本發(fā)明屬于遙感影像處理
技術(shù)領(lǐng)域：
，特別涉及了基于空間約束的卡方變換的多時相遙感影像變化檢測方法。
背景技術(shù)：
：隨著多時相高分辨率遙感數(shù)據(jù)的不斷積累以及空間數(shù)據(jù)庫的相繼建立，如何從這些遙感數(shù)據(jù)中提取和檢測變化信息已成為遙感科學(xué)和地理信息科學(xué)的重要研究課題。根據(jù)同一區(qū)域不同時相的遙感影像，可以提取城市、環(huán)境等動態(tài)變化的信息，為資源管理與規(guī)劃、環(huán)境保護等部門提供科學(xué)決策的依據(jù)。我國“十二五”將加大拓展實施“十一五”已啟動實施的高分辨率對地觀測工程，關(guān)注包括高分辨率遙感目標與空間環(huán)境特征分析及高可靠性自動解譯等基礎(chǔ)理論與關(guān)鍵技術(shù)研究，正在成為解決國家安全和社會經(jīng)濟發(fā)展重大需求的研究焦點。遙感影像的變化檢測就是從不同時期的遙感數(shù)據(jù)中，定量地分析和確定地表變化的特征與過程。各國學(xué)者從不同的角度和應(yīng)用研究提出了許多有效的檢測算法，如變化矢量分析法(ChangeVectorAnalysis，CVA)、基于FuzzyC-means(FCM)的聚類方法等。其中，傳統(tǒng)的基于卡方變換(Chi-SquaredTransform,CST)的多時相光學(xué)遙感變化檢測，先計算差異影像的均值和方差矩陣，然后再基于置信水平，確定變化檢測的閾值，進而得到變化檢測結(jié)果。該類技術(shù)中，使用CST的不足是僅使用多時相高分辨率差異影像的光譜信息，沒有利用空間信息。另外，在計算差異影像的均值和方差矩陣時，估計的精度不高。針對上述問題，有必要研究新的高分辨率可見光遙感圖像變化檢測技術(shù)來有效克服上述難點。技術(shù)實現(xiàn)要素：為了解決上述
背景技術(shù)：
提出的技術(shù)問題，本發(fā)明旨在提供基于空間約束的卡方變換的多時相遙感影像變化檢測方法，采用基于空間約束的卡方變換的變化檢測方法，克服了多時相多光譜遙感影像背景信息復(fù)雜、噪聲干擾嚴重的問題。為了實現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案為：基于空間約束的卡方變換的多時相遙感影像變化檢測方法，包括以下步驟：(1)輸入兩時相的高分辨率光學(xué)遙感影像，分別記為X1和X2；(2)對X1和X2進行影像配準；(3)利用多元變化檢測方法分別對X1和X2進行輻射歸一化校正；(4)計算多時相差異影像DX＝X1-X2；(5)確定DX上的非變化區(qū)域，計算非變化區(qū)域的均值和方差矩陣，并計算DX上每個點的卡方值；初始化時，將整個DX作為非變化區(qū)域；(6)給定置信水平，計算檢測閾值，并根據(jù)該閾值進行卡方檢測，獲得初步的檢測結(jié)果M0；(7)給定濾波窗口尺寸，對M0進行眾數(shù)濾波，即濾波窗口內(nèi)，如果變化的像素數(shù)目大于非變化的，則窗口中心點像素為變化的，反之，窗口中心點像素為非變化的，記眾數(shù)濾波的結(jié)果為M1；(8)判斷M1中的非變化區(qū)域相較于M0中的非變化區(qū)域是否有改變，如果兩者沒有改變，則將M1作為最終的變化檢測結(jié)果；如果兩者改變了，則將M1中的非變化區(qū)域作為新的非變化區(qū)域，返回步驟(5)，循環(huán)迭代。進一步地，在步驟(7)中，給定濾波窗口的尺寸為3×3或者5×5。進一步地，在步驟(6)中，采用下式計算檢測閾值：上式中，1-α是置信水平，Cij表示DX在坐標(i，j)處的卡方值，為檢測閾值。進一步地，在步驟(2)中，對X1和X2進行影像配準包括幾何粗校正和幾何精校正，所述幾何粗校正的過程：(A)選擇X1和X2分別作為基準影像和待校正影像；(B)在基準影像和待校正影像上分別采集地面控制點，地面控制點的數(shù)量大于等于9，且地面控制點均勻分布在影像上；(C)計算基準影像和待校正影像各地面控制點處的均方誤差；(D)采用多項式糾正法對待校正影像進行糾正；(E)采用雙線性插值法對待校正影像進行重采樣；所述幾何精校正是將經(jīng)過幾何粗校正的遙感影像，利用自動匹配與三角剖分法進行校正。進一步地，步驟(3)的具體過程如下：首先找到兩期影像X1和X2各波段亮度值的一個線性組合，得到變化信息增強的差異影像，根據(jù)設(shè)定的閾值確定該差異影像的變化區(qū)域和未變化區(qū)域，然后通過未變化區(qū)域?qū)?yīng)的兩時相像元對的映射方程，完成相對輻射校正。采用上述技術(shù)方案帶來的有益效果：(1)本發(fā)明將眾數(shù)濾波引入到CST檢測結(jié)果之后，使得使用CST變換具有空間約束能力；(2)本發(fā)明采用迭代的方法，估計非變化區(qū)域的均值和標準差，克服了僅僅利用整個多波段影像Dx計算均值和方差矩陣的不足，可以使變化檢測的結(jié)果更加可靠，也更加具有穩(wěn)健性。附圖說明圖1是本發(fā)明的基本流程圖；圖2(a)、2(b)分別是2007年1月的沙特阿拉伯Mina地區(qū)高分辨率IKONOS圖像第3波段示意圖、2007年12月的沙特阿拉伯的Mina地區(qū)高分辨率IKONOS圖像第3波段示意圖；圖3是變化檢測的參考圖像；圖4(a)、4(b)、4(c)、4(d)分別是EM-CVA算法、ICST算法、RCST算法、本發(fā)明算法的檢測結(jié)果示意圖。具體實施方式以下將結(jié)合附圖，對本發(fā)明的技術(shù)方案進行詳細說明。如圖1所示，基于空間約束的卡方變換的多時相遙感影像變化檢測方法，具體步驟如下：步驟1：輸入同一區(qū)域、不同時相的兩幅高分辨率光學(xué)遙感影像，分別記為X1和X2。步驟2：對X1和X2進行影像配準，分為粗校正和精校正兩個步驟：對于幾何粗校正，利用ENVI4.8軟件中的相關(guān)功能實現(xiàn)，具體操作步驟為：(1)顯示基準影像和待校正影像；(2)采集地面控制點GCPs，GCPs應(yīng)均勻分布在整幅圖像內(nèi)，GCPs的數(shù)目至少大于等于9；(3)計算均方誤差；(4)采用多項式糾正法對待校正影像進行糾正；(5)采用雙線性插值進行重采樣輸出，若求未知函數(shù)f在點P＝(x,y)的值，假設(shè)已知函數(shù)f在Q11＝(x1,y1),Q12＝(x1,y2),Q21＝(x2,y1),及Q22＝(x2,y2)四個點的值，如果選擇一個坐標系統(tǒng)使得這四個點的坐標分別為(0,0)、(0,1)、(1,0)和(1,1)，那么雙線性插值公式就可以表示為：f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy對于幾何精校正，將經(jīng)過幾何粗校正的多光譜遙感影像數(shù)據(jù)，利用自動匹配與三角剖分法進行幾何精校正。采用逐點插入法構(gòu)建Delaunay三角網(wǎng)，對每一個三角形，利用其三個頂點的行列號與其對應(yīng)的基準影像同名點的地理坐標來確定該三角形內(nèi)部的仿射變換模型參數(shù)，對待校正影像進行糾正，得到校正后的遙感影。步驟3：利用多元變化檢測(MultivariateAlterationDetection，MAD)方法對X1和X2進行輻射歸一化校正。首先找到X1和X2各波段亮度值的一個線性組合，得到變化信息增強的差異影像，通過閾值確定變化和未變化區(qū)域，然后通過未變化區(qū)域?qū)?yīng)的兩時相像元對的映射方程，完成相對輻射校正。步驟4：對輸入的多時相高分辨率影像X1和X2，計算多時相差異影像DX：DX＝X1-X2步驟5：確定DX上的非變化區(qū)域(初始化時，將整個DX作為非變化區(qū)域)，計算非變化區(qū)域的均值和方差矩陣，并計算DX上每個點的卡方值：Cij＝(xij-m)TΣ-1(xij-m)～χ2(b)上式中，Cij表示DX在(i，j)坐標點的卡方值，其服從自由度為b的卡方分布；xij表示DX在(i，j)坐標點的矢量值；Σ-1表示方差矩陣的逆矩陣；b表示DX的波段數(shù)目。步驟6：給定置信水平，計算檢測閾值，并根據(jù)該閾值進行卡方檢測，獲得初步的檢測結(jié)果M0。檢測閾值的計算公式如下：當置信水平為1-α?xí)r，Cij的值大于的概率為α。如果α取值較小，則大于的Cij可以視為出界點(outlier)或者變化點，由此確定檢測閾值為步驟7：給定濾波窗口尺寸(一般設(shè)置為3×3或者5×5的窗口)，對M0進行眾數(shù)濾波，即濾波窗口內(nèi)，如果變化的像素數(shù)目大于非變化的，則窗口中心點像素為變化的，反之，窗口中心點像素為非變化的，記眾數(shù)濾波的結(jié)果為M1。步驟8：判斷M1中的非變化區(qū)域相較于M0中的非變化區(qū)域是否有改變，如果兩者沒有改變，則將M1作為最終的變化檢測結(jié)果；如果兩者改變了，則將M1中的非變化區(qū)域作為新的非變化區(qū)域，返回步驟(5)，循環(huán)迭代。本發(fā)明的效果可通過以下實驗結(jié)果與分析進一步說明：本發(fā)明的實驗數(shù)據(jù)為沙特阿拉伯的Mina地區(qū)的多時相IKNOS高分辨影像數(shù)據(jù)，圖像大小為700×950，使用B1、B2和B3三個波段，圖2(a)和圖2(b)為兩時像B3波段的遙感影像。為了驗證本發(fā)明的有效性，將本發(fā)明變化檢測方法與下述變化檢測方法進行比對：(1)基于CVA的EM方法(CVA-EM)[意大利的BruzzoneL.等在文章“Automaticanalysisofdifferenceimageforunsupervisedchangedetection”(IEEETransactionsonGeoscienceandRemoteSensing,2000,38(3):1171-1182.)中所提的檢測方法]。(2)基于迭代的CST檢測(ICST)方法[B.Desclée,P.Bogaert,andP.Defourny在文章“Forestchangedetectionbystatisticalobject-basedmethod”(RemoteSensingofEnvironment,2006,102(1-2):1-12.)中所提的方法]。(3)基于魯棒估計的CST檢測(RCST)方法[AiyeShi等在文章“Unsupervisedchangedetectionbasedonrobustchi-squaredtransformforbitemporalremotelysensedimages”(InternationalofRemoteSensing,2006,102(1-2):1-12.)中所提的方法]。(4)本發(fā)明方法。圖3為變化檢測的參考圖像。上述四種方法的檢測結(jié)果如圖4(a)、4(b)、4(c)、4(d)所示，檢測性能用錯檢數(shù)FP、漏檢數(shù)FN、總錯誤數(shù)OE和Kappa系數(shù)四個指標來衡量。FP、FN和OE越接近于0、Kappa系數(shù)越接近于1，表明變化檢測方法的性能越好。檢測結(jié)果如表1所示。由表1可見，本發(fā)明所提的檢測方法性能優(yōu)于其他三種檢測方法，這表明本發(fā)明所提的變化檢測方法是有效的。表1方法FPFNOEkCVA-EM490651456505210.556ICST11236868121040.850RCST2192434665380.906本發(fā)明方法4837160264390.913理想0001以上實施例僅為說明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動，均落入本發(fā)明保護范圍之內(nèi)。當前第1頁1 2 3