基于无监督学习的遥感影像变化检测方法及存储介质与流程

本发明涉及遥感影像处理，尤其涉及一种基于无监督学习的遥感影像变化检测方法及存储介质。

背景技术：

1、目前，针对遥感时序影像的变化检测问题，采取的方法主要有三种：

2、1、通过目视解译、人工勾画图斑实现变化区域的提取和分析。

3、2、基于监督学习，该类方法需制作样本并建立有关地物变化图斑样本库，而后利用神经网络、随机森林、支持向量机等监督学习方法训练模型，经过模型优化、超参数调整后得到可用于预测的最终版本。

4、3、基于无监督学习，该类方法无需依靠人工进行图斑勾画或样本制作，能够通过窗口滤波、矩阵运算以及特征映射等图像处理方法完成检测任务。

5、然而，目视解译方法所需人工、时间成本过高，因遥感影像通常覆盖区域较广，针对时序影像地理范围内的变化检测，若完全依靠肉眼识别则工作量较大，不能在短时间内得到有效成果。

6、监督学习方法与目视解译方法缺点类似，虽然其能够自动化实施变化检测算法，但是需要专业人员在前期花费时间进行特征的筛选、样本的标注等工作，这样的流程较为繁琐，不能满足一些快速检测场景的要求。

7、传统的基于无监督学习的方法对影像的输入要求相对严苛，前后时相影像地理范围、高宽尺寸需完全一致，像素点一一对应，两幅影像也应具有相同的分辨率；另外窗口滤波参数需要用户提前手动计算并输入程序，检测成果图存在一定数量杂斑，显示效果不直观。可以看出，传统的无监督学习方法存在泛化能力不强、集成度不高、自动化程度有限等问题。

技术实现思路

1、本发明所要解决的技术问题是：提供一种基于无监督学习的遥感影像变化检测方法及存储介质，可解决传统的无监督学习方法存在的泛化能力不强、集成度不高、自动化程度有限等问题。

2、为了解决上述技术问题，本发明采用的技术方案为：一种基于无监督学习的遥感影像变化检测方法，包括：

3、根据待测的两幅时序遥感影像的仿射变换矩阵，确定所述两幅时序遥感影像的重叠区域，并分别提取所述两幅时序遥感影像的重叠区域，得到两幅重叠图像；

4、对所述两幅重叠图像进行尺寸以及仿射变换矩阵的统一，并确定滤波窗口边长；

5、根据两幅统一后的重叠图像，计算差值图；

6、根据所述滤波窗口边长和第一滑动步长，所述第一滑动步长与所述滤波窗口边长相同，对所述差值图进行滑动窗口滤波，得到第一滤波结果，并根据所述第一滤波结果，生成第一特征矢量及其特征矢量均值；

7、对所述第一特征矢量进行主成分分析，得到特征矢量空间；

8、根据所述滤波窗口边长和预设的第二滑动步长，对所述差值图进行滑动窗口滤波，得到第二滤波结果，并根据所述第二滤波结果，生成第二特征矢量；

9、将所述第二特征矢量映射至所述特征矢量空间，并与所述第一特征矢量均值进行差值计算，得到映射后的特征矢量；

10、对所述映射后的特征矢量进行聚类，得到预设数量的聚类簇，并分别对所述映射后的特征矢量中的各特征按照所属聚类簇设置标签；

11、根据统一后的重叠图像的仿射变换矩阵，将带标签的映射后的特征矢量按照从左到右以及从上到下的顺序，投影至所述差值图对应的地理空间内，并根据所述标签，生成二值掩膜图。

12、本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的方法。

13、本发明的有益效果在于：本发明可处理分辨率以及影像尺寸有差异的两幅时序遥感影像，具有更强的泛化能力；可自动确定滤波参数，并自动调整两张重叠图像的尺寸，具有更高的自动化程度；可在无需外界干预的情况下检测出变化结果，提升了变化检测整体流程的运行效率，具有更高的集成度。

14、本发明基于多光谱遥感影像数据，利用无监督机器学习算法，结合卫星数据处理算法，可实现两幅前后时序影像的重叠区域自动提取以及变化区域自动检测。本发明能够有效识别经大气校正、几何校正后的高分辨率、中低分辨率遥感时序影像上的地物变化，由于无需借助人工标注，无需建立样本数据库，因此本发明能够在有效完成变化检测任务的同时显著降低任务成本，在实际工作中能够较为便捷、高效地为用户提供变化检测服务。

技术特征：

1.一种基于无监督学习的遥感影像变化检测方法，其特征在于，包括：

2.根据权利要求1所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述根据所述标签，生成二值掩膜图之后，进一步包括：

3.根据权利要求2所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述通过腐蚀滤波算子，对所述二值掩膜图进行滤波之后，进一步包括：

4.根据权利要求1所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述根据待测的两幅时序遥感影像的仿射变换矩阵，确定所述两幅时序遥感影像的重叠区域，具体为：

5.根据权利要求4所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述两幅时序遥感影像包括第一影像和第二影像；

6.根据权利要求1所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述对所述两幅重叠图像进行尺寸以及仿射变换矩阵的统一，并确定滤波窗口边长，具体为：

7.根据权利要求1所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述根据所述第一滤波结果，生成第一特征矢量及其特征矢量均值，具体为：

8.根据权利要求7所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述特征矢量空间的宽度和高度均为l×l；

9.根据权利要求1所述的基于无监督学习的遥感影像变化检测方法，其特征在于，所述聚类中心的数量为3；

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-9任一项所述的方法。

技术总结
本发明公开了一种基于无监督学习的遥感影像变化检测方法及存储介质，包括：获取两幅时序遥感影像的重叠图像；统一两幅重叠图像的尺寸和仿射变换矩阵；计算两幅统一后的重叠图像的差值图；对差值图进行两次滑动窗口滤波，并生成第一特征矢量及其特征矢量均值以及第二特征矢量；对第一特征矢量进行主成分分析，得到特征矢量空间；将第二特征矢量映射至特征矢量空间，并与第一特征矢量均值作差，得到映射后的特征矢量；对映射后的特征矢量进行聚类，并分别对各特征按照所属聚类簇设置标签；根据统一后的仿射变换矩阵，将映射后的特征矢量投影至差值图对应的地理空间内，并根据标签生成二值掩膜图。本发明具有更强的泛化能力、自动化程度和集成度。

技术研发人员：朱厦,臧志斌,张春光,赵光,李静,林啸,夏传福,李录,于一鸣
受保护的技术使用者：国网思极位置服务有限公司
技术研发日：
技术公布日：2024/1/15