一种基于区域相关和视觉单词的遥感图像变化检测方法
【技术领域】
[0001] 本发明属于遥感图像处理技术领域，具体涉及一种基于区域相关和视觉单词的变 化检测方法。
【背景技术】
[0002] 多时相遥感图像变化检测是遥感技术应用的一个重要方向。针对同一区域在不同 时间获取的遥感影像，自动提取两幅图像中的不同区域并标记出来。这项技术在民用和军 用领域都发挥着重要的作用，如防灾减灾、地震预警和战场毁伤评估等。
[0003] 目前在变化检测方面已经开展了许多研究工作，提出了多种变化检测方法。常见 的变化检测方法可以分为三类：第一类是直接比较法，如影像差值法，相关系数法，变化向 量分析法等；第二类是分类法，如分类后比较法，多时相直接分类法等；第三类是模型法， 如预测模型法，统计模型法等。
[0004] 直接比较法主要是应用两幅图像的代数运算进行变化检测的方法。影像差值法是 传统的变化检测方法，通过设定差分图像灰度阈值得到变化区域，但通常效果不理想；相关 系数法利用变化区域相关性小的特点提取变化信息，复杂度低，不足之处是需要选择合理 的计算区域；而分类法可以获取变化的类别信息，但是分类精度直接影响变化检测的结果， 并且通常监督分类器需要准确的变化样本，这种样本较难提取，影响了此种方法的实时性。 模型法的优点是可以有效克服噪声和光照影响，简化复杂问题。其缺点是建模困难，并且一 般的模型如马尔科夫模型等都比较复杂，计算量非常大，不能满足快速实时的处理要求。
[0005] 综上，变化检测的自动快速高精度处理成为现今亟待解决的问题。
【发明内容】
[0006] 有鉴于此，本发明提供了一种基于区域相关和视觉单词的变化检测方法，通过分 割选择出合理的相关计算区域，使用加权相关系数提出可靠度高的不变区域，并且引入视 觉单词理论提取变化区域，可以在满足检测任务的基础上提高检测的实时性和鲁棒性。
[0007] 为了达到上述目的，本发明的技术方案包括如下步骤：
[0008] 步骤一：选取参考图像和待检测图像；其中待检测图像与参考图像中场景相同。
[0009] 步骤二：对参考图像和待检测图像分别进行直方图均衡化处理。
[0010] 步骤三：对处理后的参考图像和待检测图像分别进行形态学重建的分水岭分割。
[0011] 步骤四：对分割后得到的两幅图像进行融合处理，获得融合图像。
[0012] 步骤五：融合图像中共包括k个子区域，对其中的每一个子区域j，计算加权相关
系数C,， D
[0013] 其中，Wi =4是第j个子区域相关系数的权重，N,是第j个子区域的像素个数， 1 N N是所有子区域像素个数的总和，RuniS参考图像中第j个子区域中第m个像素的灰度值， R2]ni为待检测图像中第j个子区域中第m个像素的灰度值，^是参考图像中第j个子区域 的灰度均值；&是待检测图像中第j个子区域的灰度均值。
[0014] 设定加权相关系数阈值△，若第j个子区域的加权相关系数C,大于△，则第j个 子区域即为不变区域，直接将该不变区域提取出来。
[0015] 若第j个子区域的加权相关系数C/j、于Δ，则通过基于视觉单词理论的方法进行 提取。
[0016] 进一步地，以参考图像或待检测图像为原图像，步骤二中直方图均衡化处理的过 程具体为：
[0017] 步骤201)统计原图像中各灰度级出现的次数，计算每个灰度级出现的概率，其中 第1个灰度级出现的概率为P 1 (A) = N1M 1 = 0, 1，2,…L-I
[0018] 其中，N1为第1个灰度级像素个数，N为图像像素总个数，L为图像中出现的灰度 级总数；
[0019] 步骤202)计算图像的累积分布函数S。~S^ L-I
[0020] 步骤203)计算直方图均衡化处理后的结果S。'~SJ :S/ zrouncKSdL+O.S);其 中，round为取整操作。
[0021] 进一步地，以步骤二中直方图均衡化处理后的参考图像和待检测图像作为本步骤 的待处理图像，步骤三中形态学重建的分水岭分割具体为：
[0022] 步骤301)用形态学算子对待处理图像进行腐蚀操作，用腐蚀前的图对腐蚀后的 图进行重建；
[0023] 步骤302)用形态学算子对步骤301)所得的重建图进行膨胀操作，接着用步骤 301)所得的重建图对膨胀操作所得的图进行重建；
[0024] 步骤303)用梯度算子计算待处理图像的梯度图像；
[0025] 步骤304)用步骤302)所得的重建图对步骤303)得到的梯度图像进行极小值标 记，最后用分水岭算法对标记后的梯度图像进行分割处理；
[0026] 进一步地，以步骤三中分割后的参考图像和待检测图像为待融合图像，步骤四中 的融合处理过程具体为
[0027] 步骤401)对待融合图像进行二值化处理，二值化规则为将分水岭上的像素置为 1，非分水岭上的像素置为〇 ;
[0028] 步骤402)对二值化后的两幅图像进行逻辑或操作，即得到分割区域融合后的结 果。
[0029] 进一步地，形态学算子选择圆盘型的结构。
[0030] 进一步地，基于视觉单词理论的方法包括局部特征提取、字典生成、视觉单词词频 统计以及使用Bhattacharyya距离提取变化区域。
[0031] 有益效果：
[0032] 1、本发明通过计算分割融合子区域的加权相关系数和视觉单词直方图相似度来 提取变化区域，结合了两种方法特点，能带来更高的检测精度。加权相关系数的提出，衡量 了相关系数的可靠程度，增强了合理性。
[0033] 2、本发明对参考图像和待检测图像进行直方图均衡化处理，减少了光照因素对检 测结果的影响。
[0034] 3、选择基于形态学重建的分水岭算法对参考图像和待测试图像进行分割，对梯度 图像的极小值进行抑制，解决了分水岭算法的过分割问题，得到目标级的分割轮廓，使融合 子区域包含了目标级的信息；同时可以调整形态学算子的大小以适应不同分辨率的图像， 提尚了检测的鲁棒性。
[0035] 4、本发明在融合分割区域之前，首先对分割结果进行了二值化处理，保留了变化 的有效信息的同时大大降低了融合的运算量。
[0036] 5、本发明提供了针对不规则区域的视觉单词特征描述的提取方法，具有一定的应 用价值。
【附图说明】
[0037] 图1是变化检测流程不意图；
[0038] 图2是子区域融合示意图；
[0039] 图3本发明中的词频统计决策机制。
【具体实施方式】
[0040] 下面结合附图并举实施例，对本发明进行详细描述。
[0041] 如图1所示，基于区域相关和视觉单词的变化检测方法，具体步骤为：
[0042] 步骤一、选取参考图像和待检测图像。待检测图像必须和参考图像是同一个场景， 并且待检测图像和参考图像的配准误差要在2个像素以内。
[0043] 步骤二，分别对参考图像和待检测图像进行直方图均衡化处理。
[0044] 下面对直方图均衡化技术进行说明：
[0045] 直方图均衡化技术是一种图像变换方法，可以使图像的灰度值均匀分布在所有灰 度级上，增强图像对比度，同时对参考图像和待测图像进行处理可以均衡两者的光照强度。 具体实施过程如下：
[0046] 步骤201)统计原图像中各灰度级出现的次数，计算每个灰度级出现的概率P1(F 1) =VN，1 = 0, 1，2, ...L-1
[0047] 其中，表示第1个灰度级出现的概率，N1为第1个灰度级像素个数，N为图像像素 总个数，L为图像中出现的灰度级总数；
[0048] 步骤202)计算图像的累积分布函数：<
[0049] 步骤203) S/ = round (SfL+O. 5);其中，round为取整操作，则S/为直方图均衡 化处理结果。
[0050] 步骤三、分别对处理后的参考图像和待检测图像进行形态学重建的分水岭分割。 下面对形态学重建的分水岭分割算法进行说明：
[0051] 以步骤二中直方图均衡化处理后的参考图像和待检测图像作为本步骤的待处理 图像，步骤三中形态学重建的分水岭分割具体为，：
[0052] 步骤301)用形态学算子对待处理图像进行腐蚀操作，用腐蚀前的图对腐蚀后的 图进行重建；
[0053] 步骤302)用形态学算子对步骤301)所得的重建图进行膨胀操作，接着用步骤 301)所得的重建图对膨胀操作所得的图进行重建；
[0054] 步骤303)用梯度算子计算待处理图像的梯度图像；
[0055] 步骤304)用步骤302)所得的重建图对步骤303)得到的梯度图像进行极小值标 记，最后用分水岭算法对标记后的梯度图像进行分割处理。
[0056] 在本实例中，需要分别对直方图均衡化后的参考图像和待检测图像进行两次重建 操作，第一次是腐蚀重建，第二次是膨胀重建。本实例使用圆盘型，大小为4的腐蚀和膨胀 算子。
[0057] 2)用梯度算子计算出参考图像和待检测图像的梯度图像。本实例使用sobel算子 进行计算。
[0058] 3)使用1)中重建后的图像对参考图像和待检测图像进行局部极小值标记，对标 记后的图像使用分水岭分割算法。分水岭算法的原理是每一个局部极小值及其影响区域可 以看作集水盆，而集水盆的边界则形成分水岭。它的一个的经典实现过程是由L. Vincent 提出的模拟浸润过程，它包括了两个步骤：首先对每个像素的灰度