值運算，得到差異矩陣C在坐標(i，j)處的值C(i，j):
[0019]
【權(quán)利要求】
1.基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，其特征在于:包括如下步驟: (1)輸入在兩個時相獲取的同一地區(qū)的兩幅大小為MXN的遙感圖像Tl和T2，其中M、N為自然數(shù)，代表圖像的行數(shù)和列數(shù)，分別表示圖像的長和寬； (2)利用對數(shù)比值算子得到差異矩陣C，并對差異矩陣C進行歸一化處理得到差異圖DI ； (3)樣本選擇:假設(shè)差異圖DI有n個像素點，從中隨機采樣m個像素點作為樣本點，則剩余為n-m個像素點； (4)利用基于次序統(tǒng)計量的像素灰度相似度函數(shù)來分別計算采樣點間相似矩陣A，采樣點與剩余點間相似矩陣B ; (5)使用Nystrom估計計算特征值A(chǔ)k和相應(yīng)的特征向量Uk； (6)從特征值A(chǔ)k中選取前K個最大的特征值所對應(yīng)的特征向量組成矩陣V，并對矩陣V進行行歸一化處理，得到歸一化矩陣歹； (7)將P的每行視為一個點，用K-means算法將它們聚為k類； (8)若F的第i行數(shù)據(jù)屬于第j類，則將對應(yīng)像素點也歸為第j類，再將結(jié)果轉(zhuǎn)化為最終的變化檢測結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，其特征在于:其中步驟(2)所述的利用對數(shù)比值算子得到差異圖，并對差異圖進行歸一化處理，按照如下步驟進行: a)對圖像Tl在坐標(i，j)處的灰度值Tl(i，j)與圖像T2在坐標(i，j)處的灰度值T2(i, j)進行對數(shù)比值運算，得到差異矩陣C在坐標(i，j)處的值C(i，j):

3.根據(jù)權(quán)利要求1所述的基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，其特征在于:其中步驟(4)所述的利用基于次序統(tǒng)計量的像素灰度相似度函數(shù)來分別計算采樣點間相似矩陣A，采樣點與剩余點間相似矩陣B，按照如下公式進行:
4.根據(jù)權(quán)利要求1所述的基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，其特征在于:其中步驟(5)所述的使用Nystrom估計計算特征值和相應(yīng)的特征向量,按照如下步驟進行: a)對角矩陣D按如下公式計算，
5.根據(jù)權(quán)利要求1所述的基于次序統(tǒng)計量譜聚類的遙感圖像變化檢測方法，其特征在于:其中步驟(6)所述的從特征值A(chǔ)k中選取前K個最大的特征值所對應(yīng)的特征向量組成矩陣V，并對矩陣V進行行歸一化，得到歸一化矩陣P ,按照如下步驟進行: a)從特征值A(chǔ)k中選取前K個最大的特征值所對應(yīng)的特征向量組成矩陣V，按照如下公式進行:
【文檔編號】G06T7/00GK103903258SQ201410069376
【公開日】2014年7月2日 申請日期:2014年2月27日 優(yōu)先權(quán)日:2014年2月27日
【發(fā)明者】朱虎明, 焦李成, 李立紅, 王爽, 馬文萍, 馬晶晶, 李陽陽, 劉靜, 田小林, 任新營 申請人:西安電子科技大學