一种两时相遥感影像变化检测方法
【技术领域】
[0001] 本发明涉及遥感影像处理技术领域，尤其涉及一种两时相遥感影像变化检测方 法。
【背景技术】
[0002] 遥感影像的变化检测就是从不同时期的遥感数据中，定量地分析和确定地表变化 的特征与过程。各国学者从不同的角度和应用研究提出了许多有效的检测算法，如变化矢 量分析法（ChangeVectorAnalysis，CVA)、基于FuzzyC-means(FCM)的聚类方法等。其 中，传统的基于FCM的多时相光学遥感变化检测，多先进行CVA变换，然后对变化矢量的幅 值进行FCM聚类，进而得到变化检测结果。该类技术中，使用FCM的不足是仅仅使用变化矢 量的幅值，使得原始多波段信息没有得到充分的挖掘。
[0003] 基于FCM的变化检测算法中，由于存在空间相关性，图像中的像素点所属类别（变 化类与非变化类）不仅与当前像素点的灰度值有关，还受到其邻域内像素点灰度值的影 响。目前在FCM算法的基础上，目前多以局部空间邻域均值或中值作为空间约束条件嵌入 到FCM的目标函数中。然而这些方法使用固定的窗口得到空间信息，导致了尺寸比例的选 择问题。另外，由于多时相光学遥感影像检测环境的复杂化以及目标先验信息匮乏等，导致 这些算法都存在着一定的局限性。为此，有必要研究新的光学遥感图像变化检测技术来有 效克服上述难点。
【发明内容】
[0004] 本发明所要解决的技术问题在于，提供一种两时相遥感影像变化检测方法，基于 扩展属性滤波（ExtendedAttributeProfile，ΕΑΡ)和FCM(FuzzyC-Means)，提高了变换 检测精度。
[0005] 为了解决上述技术问题，本发明提供了一种两时相遥感影像变化检测方法，包 括：
[0006] 获取两时相的原始光学遥感影像；
[0007] 对所述原始光学遥感影像进行影像配准；
[0008] 利用直方图调整方法对影像配准后的遥感影像进行辐射归一化校正；
[0009] 对辐射归一化校正后的遥感影像，计算每个相应波段的波段差；
[0010] 对每一个波段差，分别计算扩展属性剖面；
[0011] 将每一个波段差作为FCM的输入，并将扩展属性剖面作为空间邻域信息嵌入到 FCM模型中，确定影像的变化区域和非变化区域。
[0012] 实施本发明，具有如下有益效果：
[0013] 1)采用ΕΑΡ提取影像的纹理特征，其滤波窗口尺寸的选择不是固定的，而是自适 应变化的。
[0014] 2)在FCM目标函数中，利用ΕΑΡ滤波影像作为空间约束，提高了影像的变化检测精 度。
【附图说明】
[0015] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0016]图1是本发明提供的两时相遥感影像变化检测方法的一个实施例的流程示意图；
[0017] 图2是原始光学遥感影像；
[0018] 图3是本发明方法与其他方法的处理结果对比图。
【具体实施方式】
[0019] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0020] 图1是本发明提供的两时相遥感影像变化检测方法的一个实施例的流程示意图， 如图1所示，包括：
[0021] S101、获取两时相的原始光学遥感影像XJPX2。
[0022] 其中，Χρ&是同一区域不同时相的两幅光学遥感影像。
[0023]S102、对所述原始光学遥感影像&和X2进行影像配准。
[0024] 具体的，步骤S102具体包括步骤：
[0025]S1021、采用ENVI14. 8遥感软件对光学遥感影像XJPX2进行几何粗校正。
[0026] 几何粗校正具体操作步骤为：（1)显示基准影像和待校正影像；(2)采集地面控制 点GCPs;GCPs应均匀分布在整幅图像内，GCPs的数目至少大于等于9;(3)计算误差；(4) 选择多项式模型；（5)采用双线性插值进行重采样输出。
[0027] 其中的双线性差值法为：若求未知函数Π在点P= (X，y)的值，假设我们已知函 数Π在Qn=(XuylQuZ (x^y》，及Q22= (x2，y2)四个点的值。如果选 择一个坐标系统使得这四个点的坐标分别为（〇,〇)、（〇，1)、（1，〇)和（1，1)，那么双线性插 值公式就可以表示为：
[0028] η(X，y)~η(0, 0) (1-X) (1-y)+fl(1，0)X(1-y)+f(0, 1) (1-X)y+fl(1，1)xy。
[0029] S1022、利用自动匹配与三角剖分法对几何粗校正后的遥感影像&和X2进行几何 精校正。
[0030] 其中，三角剖分法为，采用逐点插入法构建Delaunay三角网，对每一个三角形，利 用其三个顶点的行列号与其对应的基准影像同名点的地理坐标来确定该三角形内部的仿 射变换模型参数，对待校正影像进行纠正，得到校正后的遥感影像。
[0031] S103利用直方图调整方法对影像配准后的遥感影像进行辐射归一化校正。
[0032] 具体的，步骤S103包括步骤：将影像配准后的遥感影像的像素灰度值分别调整为
:，从而实现辐射归一化校正，
[0033] 其中，影像配准后的遥感影像各个波段服从高斯分布，μ,、〇f分别为参考影像的 像素均值和标准差，&、μ^ 别为影像配准后的遥感影像的像素灰度值、均值和标准 差。
[0034] 本步骤中按照公式 + ?'分别对影像配准后的遥感影像&和X2 进行辐射归一化校正。
[0035] S104、对辐射归一化校正后的遥感影像，计算每个相应波段的波段差。
[0036] 其中，计算到的波段差为Dyi= 1，2, "·，Β，Β表示影像的波段数目。
[0037] S105、对每一个波段差，分别计算扩展属性剖面。
[0038] 具体的，步骤S105包括步骤：
[0039] S1051、对每一个波段差01，设置其灰度级为L+1，其层级定义为XJDJ= {peD^Djp)彡1}，对影像Di在每一灰度级上进行二值化，得到一系列二值图像XjDlp 表示像素点，1表示影像的灰度值；
[0040] S1052、对于Di上的每一个像素点p，根据不同的属性门限Τλ做属性开变换和属性 闭变换，得到Ρ点处的属性开剖面(ρ))和属性闭剖面ni!y(D,.))(/<)，其中，
[0043] 其中，属性开变换和闭变换的计算步骤为：
[0044] 对每一个二值图像I，其属性开变换定义为：
，属性闭变换定义为ΨΤ(Ι) = (ΓΤ(Γ)Γ。
[0045] 因此，属性开变换为：（γYdJ) (p) =max{k:pe广以仇)]}
[0046] 属性闭变换为
_
[0047] S106、将每一个波段差作为FCM的输入，并将扩展属性剖面作为空间邻域信息嵌 入到FCM模型中，确定影像的变化区域和非变化区域。
[0048] 具体的，步骤S106包括步骤：
[0049] S1061、构建FCM结合空间邻域信息的模型为：
[0050]
[0051] 式中，C是聚类数目，C为2,N是样本的总数，<1表示第k样本对于第j类聚类中 心的模糊隶属度，m为隶属度的加权指数，m)参数α控制惩 罚效果，
[0052] D(k