) = [0!(^02(^,
[0053] open(k) = [11((^^))(10)11((^(02))(10^.11((^(?))^)^
[0055] S1062、采用?
I更 新模糊划分矩阵；
[0056]S1063、采用另
更新聚类中心；
[0057] S1064、重复更新模糊划分矩阵和聚类中心，直至相邻两次迭代的聚类中心聚类小 于阈值ε;
[0058]S1065、根据模糊划分矩阵u]k确定最终的变化检测图，确定影像的变化区域和非 变化区域。
[0059] 本发明的实验数据为LandsatTM数据，位于巴西的亚马逊森林地区的2幅遥感 影像，获取时间分别为2000年7月和2006年7月，选用前4个波段，实验区大小为320像 元X320像元，图2(a)和（b)分别为两个时相的真彩色遥感影像。变化参考图如图2(c) 所示，共有16, 826个变化像素。
[0060] (1)基于CVA的EM方法（CVA-EM)[意大利的BruzzoneL.等在文章"Automatic analysis of difference image for unsupervised change detection'，（IEEE Transactions on Geoscience and Remote Sensing, 2000, 38 (3) :1171-1182.)中所提的检 测方法]。
[0061] (2)FCM结合空间邻域信息的分类方法（FCM-S) [Chen songchan等在文章 "Robust Image Segmentation Using FCM With Spatial Constraints Based on New Kernel-Induced Distance Measure'，（IEEE Transactions on Systems, Man, and Cybernetics一PartB:Cybernetics, 2004,34 (4) :l907_l9l6·)中所提的方法]
[0062] (3)本发明方法（采用标准差属性，阈值设为30)。
[0063] 检测性能用错检数FP、漏检数FN、总错误数0E和Kappa系数四个指标来衡量。FP、 FN和0E越接近于0、Kappa系数越接近于1，表明变化检测方法的性能越好。检测结果如表 1所示。由表1可见，本发明所提的检测方法性能优于其他两种检测方法，这表明本发明所 提的变化检测方法是有效的。
[0064] 表1各算法变化检测结果比较
[0065]
[0066] 实施本发明，具有如下有益效果：
[0067] 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。
[0068] 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。
[0069] 需要说明的是，在本文中，术语"包括"、"包含"或者其任何其他变体意在涵盖非排 他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而 且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有 的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在包括 该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0070] 专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元 及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和 软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些 功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业 技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应 认为超出本发明的范围。软件模块可以置于随机存储器（RAM)、内存、只读存储器（R0M)、电 可编程R0M、电可擦除可编程R0M、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知 的任意其它形式的存储介质中。
[0071] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种两时相遥感影像变化检测方法，其特征在于，包括： 获取两时相的原始光学遥感影像； 对所述原始光学遥感影像进行影像配准； 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； 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； 对每一个波段差，分别计算扩展属性剖面； 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。2. 如权利要求1所述的两时相遥感影像变化检测方法，其特征在于，所述对所述原始 光学遥感影像进行影像配准，具体包括： 采用ENVI14. 8遥感软件对原始光学遥感影像进行几何粗校正； 利用自动匹配与三角剖分法对几何粗校正后的遥感影像进行几何精校正。3. 如权利要求1所述的两时相遥感影像变化检测方法，其特征在于，所述利用直方图 调整方法对影像配准后的遥感影像进行辐射归一化校正，具体包括： 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， 其中，影像配准后的遥感影像各个波段服从高斯分布，yf、〇￡分别为参考影像的像素 均值和标准差，&、μP 别为影像配准后的遥感影像的像素灰度值、均值和标准差。4. 如权利要求1所述的两时相遥感影像变化检测方法，其特征在于，所述对每一个波 段差，分别计算扩展属性剖面，具体包括： 对每一个波段差〇1，设置其灰度级为L+1，其层级定义为X1 (D1) =IpeD1ID1(P)彡1}， 对影像D1在每一灰度级上进行二值化，得到一系列二值图像Xi(D1)，其中，i= 1，2,…，B，B 表示影像的波段数目，P表示像素点，1表示影像的灰度值； 对于D1上的每一个像素点p，根据不同的属性门限Tλ做属性开变换和属性闭变换，得 至Ijp点处的属性开剖面Π((Yt(D1))(P))和属性闭剖面Π&1 (D,.)j(,")j其中，5. 如权利要求4所述的两时相遥感影像变化检测方法，其特征在于，所述将每一个波 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，具体包括： 构建FCM结合空间邻域信息的模型为：式中，C是聚类数目，C为2,N是样本的总数，< 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为2,Ujke[〇, 1]且参数α控制惩罚效 果，更新模糊划分 矩阵；重复更新模糊划分矩阵和聚类中心，直至相邻两次迭代的聚类中心聚类小于阈值ε; 根据模糊划分矩阵u]k确定最终的变化检测图，确定影像的变化区域和非变化区域。
【专利摘要】本发明公开了一种两时相遥感影像变化检测方法，包括：获取两时相的原始光学遥感影像；对所述原始光学遥感影像进行影像配准；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；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；对每一个波段差，分别计算扩展属性剖面；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，进而确定影像的变化区域和非变化区域。本发明可以提高变化检测的精度。
【IPC分类】G06T7/00, G06K9/62
【公开号】CN105389817
【申请号】CN201510742565
【发明人】石爱业, 高桂荣
【申请人】河海大学
【公开日】2016年3月9日
【申请日】2015年11月4日