本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進(jìn)一步涉及圖像分割與圖像分類識(shí)別技術(shù)領(lǐng)域中的一種遙感圖像變化檢測(cè)方法。該方法可快速檢測(cè)出兩時(shí)相遙感圖像的變化信息，可應(yīng)用于對(duì)地震前后地物變化監(jiān)測(cè)、農(nóng)作物生長(zhǎng)狀態(tài)的動(dòng)態(tài)監(jiān)測(cè)。

背景技術(shù)：
變化檢測(cè)是通過(guò)分析同一地區(qū)不同時(shí)刻的多幅遙感圖像，檢測(cè)出該地區(qū)地物隨時(shí)間發(fā)生變化的信息。隨著遙感技術(shù)和信息技術(shù)的發(fā)展，多時(shí)相遙感圖像變化檢測(cè)已經(jīng)成為當(dāng)前遙感圖像分析研究的一個(gè)重要方向。在多時(shí)相遙感圖像變化檢測(cè)方法的研究中，常見(jiàn)的一種檢測(cè)方法是先分類后比較法，即首先將遙感圖像中不同地物分類，然后再針對(duì)不同地物分別構(gòu)造差異圖像，最后利用閾值法確定變化類和非變化類。先分類后比較法的優(yōu)點(diǎn)在于能夠得到針對(duì)不同地物的變化檢測(cè)圖像，對(duì)閾值選擇的方法要求不高，但該方法的存在的不足是，存在分類誤差累計(jì)問(wèn)題，即圖像質(zhì)量會(huì)對(duì)分類結(jié)果會(huì)造成誤差，該誤差會(huì)影響變化檢測(cè)的精度。因?yàn)楣鈱W(xué)遙感圖像受制于天氣，而霧霾的影響尤其明顯，霧霾往往污染遙感影像的可見(jiàn)光波段，被攝物體表面反射的光線在大氣中由于吸收和散射作用而衰減；同時(shí)由于散射作用，攝影鏡頭中會(huì)混入大氣光，造成遙感圖像的對(duì)比度以及分辨率降低，從而降低變化檢測(cè)精度。所以，在變化檢測(cè)之前有必要消除或減輕霧霾對(duì)遙感圖像的影響，提高遙感圖像的質(zhì)量和變化圖像的精確度。北京市遙感信息研究所和中國(guó)科學(xué)院自動(dòng)化研究所在其申請(qǐng)的專利“高分辨率可見(jiàn)光遙感圖像變化檢測(cè)方法”(專利申請(qǐng)?zhí)枺?01210247866,公開(kāi)號(hào)：CN102842044A)中提出了一種對(duì)高分辨率可見(jiàn)光遙感圖像變化檢測(cè)的方法。該方法首先獲取圖像目標(biāo)，然后去除虛假目標(biāo)，并且提取目標(biāo)的變化特征，然后計(jì)算目標(biāo)的初始變化置信度，選擇變化置信度高的部分目標(biāo)作為正樣本，選擇變化置信度低的部分目標(biāo)作為負(fù)樣本，得到變化監(jiān)測(cè)模型，并且利用訓(xùn)練得到的變化監(jiān)測(cè)模型對(duì)目標(biāo)進(jìn)行變化檢測(cè)，最后利用目標(biāo)的紋理特性對(duì)變化目標(biāo)進(jìn)行提煉，得到最終的變化檢測(cè)結(jié)果。該方法雖然能夠通過(guò)形狀分析有效去除由于局部配準(zhǔn)誤差引起的虛假目標(biāo)，但是仍然存在的不足是，該方法的變化檢測(cè)精確度依賴于可見(jiàn)光遙感圖像的高分辨率，由于霧霾天氣會(huì)導(dǎo)致遙感圖像的分辨率下降，而在獲取圖像目標(biāo)之前未進(jìn)行去霧操作，該方法在對(duì)受霧霾影響的遙感圖像處理時(shí)，分割和識(shí)別的精確度較低，導(dǎo)致變化檢測(cè)結(jié)果中存在較多漏檢信息和虛警信息，降低了遙感圖像的變化檢測(cè)精度，減小了該方法適用的遙感圖像范圍。西安電子科技大學(xué)在其申請(qǐng)的專利“基于treelet特征融合的遙感圖像變化檢測(cè)方法”(專利申請(qǐng)?zhí)枺?013104153995，公開(kāi)號(hào)：CN103456020A)中提出了一種基于treelet特征融合的遙感圖像變化監(jiān)測(cè)方法。該方法的實(shí)現(xiàn)步驟為：(1)輸入兩時(shí)相遙感圖像X1和X2；(2)計(jì)算兩幅圖像的差值圖，對(duì)數(shù)比值圖和均值比圖；(3)獲取由三幅不同差異圖中像素的鄰域向量組成的樣本矩陣；(4)用treelet方法對(duì)樣本矩陣進(jìn)行特征提取，得到特征向量矩陣；(5)采用Kmeans方法將特征向量矩陣聚為兩類，根據(jù)聚類結(jié)果得到變化檢測(cè)結(jié)果。該方法雖然能夠解決單一類型差異圖檢測(cè)精度低，適用范圍窄的問(wèn)題，但是仍然存在的不足是，該方法面向像素點(diǎn)進(jìn)行操作，從而忽略了面向某一特定地物對(duì)象的變化結(jié)果，僅得到變化和未變化的兩類結(jié)果，不能夠?qū)b感圖像進(jìn)行分類，無(wú)法得到不同地物的變化檢測(cè)圖像。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明針對(duì)上述現(xiàn)有技術(shù)存在的不足，提出了一種遙感圖像變化檢測(cè)方法。本發(fā)明既可以較好地處理受霧霾影響的遙感圖像，又可以分別得到不同類型地物的變化檢測(cè)圖像，具有較廣泛的適用范圍和較高的檢測(cè)精度。本發(fā)明實(shí)現(xiàn)上述目的的思路是：首先構(gòu)造輸入遙感圖像的暗原色通道圖像，并判斷輸入的遙感圖像是否需要去霧，若需要，則用暗原色先驗(yàn)方法去霧，然后對(duì)去霧后的遙感圖像使用模糊C均值FCM聚類方法進(jìn)行分割，并且使用K近鄰KNN算法進(jìn)行分類識(shí)別，最后分別對(duì)不同地物變化前后的遙感圖像進(jìn)行變化檢測(cè)。本發(fā)明的步驟包括如下：(1)輸入變化前后的遙感圖像：輸入同一地區(qū)，不同時(shí)刻獲取的兩幅變化前后的遙感圖像；(2)判斷輸入的遙感圖像是否為彩色遙感圖像，若是，執(zhí)行步驟(3)，否則，將輸入的遙感圖像作為去霧后的遙感圖像，執(zhí)行步驟(6)；(3)構(gòu)造暗原色通道圖像：(3a)選取彩色遙感圖像的某一個(gè)像素點(diǎn)，從紅色R、綠色G、藍(lán)色B三個(gè)顏色通道中，選取其中亮度值最小的顏色通道，將該顏色通道的亮度值作為該像素點(diǎn)的灰度值；(3b)重復(fù)步驟(3a)，直至處理完彩色遙感圖像中的全部像素點(diǎn)，得到所有像素點(diǎn)的灰度值，將所有像素點(diǎn)的灰度值構(gòu)成一幅最暗灰度圖像；(3c)以最暗灰度圖像中的某一像素點(diǎn)為中心像素點(diǎn)，選取一個(gè)大小為N1×N1個(gè)像素的正方形窗口，其中N1的取值范圍為{7,9,11,13,15}；(3d)將正方形窗口中全部像素點(diǎn)的灰度值，按照由小到大的順序排列，組成一個(gè)灰度序列，選取灰度序列中最小的灰度值作為濾波值，用該濾波值替代步驟(3c)中的中心像素點(diǎn)的灰度值；(3e)重復(fù)步驟(3c)和步驟(3d)，直至處理完最暗灰度圖像中的全部像素點(diǎn)，得到一幅暗原色通道圖像；(3f)對(duì)暗原色通道圖像，按照下式，計(jì)算暗像素概率：其中，P表示暗原色通道圖像的暗像素概率,P的取值范圍為[0,1]，表示將等式左邊的暗像素概率P定義為等式右邊公式的操作，X表示暗原色通道圖像中灰度值小于等于灰度閾值D的像素點(diǎn)個(gè)數(shù)，灰度閾值D的取值范圍為{25,26,27…,35}，X的取值范圍為{0,1,2…,M×N}，M、N分別表示暗原色通道圖像矩陣的行數(shù)和列數(shù)；(4)判斷彩色遙感圖像是否有霧，若彩色遙感圖像的暗像素概率P小于先驗(yàn)閾值T1，則認(rèn)為該彩色遙感圖像為有霧彩色遙感圖像，執(zhí)行步驟(5)；否則，將彩色遙感圖像作為去霧后的遙感圖像，執(zhí)行步驟(6)，其中，T1表示先驗(yàn)閾值，T1的取值范圍為{0.75,0.8,0.85,0.9,0.95}；(5)對(duì)有霧彩色遙感圖像進(jìn)行去霧：(5a)將有霧彩色遙感圖像對(duì)應(yīng)的暗原色通道圖像中的所有像素點(diǎn)，按其灰度值由大到小排列，得到像素點(diǎn)序列，從像素點(diǎn)序列中灰度值最大的像素點(diǎn)開(kāi)始，依次提取占該序列0.1％比例的像素點(diǎn)，記錄所提取像素點(diǎn)在暗原色通道圖像中的坐標(biāo)；(5b)從有霧彩色遙感圖像中，提取所記錄坐標(biāo)上的像素點(diǎn)，得到像素點(diǎn)集合O；(5c)將像素點(diǎn)集合O中所有像素點(diǎn)的紅色R、綠色G、藍(lán)色B三個(gè)顏色通道中的亮度值，由大到小進(jìn)行排列，得到亮度值序列，從該亮度值序列中選取最大的亮度值作為全局大氣光；(5d)選取暗原色通道圖像中的某一個(gè)像素點(diǎn)，按照下式，計(jì)算所選取像素點(diǎn)在彩色遙感圖像的透射率圖中對(duì)應(yīng)的像素點(diǎn)的灰度值：其中，t(x,y)表示所選取像素點(diǎn)在彩色遙感圖像的透射率圖中對(duì)應(yīng)的像素點(diǎn)的灰度值，t(x,y)取值范圍為[0,1]，(x,y)表示所選取像素點(diǎn)在彩色遙感圖像的透射率圖中對(duì)應(yīng)的像素點(diǎn)的坐標(biāo)，E1(x,y)表示暗原色通道圖像中所選取像素點(diǎn)的灰度值，E1(x,y)的取值范圍為{0,1,2…,255}，(x,y)表示所選取像素點(diǎn)在暗原色通道圖像中的坐標(biāo)，x的取值范圍為{0,1,2…,M-1}，y的取值范圍為{0,1,2…,N-1}，M、N分別表示暗原色通道圖像矩陣的行數(shù)和列數(shù)，A表示全局大氣光；(5e)重復(fù)步驟(5d)，直至處理完暗原色通道圖像中的所有像素點(diǎn)，得到暗原色通道圖像中所有像素點(diǎn)在彩色遙感圖像的透射率圖中對(duì)應(yīng)像素點(diǎn)的灰度值，將彩色遙感圖像的透射率圖中對(duì)應(yīng)像素點(diǎn)的灰度值構(gòu)成透射率圖；(5f)按照下式，計(jì)算彩色遙感圖像去霧后的無(wú)霧圖像，得到去霧后的遙感圖像：其中，L表示去霧后的遙感圖像，F(xiàn)表示彩色遙感圖像，A表示全局大氣光，t表示彩色遙感圖像的透射率圖，H表示一個(gè)大小為M×N的全1矩陣，M、N分別表示彩色遙感圖像矩陣的行數(shù)和列數(shù)；(6)利用模糊C均值FCM聚類算法，對(duì)去霧后的遙感圖像進(jìn)行分割，得到分割后各類地物的遙感圖像；(7)利用K近鄰KNN算法，對(duì)分割后各類地物的遙感圖像進(jìn)行分類識(shí)別，獲得分類識(shí)別后的遙感圖像；(8)利用作差法，對(duì)分類識(shí)別后的遙感圖像進(jìn)行變化檢測(cè)，獲得所有地物種類的變化檢測(cè)圖像。本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：第一，本發(fā)明通過(guò)計(jì)算暗原色通道圖像的暗像素概率判斷遙感圖像是否有霧，克服了現(xiàn)有技術(shù)的變化檢測(cè)精度依賴于可見(jiàn)光遙感圖像的高分辨率的缺點(diǎn)，使得本發(fā)明不僅能夠?qū)Ω叻直媛实臒o(wú)霧遙感圖像進(jìn)行處理，還能夠?qū)Ψ直媛瘦^低的有霧遙感圖像進(jìn)行有效處理。第二，本發(fā)明在變化檢測(cè)前對(duì)有霧的遙感圖像進(jìn)行去霧，克服了現(xiàn)有技術(shù)在對(duì)受霧霾影響的遙感圖像處理時(shí)變化檢測(cè)結(jié)果精確度較低的缺點(diǎn)，使得本發(fā)明減輕了遙感圖像受霧霾的影響，提高了遙感圖像的分辨率，進(jìn)而提高了分割和分類識(shí)別的準(zhǔn)確率，減少了變化檢測(cè)結(jié)果的漏檢信息和虛檢信息。第三，本發(fā)明通過(guò)對(duì)分類識(shí)別后不同地物變化前后的遙感圖像進(jìn)行變化檢測(cè)，克服了現(xiàn)有技術(shù)面向像素點(diǎn)進(jìn)行操作而無(wú)法得到不同地物的變化檢測(cè)圖像的缺點(diǎn)，使得本發(fā)明能夠獲得不同地物的變化檢測(cè)結(jié)果圖像，獲得更全面的變化檢測(cè)信息。附圖說(shuō)明圖1為本發(fā)明的流程圖；圖2為本發(fā)明仿真采用的部分遙感圖像；圖3為本發(fā)明仿真的變化檢測(cè)圖像。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)描述。結(jié)合附圖1，本發(fā)明的步驟如下。步驟1，輸入變化前后的遙感圖像。輸入同一地區(qū)，不同時(shí)刻獲取的兩幅變化前后的遙感圖像。步驟2，判斷輸入的遙感圖像是否為彩色遙感圖像，若是，執(zhí)行步驟3，否則，將輸入的遙感圖像作為去霧后的遙感圖像，執(zhí)行步驟6。步驟3，構(gòu)造暗原色通道圖像。(3a)選取彩色遙感圖像的某一個(gè)像素點(diǎn)，從紅色R、綠色G、藍(lán)色B三個(gè)顏色通道中，選取其中亮度值最小的顏色通道，將該顏色通道的亮度值作為該像素點(diǎn)的灰度值。(3b)重復(fù)步驟(3a)，直至處理完彩色遙感圖像中的全部像素點(diǎn)，得到所有像素點(diǎn)的灰度值，將所有像素點(diǎn)的灰度值構(gòu)成一幅最暗灰度圖像。(3c)以最暗灰度圖像中的某一像素點(diǎn)為中心像素點(diǎn)，選取一個(gè)大小為N1×N1個(gè)像素的正方形窗口，其中N1的取值范圍為{7,9,11,13,15}。(3d)將正方形窗口中全部像素點(diǎn)的灰度值，按照由小到大的順序排列，組成一個(gè)灰度序列，選取灰度序列中最小的灰度值作為濾波值，用該濾波值替代步驟(3c)中的中心像素點(diǎn)的灰度值。(3e)重復(fù)步驟(3c)和步驟(3d)，直至處理完最暗灰度圖像中的全部像素點(diǎn)，得到一幅暗原色通道圖像。(3f)對(duì)暗原色通道圖像，按照下式，計(jì)算暗像素概率：其中，P表示暗原色通道圖像的暗像素概率,P的取值范圍為[0,1]，表示將等式左邊的暗像素概率P定義為等式右邊公式的操作，X表示暗原色通道圖像中灰度值小于等于灰度閾值D的像素點(diǎn)個(gè)數(shù)，灰度閾值D的取值范圍為{25,26,27…,35}，X的取值范圍為{0,1,2…,M×N}，M、N分別表示暗原色通道圖像矩陣的行數(shù)和列數(shù)。步驟4，判斷彩色遙感圖像是否有霧。若彩色遙感圖像的暗像素概率P小于先驗(yàn)閾值T1，則認(rèn)為該彩色遙感圖像為有霧彩色遙感圖像，執(zhí)行步驟5；否則，將彩色遙感圖像作為去霧后的遙感圖像，執(zhí)行步驟6，其中，T1表示先驗(yàn)閾值，T1的取值范圍為{0.75,0.8,0.85,0.9,0.95}。步驟5，對(duì)有霧彩色遙感圖像進(jìn)行去霧。(5a)將有霧彩色遙感圖像對(duì)應(yīng)的暗原色通道圖像中的所有像素點(diǎn)，按其灰度值由大到小排列，得到像素點(diǎn)序列，從像素點(diǎn)序列中灰度值最大的像素點(diǎn)開(kāi)始，依次提取占該序列0.1％比例的像素點(diǎn)，記錄所提取像素點(diǎn)在暗原色通道圖像中的坐標(biāo)。(5b)從有霧彩色遙感圖像中，提取所記錄坐標(biāo)上的像素點(diǎn)，得到像素點(diǎn)集合O。(5c)將像素點(diǎn)集合O中所有像素點(diǎn)的紅色R、綠色G、藍(lán)色B三個(gè)顏色通道中的亮度值，由大到小進(jìn)行排列，得到亮度值序列，從該亮度值序列中選取最大的亮度值作為全局大氣光。(5d)選取暗原色通道圖像中的某一個(gè)像素點(diǎn)，按照下式，計(jì)算所選取像素點(diǎn)在彩色遙感圖像的透射率圖中對(duì)應(yīng)的像素點(diǎn)的灰度值：其中，t(x,y)表示所選取像素點(diǎn)在彩色遙感圖像的透射率圖中對(duì)應(yīng)的像素點(diǎn)的灰度值，t(x,y)取值范圍為[0,1]，(x,y)表示所選取像素點(diǎn)在彩色遙感圖像的透射率圖中對(duì)應(yīng)的像素點(diǎn)的坐標(biāo)，E1(x,y)表示暗原色通道圖像中所選取像素點(diǎn)的灰度值，E1(x,y)的取值范圍為{0,1,2…,255}，(x,y)表示所選取像素點(diǎn)在暗原色通道圖像中的坐標(biāo)，x的取值范圍為{0,1,2…,M-1}，y的取值范圍為{0,1,2…,N-1}，M、N分別表示暗原色通道圖像矩陣的行數(shù)和列數(shù)，A表示全局大氣光。(5e)重復(fù)步驟(5d)，直至處理完暗原色通道圖像中的所有像素點(diǎn)，得到暗原色通道圖像中所有像素點(diǎn)在彩色遙感圖像的透射率圖中對(duì)應(yīng)像素點(diǎn)的灰度值，將彩色遙感圖像的透射率圖中對(duì)應(yīng)像素點(diǎn)的灰度值構(gòu)成透射率圖。(5f)按照下式，計(jì)算彩色遙感圖像去霧后的無(wú)霧圖像，得到去霧后的遙感圖像：其中，L表示去霧后的遙感圖像，F(xiàn)表示彩色遙感圖像，A表示全局大氣光，t表示彩色遙感圖像的透射率圖，H表示一個(gè)大小為M×N的全1矩陣，M、N分別表示彩色遙感圖像矩陣的行數(shù)和列數(shù)。步驟6，利用模糊C均值FCM聚類算法，對(duì)去霧后的遙感圖像進(jìn)行分割，得到分割后各類地物的遙感圖像。將去霧后的遙感圖像中的每一個(gè)像素點(diǎn)看做一個(gè)樣本，并對(duì)去霧后的遙感圖像提取原始像素灰度矩陣、高斯平滑后的像素灰度值矩陣、邊緣像素灰度值矩陣三種特征矩陣，組成特征值矩陣，利用特征值矩陣對(duì)原圖像進(jìn)行FCM分割，聚類數(shù)設(shè)為地物類型數(shù)。首先定義幾個(gè)公式如下：聚類中心：隸屬度：目標(biāo)函數(shù)：其中，d2(xi,vj)表示相似度測(cè)量函數(shù)，其表達(dá)式為：d2(xi,vj)＝|xi-vj|其中，vj表示聚類中心，N表示總樣本數(shù)，圖像中也認(rèn)為是像素點(diǎn)的個(gè)數(shù)，uji表示第i個(gè)像素點(diǎn)對(duì)第j類的隸屬度，m表示控制模糊度的權(quán)重指數(shù)，一般設(shè)為2，xi表示樣本點(diǎn)，c表示聚類數(shù)目，設(shè)為地物數(shù)目，dji表示第i個(gè)像素點(diǎn)到第j個(gè)聚類中心的歐氏距離，dki表示第i個(gè)像素點(diǎn)到第k個(gè)聚類中心的歐氏距離，d2(xi,vj)表示相似度測(cè)量函數(shù)。具體步驟為：(6a)初始化聚類中心ci,其中i＝1,…,c，典型的做法是從所有數(shù)據(jù)點(diǎn)中任取c個(gè)點(diǎn)。(6b)利用上述公式(2)確定隸屬度矩陣U。(6c)利用上述公式(3)計(jì)算目標(biāo)函數(shù)，如果它相對(duì)上次目標(biāo)函數(shù)值的改變量小于目標(biāo)函數(shù)最小變化量閾值ε，則算法停止。(6d)利用上述公式(1)修正聚類中心，返回步驟(6b)。算法停止后，得到聚類中心、隸屬度矩陣和目標(biāo)函數(shù)，根據(jù)最大隸屬度原則將每個(gè)像素點(diǎn)分別歸為所有地物種類中的某一類。步驟7，利用K近鄰KNN算法，對(duì)分割后各類地物的遙感圖像進(jìn)行分類識(shí)別，獲得分類識(shí)別后的遙感圖像。(7a)分別從每種選定的已知地物類別信息的遙感圖像中，隨意截取20個(gè)大小為10×10的子圖像矩陣，建立不同地物類別遙感圖像的訓(xùn)練集。(7b)分別從分割后各類地物的遙感圖像中，隨意截取50個(gè)大小為10×10的子圖像矩陣，建立不同地物的測(cè)試集。(7c)分別對(duì)不同地物類別的遙感圖像的訓(xùn)練集中的每一個(gè)訓(xùn)練樣本，使用4個(gè)尺度5個(gè)方向的伽柏濾波器Gaborfilter，提取20維的特征列向量，得到訓(xùn)練集的特征向量集：其中，Sw表示第w種地物的訓(xùn)練集的特征向量集，w表示訓(xùn)練集的特征向量集所屬的地物類別標(biāo)號(hào)，w的取值范圍為{1,2…，Z}，Z表示遙感圖像中的地物種類數(shù)，si表示第w種地物訓(xùn)練集中的第i個(gè)訓(xùn)練樣本的特征列向量。(7d)分別對(duì)不同地物的測(cè)試集中的每一個(gè)測(cè)試樣本，使用4個(gè)尺度5個(gè)方向的伽柏濾波器Gaborfilter，提取20維的特征列向量，得到測(cè)試集的特征向量集：其中，Ur表示第r種地物測(cè)試集的特征向量集，r表示測(cè)試集的特征向量集的標(biāo)號(hào)，r的取值范圍為{1,2,…,Z}，Z表示遙感圖像中的地物種類數(shù)，uj表示第r種地物測(cè)試集中的第j個(gè)測(cè)試樣本的特征列向量。(7e)選取第r種地物測(cè)試集的特征向量集Ur，按照下式，計(jì)算所選取的特征向量集Ur到第w種地物的訓(xùn)練集的特征向量集Sw的歐氏距離：其中，dr,w表示第r種地物測(cè)試集的特征向量集Ur到第w種地物的訓(xùn)練集的特征向量集Sw的歐氏距離，r表示測(cè)試集的特征向量集的標(biāo)號(hào)，r的取值范圍為{1,2,…,Z}，w表示訓(xùn)練集的特征向量集所屬的地物類別標(biāo)號(hào)，w的取值范圍為{1,2…，Z}，Z表示遙感圖像中的地物種類數(shù)，uj表示第r種地物測(cè)試集中的第j個(gè)測(cè)試樣本的特征列向量，si表示第w種地物訓(xùn)練集中的第i個(gè)訓(xùn)練樣本的特征列向量。(7f)重復(fù)第五步，直至計(jì)算完第r種地物測(cè)試集的特征向量集Ur到所有地物的訓(xùn)練集的特征向量集Sw的歐氏距離，得到第r種地物的歐氏距離集合{dr,1,dr,2…,dr,Z}。(7g)將第r種地物的歐氏距離集合中的所有元素由小到大進(jìn)行排列，得到該集合中元素的序列，從該集合中元素的序列中選取一個(gè)最小的元素，將該最小元素的第2個(gè)下標(biāo)，作為第r種地物的遙感圖像所屬的地物種類標(biāo)號(hào)。(7h)重復(fù)第五步、第六步、第七步，直至處理完所有地物測(cè)試集的特征向量集，得到分割后各類地物的遙感圖像所屬的地物種類標(biāo)號(hào)。步驟8，利用作差法，對(duì)分類識(shí)別后的遙感圖像進(jìn)行變化檢測(cè)，獲得所有地物種類的變化檢測(cè)圖像。(8a)對(duì)分類識(shí)別后的遙感圖像，選取某一類地物在同一地區(qū)，不同時(shí)刻獲取的變化前后的兩幅遙感圖像，將這兩幅遙感圖像矩陣相減后取絕對(duì)值，得到該種地物的差值圖像。(8b)設(shè)定變化檢測(cè)閾值Y，其中Y的取值范圍為{80,90,100,110,120}，將該種地物的差值圖像中灰度值小于變化檢測(cè)閾值Y的像素點(diǎn)的灰度值置0，得到該種地物的變化檢測(cè)圖像。(8c)重復(fù)步驟(8a)和步驟(8b)，直至處理完所有地物種類的遙感圖像，得到所有地物種類遙感圖像的變化檢測(cè)圖像。下面結(jié)合仿真圖對(duì)本發(fā)明的效果做進(jìn)一步說(shuō)明。1.仿真條件：本發(fā)明的仿真是在主頻2.4GHZ的Intel雙核CPUB940、內(nèi)存4GB的硬件環(huán)境和MATLABR2013a的軟件環(huán)境下進(jìn)行的。本發(fā)明實(shí)施例中，構(gòu)造暗原色通道圖像步驟中采用了15×15個(gè)像素的正方形窗口，并且灰度閾值D＝35，判斷遙感圖像是否有霧步驟中選取先驗(yàn)閾值T1＝0.8，分割步驟中設(shè)置聚類數(shù)c＝3，控制模糊度的權(quán)重指數(shù)m＝2，初始化聚類中心ci時(shí)任意選取c個(gè)像素點(diǎn)，目標(biāo)函數(shù)最小變化量閾值ε＝1e-5，變化檢測(cè)步驟中選取的變化檢測(cè)閾值Y＝100。2.仿真內(nèi)容：本發(fā)明仿真實(shí)驗(yàn)所用數(shù)據(jù)為一組真實(shí)遙感數(shù)據(jù)集，數(shù)據(jù)來(lái)自于互聯(lián)網(wǎng)上對(duì)汶川地震報(bào)道中的新聞圖片，圖像的大小均為300×238像素，它們之間發(fā)生的變化是由地震破壞了大面積的植被和山上的泥土和石塊阻塞河道所致。3.仿真效果分析：本仿真首先對(duì)汶川地震新聞報(bào)道中的12幅地震前后的遙感圖像進(jìn)行實(shí)驗(yàn)，首先計(jì)算出每一幅輸入遙感圖像對(duì)應(yīng)的暗像素概率P，然后根據(jù)先驗(yàn)閾值T1對(duì)輸入遙感圖像判斷是否有霧。判斷結(jié)果如表1所示，表中Y表示有霧，N表示無(wú)霧。表1.對(duì)12幅遙感圖像判斷是否有霧的結(jié)果在實(shí)驗(yàn)數(shù)據(jù)中，無(wú)霧圖像的暗像素概率P均大于0.8，而無(wú)霧圖像的暗像素概率P均小于0.8，12幅遙感圖像均得到了正確的判斷結(jié)果。根據(jù)汶川地震圖像前后的特點(diǎn)及地震自然災(zāi)害的主要類型，著重對(duì)遙感圖像中的三種地物，即草地、裸地和水域進(jìn)行識(shí)別。去霧前后的識(shí)別正確率如表2所示。表2.去霧前后的識(shí)別正確率圖像類型草地識(shí)別率(％)裸地識(shí)別率(％)水域識(shí)別率(％)總識(shí)別率(％)去霧前圖像93758358去霧后圖像100839275經(jīng)過(guò)去霧后，各種地物的識(shí)別率和總識(shí)別率均有不同程度地提升。實(shí)驗(yàn)結(jié)果說(shuō)明在遙感圖像變化檢測(cè)前進(jìn)行去霧，能夠提高圖像識(shí)別的準(zhǔn)確度和分類的精確度。圖2為本發(fā)明仿真采用的部分遙感圖像，其中圖2(a)和圖2(b)分別為2008年5月12日地震之前和2008年5月13日地震之后的的北川遙感圖像。圖3為本發(fā)明仿真的變化檢測(cè)圖像，其中圖3(a)為草地的變化檢測(cè)圖像，圖3(b)為水域的變化檢測(cè)圖像，圖3(c)為裸地的變化檢測(cè)圖像。由圖3(b)和圖3(c)可以看出，水域有部分河道變化為裸地，所以有出現(xiàn)河道堵塞和河水泛濫的可能，應(yīng)及時(shí)轉(zhuǎn)移周邊群眾到安全地帶。由圖3(a)和圖3(b)可以看出，裸地面積增加，草地面積減少，出現(xiàn)泥石流的可能性增大，應(yīng)警告民眾及車輛繞道行走。