專(zhuān)利名稱：：基于感興趣區(qū)域的遙感圖像變化檢測(cè)方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于圖像處理
技術(shù)領(lǐng)域：
，具體地說(shuō)是一種基于感興趣區(qū)域的遙感圖像變化檢測(cè)的方法，適用于遙感圖像分析和處理。
背景技術(shù)：
：遙感圖像的變化檢測(cè)是指通過(guò)分析在不同時(shí)間來(lái)自同一地區(qū)的兩幅或多幅遙感圖像，檢測(cè)出該地區(qū)的地物隨時(shí)間發(fā)生的變化信息。隨著遙感和信息技術(shù)的發(fā)展，變化檢測(cè)已經(jīng)廣泛地應(yīng)用于如森林資源的動(dòng)態(tài)監(jiān)測(cè)，土地覆蓋、利用的變化監(jiān)測(cè)，農(nóng)業(yè)資源調(diào)查，城市規(guī)劃布局，環(huán)境監(jiān)測(cè)分析，自然災(zāi)害評(píng)估，地理數(shù)據(jù)更新以及軍事偵察中道路、橋梁、機(jī)場(chǎng)等戰(zhàn)略目標(biāo)的動(dòng)態(tài)監(jiān)視等許多領(lǐng)域。在已有的變化檢測(cè)方法中，基于差異影像分析的方法由于簡(jiǎn)單直接，不同于其他方法，不會(huì)由于方法本身而對(duì)檢測(cè)前的變化信息加以改變，忠于原始數(shù)據(jù)，保證了變化檢測(cè)結(jié)果的可靠性。然而不同時(shí)相的遙感圖像之間由于不同季節(jié)和情況下的光照、輻射等因素造成不同時(shí)相間的圖像灰度值存在整體或者部分的偏差，因此簡(jiǎn)單地對(duì)灰度值運(yùn)算得到的差異圖進(jìn)行閾值分割，所得到的變化檢測(cè)結(jié)果中存在很多偽變化信息。為解決上述存在的問(wèn)題，一些學(xué)者提出了對(duì)差異圖分割方法的改進(jìn)—、Bruzzone等學(xué)者2000年在文章"AutomaticAnalysisoftheDifferenceImageforUnsupervisedChangeDetection"中提出基于貝葉斯最小錯(cuò)誤率求閾值對(duì)差異圖分類(lèi)并采用馬爾科夫隨機(jī)場(chǎng)分析差異圖的空間鄰域關(guān)系，得到變化檢測(cè)結(jié)果圖，以達(dá)到去除偽變化信息的效果。該方法是典型的基于差異影像分析的方法，能夠得到較好的變化檢測(cè)結(jié)果，然而，差異圖的初始標(biāo)記錯(cuò)誤會(huì)導(dǎo)致最后的變化檢測(cè)結(jié)果錯(cuò)誤，從而影響最后變化檢測(cè)結(jié)果精度。二、方圣輝等學(xué)者在文章"基于邊緣特征的變化檢測(cè)方法研究"中根據(jù)兩時(shí)相遙感圖像的邊緣變化特征和灰度變化特征提取出變化區(qū)域的邊緣，并將變化區(qū)域在原圖中標(biāo)記。這種方法缺點(diǎn)是得到的變化區(qū)域的邊緣存在很多斷邊緣，而且檢測(cè)出很多虛假變化區(qū)域的邊緣。
發(fā)明內(nèi)容本發(fā)明的目的在于克服上述已有的遙感圖像變化檢測(cè)技術(shù)的不足，提出了一種基于感興趣區(qū)域的遙感圖像變化檢測(cè)方法，以精確檢測(cè)出閉合的變化區(qū)域邊緣圖，減少了偽變化信息、提高變化檢測(cè)精度。為實(shí)現(xiàn)上述目的，本發(fā)明的檢測(cè)方法包括如下步驟1)對(duì)輸入的兩幅不同時(shí)相遙感圖像分別進(jìn)行中值濾波去噪；2)對(duì)濾波后的兩個(gè)時(shí)相的圖像對(duì)應(yīng)像素點(diǎn)灰度差值進(jìn)行計(jì)算，得到一幅差值圖；3)計(jì)算差值圖的Ca皿y邊緣，并計(jì)算每個(gè)邊緣點(diǎn)的均值特征，得到一幅邊緣均值44)用模糊C均值方法將邊緣均值圖分割為肯定非變化類(lèi)、未標(biāo)記類(lèi)以及肯定變化類(lèi)，并計(jì)算未標(biāo)記類(lèi)中最大的像素值與肯定變化類(lèi)中的最小像素值的平均值作為高閾值，計(jì)算肯定非變化類(lèi)中最大的像素值與未標(biāo)記類(lèi)中的最小像素值的平均值作為低閾值，分別根據(jù)高閾值和低閾值對(duì)邊緣均值圖進(jìn)行分割，得到一幅高閾值邊緣圖和一幅低閾值邊緣圖；5)根據(jù)雙閾值邊緣鏈接法，鏈接高閾值邊緣圖中的斷邊緣，得到邊緣為閉合區(qū)域的邊緣鏈接圖；6)對(duì)所得的邊緣鏈接圖中的閉合區(qū)域沿其邊緣的法向方向分別向內(nèi)向外各擴(kuò)充兩個(gè)像素，對(duì)擴(kuò)充后的閉合區(qū)域進(jìn)行區(qū)域填充，并將填充后的閉合區(qū)域作為感興趣區(qū)域，將其他區(qū)域作為非感興趣區(qū)域；7)用最小錯(cuò)誤率閾值法將差值圖中像素點(diǎn)分為變化類(lèi)和非變化類(lèi)，根據(jù)差值圖中感興趣區(qū)域和非感興趣區(qū)域的像素點(diǎn)的類(lèi)別、空間位置和鄰域關(guān)系對(duì)差值圖進(jìn)行更新，得到新差值圖；8)計(jì)算新差值圖的最大類(lèi)間方差閾值并將其感興趣區(qū)域分為變化類(lèi)和非變化類(lèi)，得到最后的變化檢測(cè)結(jié)果圖。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)(1)本發(fā)明由于采用雙閾值邊緣連接和遞歸跟蹤算法，將高閾值邊緣圖中斷的邊緣線連接成閉合區(qū)域，并對(duì)得到的閉合區(qū)域的邊緣向內(nèi)向外擴(kuò)充，因而保證了可以得到準(zhǔn)確的感興趣區(qū)域，避免了兩時(shí)相圖像配準(zhǔn)誤差對(duì)變化檢測(cè)結(jié)果的影響。(2)本發(fā)明由于根據(jù)感興趣區(qū)域和非感興趣區(qū)域像素點(diǎn)的初始分類(lèi)類(lèi)別、空間位置和鄰域關(guān)系更新差值圖中的像素值，使得差值圖閾值取得更加準(zhǔn)確。(3)本發(fā)明由于只對(duì)感興趣區(qū)域分割，避免了對(duì)整幅差值圖分割所導(dǎo)致的偽變化信息，提高了變化檢測(cè)的精確性。圖1是本發(fā)明的實(shí)現(xiàn)流程圖；圖2是本發(fā)明兩時(shí)相遙感數(shù)據(jù)圖像；圖3是本發(fā)明中值濾波后的兩時(shí)相圖的差值圖；圖4是本發(fā)明差值圖的Ca皿y邊緣圖；圖5是本發(fā)明高閾值邊緣圖和低閾值邊緣圖；圖6是本發(fā)明的邊緣連接圖；圖7是本發(fā)明的感興趣區(qū)域；圖8是本發(fā)明新差值圖；圖9是本發(fā)明與現(xiàn)有對(duì)比實(shí)驗(yàn)方法的變化檢測(cè)結(jié)果圖以及變化檢測(cè)結(jié)果參考圖。具體實(shí)施例方式參照?qǐng)Dl，本發(fā)明的實(shí)施如下步驟1，輸入兩幅不同時(shí)相的遙感圖像，如圖2(a)和圖2(b)所示，對(duì)兩幅不同時(shí)相分別進(jìn)行濾波窗口大小為3X3中值濾波，得到濾波后的兩幅不同時(shí)相圖。步驟2，計(jì)算中值濾波后的兩幅不同時(shí)相圖的對(duì)應(yīng)像素點(diǎn)間的灰度差值，得到一幅差值圖，如圖3所示。步驟3，計(jì)算差值圖的Ca皿y邊緣，并計(jì)算每個(gè)邊緣點(diǎn)的均值特征，得到一幅邊緣均值圖，具體步驟如下(3a)采用Ca皿y邊緣算子對(duì)差值圖運(yùn)算，得到一幅差值圖的Ca皿y邊緣圖，如圖4所示。(3b)以差值圖的Ca皿y邊緣圖中的各邊緣點(diǎn)為中心，計(jì)算在3X7的滑動(dòng)窗口內(nèi)0°、45°、90°、135°、180°、225°、270°、315°共八個(gè)方向中邊緣點(diǎn)組成的線段長(zhǎng)度，取邊緣線段長(zhǎng)度最大的線段作為此窗口內(nèi)的邊緣線，該邊緣線所對(duì)應(yīng)的方向作為當(dāng)前邊緣點(diǎn)所在邊緣方向，并將滑動(dòng)窗口內(nèi)非邊緣線上的邊緣點(diǎn)去除，并在差值圖的Ca皿y邊緣圖的對(duì)應(yīng)位置標(biāo)記為非邊緣點(diǎn)，從而得到新的Ca皿y邊緣圖；(3c)分別計(jì)算新Ca皿y邊緣圖各邊緣點(diǎn)在差值圖對(duì)應(yīng)位置的3X7滑動(dòng)窗口內(nèi)邊緣線兩邊的像素均值，將較大的均值作為該邊緣點(diǎn)的均值特征，從而得到一幅邊緣均值圖。步驟4，根據(jù)模糊C均值方法確定邊緣均值圖的高閾值、低閾值，并分別用高閾值、低閾值對(duì)邊緣均值圖分割得到一幅高閾值邊緣圖和一幅低閾值邊緣圖。本步驟的具體實(shí)現(xiàn)如下(4a)用模糊C均值方法將邊緣均值圖分為肯定非變化類(lèi)、未標(biāo)記類(lèi)以及肯定變化類(lèi)；(4b)將邊緣均值圖中未標(biāo)記類(lèi)中最大的像素值與肯定變化類(lèi)中的最小像素值的平均值作為高閾值，將邊緣均值圖中肯定非變化類(lèi)中最大的像素值與未標(biāo)記類(lèi)中的最小像素值的平均值作為低閾值；(4c)分別根據(jù)高閾值和低閾值對(duì)邊緣均值圖進(jìn)行分割，如果邊緣均值圖中像素值大于高閾值，則保留差值圖的Ca皿y邊緣圖中相應(yīng)位置的邊緣點(diǎn)，得到一幅高閾值邊緣圖，如圖5(a)所示，如果邊緣均值圖中像素值大于低閾值，則保留差值圖的Ca皿y邊緣圖中相應(yīng)位置的邊緣點(diǎn)，得到一幅低閾值邊緣圖，如圖5(b)所示。步驟5，根據(jù)雙閾值邊緣連接法，將高閾值邊緣圖中的斷邊緣連接成閉合區(qū)域，得到邊緣為閉合區(qū)域的邊緣連接圖。(5a)從低閾值邊緣圖中將高閾值邊緣圖減去，得到邊緣差值圖，并將高閾值邊緣圖作為邊緣連接圖；(5b)在邊緣差值圖中搜索邊緣連接圖中的斷邊緣點(diǎn)，如果在邊緣差值圖中這些邊緣點(diǎn)的八鄰域里有邊緣點(diǎn)與高閾值邊緣圖中的間斷邊緣線相連接，則在邊緣連接圖中將此鄰域的位置標(biāo)記為邊緣點(diǎn)；(5c)根據(jù)遞歸跟蹤算法在邊緣差值圖中不斷重復(fù)步驟(5b)，直到得到邊緣連接圖中所有的邊緣均為閉合區(qū)域，如圖6所示。步驟6，對(duì)邊緣連接圖的閉合區(qū)域的每個(gè)邊緣點(diǎn)，沿其邊緣法向方向分別向內(nèi)向外各擴(kuò)充兩個(gè)像素，對(duì)擴(kuò)充后的閉合區(qū)域進(jìn)行區(qū)域填充，并將填充后的閉合區(qū)域作為感興趣區(qū)域，如圖7所示，在圖7中用白色標(biāo)記為感興趣區(qū)域，黑色標(biāo)記為非感興趣區(qū)域。步驟7，對(duì)差值圖中像素點(diǎn)進(jìn)行分類(lèi)，并根據(jù)感興趣區(qū)域和非感興趣區(qū)域的像素點(diǎn)的類(lèi)別、空間位置和鄰域關(guān)系對(duì)差值圖進(jìn)行更新，得到新差值圖?，F(xiàn)如下(7a)采用最小錯(cuò)誤率閾值法計(jì)算差值圖閾值T，如果差值圖中像素點(diǎn)的灰度值大于閾值T，則將該像素點(diǎn)作為變化類(lèi)，否則作為非變化類(lèi)；(7b)判斷差值圖中像素點(diǎn)的空間位置是否在感興趣區(qū)域內(nèi)，如果當(dāng)前像素點(diǎn)不在感興趣區(qū)域內(nèi)，則將以當(dāng)前像素點(diǎn)為中心的5X5滑動(dòng)窗內(nèi)的中值作為當(dāng)前像素點(diǎn)的差值；否則，當(dāng)前像素點(diǎn)在感興趣區(qū)域內(nèi)，執(zhí)行步驟(7c);(7c)判斷差值圖中像素點(diǎn)的類(lèi)別是否屬于變化類(lèi)，如果屬于變化類(lèi)，則將以當(dāng)前像素點(diǎn)為中心的5X5滑動(dòng)窗內(nèi)的最大值作為當(dāng)前點(diǎn)的差值；否則，此像素點(diǎn)屬于非變化類(lèi)，保留差值圖中的原值，從而得到新差值圖，如圖8所示，得到的新差值圖中變化區(qū)域的灰度值與非變化區(qū)域的灰度值對(duì)比度增強(qiáng)，使得變化區(qū)域在新差值圖中突顯出來(lái)。步驟8，計(jì)算新差值圖的最大類(lèi)間方差閾值，根據(jù)此閾值將新差值圖中感興趣區(qū)域中大于閾值的像素點(diǎn)作為變化類(lèi)，否則作為非變化類(lèi)，得到最后的變化結(jié)果，如圖9(a)所示。本發(fā)明的效果可通過(guò)以下實(shí)驗(yàn)結(jié)果與分析進(jìn)一步說(shuō)明1.實(shí)驗(yàn)數(shù)據(jù)本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)為三組單波段兩時(shí)相的Landsat遙感圖像數(shù)據(jù)集。第一組數(shù)據(jù)兩時(shí)相圖是Landsat-5TM圖像分別在1994年8月和1994年9月在Elba島的西部得到數(shù)據(jù)，時(shí)相1圖像如圖2(a)，時(shí)相2圖像如圖2(b)所示，影像大小均為325X414，256灰度級(jí)，圖9(e)為圖2(a)和2(b)的變化參考圖，圖中白色區(qū)域表示變化的區(qū)域。第二組數(shù)據(jù)是墨西哥郊外的兩時(shí)相Landsat7ETM+4波段遙感圖像，大小為512X512，256灰度級(jí)。第三組數(shù)據(jù)集為意大利某個(gè)島的兩時(shí)相Landsat5TM+5波段圖像，大小為412X300,256灰度級(jí)。2.對(duì)比實(shí)驗(yàn)及實(shí)驗(yàn)評(píng)價(jià)指標(biāo)對(duì)比實(shí)驗(yàn)方法是Bruzzone等學(xué)者2000年在文章"AutomaticAnalysisoftheDifferencelmageforUnsupervisedChangeDetection，，中提出的方法將兩時(shí)相遙感圖像進(jìn)行差值運(yùn)算得到差值圖，并對(duì)差值圖進(jìn)行閾值分割得到變化檢測(cè)結(jié)果圖，稱為差值法，然后在差值法的基礎(chǔ)上采用馬爾科夫隨機(jī)場(chǎng)考慮差值圖的空間鄰域關(guān)系得到變化檢測(cè)結(jié)果，稱為馬爾科夫隨機(jī)場(chǎng)法。本發(fā)明設(shè)計(jì)兩個(gè)實(shí)驗(yàn)來(lái)驗(yàn)證本發(fā)明的有效性。為了驗(yàn)證在采用相同閾值的前提下本發(fā)明的有效性，第一個(gè)實(shí)驗(yàn)是采用最大類(lèi)間方差閾值方法對(duì)本發(fā)明和差值法的差值圖分割得到的變化檢測(cè)結(jié)果進(jìn)行對(duì)比，來(lái)驗(yàn)證本發(fā)明檢測(cè)出的感興趣區(qū)域?qū)ψ兓瘷z測(cè)結(jié)果的影響，其中本發(fā)明的變化檢測(cè)結(jié)果圖，如圖9(a)所示，差值法方法得到的變化檢測(cè)結(jié)果圖如圖9(b)所示。第二個(gè)實(shí)驗(yàn)是本發(fā)明采用馬爾科夫隨機(jī)場(chǎng)考慮空間關(guān)系的變化檢測(cè)結(jié)果圖與馬爾科夫隨機(jī)場(chǎng)法得到的變化檢測(cè)結(jié)果圖進(jìn)行對(duì)比，來(lái)驗(yàn)證本發(fā)明考慮空間關(guān)系的前提下的有效性，其中本發(fā)明的變化檢測(cè)結(jié)果圖，如圖9(c)所示，馬爾科夫隨機(jī)場(chǎng)法得到的變化檢測(cè)結(jié)果圖，如圖9(d)所示。實(shí)驗(yàn)中的對(duì)變化檢測(cè)結(jié)果進(jìn)行量和質(zhì)的分析。量的評(píng)價(jià)指標(biāo)包括虛警數(shù)、漏檢數(shù)以及總錯(cuò)誤數(shù)，質(zhì)的評(píng)價(jià)是將變化檢測(cè)結(jié)果圖9(a)、圖9(b)、圖9(c)、圖9(d)與參考圖9(e)進(jìn)行主觀視覺(jué)對(duì)比。表1是第一個(gè)實(shí)驗(yàn)中本發(fā)明方法和差值法方法的評(píng)價(jià)指標(biāo)，表2是第二個(gè)實(shí)驗(yàn)中本發(fā)明方法和馬爾科夫隨機(jī)場(chǎng)法的評(píng)價(jià)指標(biāo)。73.實(shí)驗(yàn)結(jié)果與分析第一個(gè)實(shí)驗(yàn)中，本發(fā)明得到的變化檢測(cè)結(jié)果如圖9(a)所示，差值法方法得到的變化檢測(cè)結(jié)果如圖9(b)所示，參考圖如圖9(e)所示。從圖9(a)與圖9(e)的比較可以看出，圖9(a)中偽變化信息很少，而且細(xì)節(jié)上保持的也很好，最接近于參考圖9(e)，而圖9(b)中含有很多的偽變化信息，且有很多由于噪聲引起的雜點(diǎn)。第二個(gè)實(shí)驗(yàn)中本發(fā)明得到的變化檢測(cè)結(jié)果如圖9(c)所示，馬爾科夫隨機(jī)場(chǎng)法得到的變化檢測(cè)結(jié)果如圖9(d)所示，從圖9(c)中可以看出，本發(fā)明很接近于參考圖9(e)，而圖9(d)中仍然存在很多的偽變化信息。從表1和表2中可以看出，在第一個(gè)實(shí)驗(yàn)和第二個(gè)實(shí)驗(yàn)二中本發(fā)明得到的變化檢測(cè)結(jié)果都能夠很好的減少偽變化信息，減少虛警數(shù)，降低了漏檢數(shù)，大大地減少了總錯(cuò)誤數(shù)，從而提高正確檢測(cè)率。第一個(gè)實(shí)驗(yàn)中，第一組數(shù)據(jù)中本發(fā)明得到的變化檢測(cè)結(jié)果的虛警數(shù)較差值法方法的變化檢測(cè)結(jié)果的虛警數(shù)減少了1650個(gè)像素點(diǎn)，總錯(cuò)誤數(shù)減少了1635個(gè)像素點(diǎn)，第二組數(shù)據(jù)中本發(fā)明得到的變化檢測(cè)結(jié)果的虛警數(shù)較差值法方法的變化檢測(cè)結(jié)果的虛警數(shù)減少了5515個(gè)像素點(diǎn)，總錯(cuò)誤數(shù)減少了5122個(gè)像素點(diǎn)，第三組數(shù)據(jù)中本發(fā)明得到的變化檢測(cè)結(jié)果的虛警數(shù)較差值法方法的變化檢測(cè)結(jié)果的虛警數(shù)減少了330個(gè)像素點(diǎn)，總錯(cuò)誤數(shù)減少了543個(gè)像素點(diǎn)，說(shuō)明本發(fā)明檢測(cè)出感興趣區(qū)域，并只對(duì)感興趣區(qū)域分類(lèi)能夠有效地降低誤檢率，提高變化檢測(cè)精度。第二個(gè)實(shí)驗(yàn)中，第一組數(shù)據(jù)中本發(fā)明得到的變化檢測(cè)結(jié)果的虛警數(shù)較馬爾科夫隨機(jī)場(chǎng)法的變化檢測(cè)結(jié)果的虛警數(shù)減少了1283個(gè)像素點(diǎn)，總錯(cuò)誤數(shù)減少了1199個(gè)像素點(diǎn)，第二組數(shù)據(jù)中本發(fā)明得到的變化檢測(cè)結(jié)果的虛警數(shù)較馬爾科夫隨機(jī)場(chǎng)法的變化檢測(cè)結(jié)果的虛警數(shù)減少了3569個(gè)像素點(diǎn)，總錯(cuò)誤數(shù)減少了2999個(gè)像素點(diǎn)，第三組數(shù)據(jù)中本發(fā)明得到的變化檢測(cè)結(jié)果的虛警數(shù)較馬爾科夫隨機(jī)場(chǎng)法的變化檢測(cè)結(jié)果的虛警數(shù)減少了283個(gè)像素點(diǎn)，總錯(cuò)誤數(shù)減少了496個(gè)像素點(diǎn)，說(shuō)明了本方明考慮空間鄰域關(guān)系能夠得到更加準(zhǔn)確的變化檢測(cè)結(jié)果。從表1和表2中可以看出，本發(fā)明采用最大類(lèi)間方差法得到的變化檢測(cè)結(jié)果較馬爾科夫隨機(jī)場(chǎng)法得到的變化檢測(cè)結(jié)果中總錯(cuò)誤數(shù)、虛警數(shù)得到了大大減少，說(shuō)明了本發(fā)明的有效性。表1:第一個(gè)實(shí)驗(yàn)中三組實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果評(píng)價(jià)指標(biāo)評(píng)價(jià)指標(biāo)\^第一組數(shù)據(jù)第二組數(shù)據(jù)第三組數(shù)據(jù).差值法本發(fā)明方法差值法本發(fā)明方法差值法本發(fā)明方法虛醬數(shù)17821327713219820221692漏檢數(shù)103U89751369672459總錯(cuò)誤數(shù)18852508688356626942151表2:第二個(gè)實(shí)驗(yàn)中三組實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果評(píng)價(jià)指標(biāo)8評(píng)價(jià)指標(biāo)\^<table>tableseeoriginaldocumentpage9</column></row><table>權(quán)利要求一種基于感興趣區(qū)域的遙感圖像變化檢測(cè)方法，包括如下步驟1)對(duì)輸入的兩幅不同時(shí)相遙感圖像分別進(jìn)行中值濾波去噪；2)對(duì)濾波后的兩個(gè)時(shí)相的圖像對(duì)應(yīng)像素點(diǎn)灰度差值進(jìn)行計(jì)算，得到一幅差值圖；3)計(jì)算差值圖的Canny邊緣，并計(jì)算每個(gè)邊緣點(diǎn)的均值特征，得到一幅邊緣均值圖；4)用模糊C均值方法將邊緣均值圖分割為肯定非變化類(lèi)、未標(biāo)記類(lèi)以及肯定變化類(lèi)，并計(jì)算未標(biāo)記類(lèi)中最大的像素值與肯定變化類(lèi)中的最小像素值的平均值作為高閾值，計(jì)算肯定非變化類(lèi)中最大的像素值與未標(biāo)記類(lèi)中的最小像素值的平均值作為低閾值，分別根據(jù)高閾值和低閾值對(duì)邊緣均值圖進(jìn)行分割，得到一幅高閾值邊緣圖和一幅低閾值邊緣圖；5)根據(jù)雙閾值邊緣鏈接法，鏈接高閾值邊緣圖中的斷邊緣，得到邊緣為閉合區(qū)域的邊緣鏈接圖；6)對(duì)所得的邊緣鏈接圖中的閉合區(qū)域沿其邊緣的法向方向分別向內(nèi)向外各擴(kuò)充兩個(gè)像素，對(duì)擴(kuò)充后的閉合區(qū)域進(jìn)行區(qū)域填充，并將填充后的閉合區(qū)域作為感興趣區(qū)域，將其他區(qū)域作為非感興趣區(qū)域；7)用最小錯(cuò)誤率閾值法將差值圖中像素點(diǎn)分為變化類(lèi)和非變化類(lèi)，根據(jù)差值圖中感興趣區(qū)域和非感興趣區(qū)域的像素點(diǎn)的類(lèi)別、空間位置和鄰域關(guān)系對(duì)差值圖進(jìn)行更新，得到新差值圖；8)計(jì)算新差值圖的最大類(lèi)間方差閾值并將其感興趣區(qū)域分為變化類(lèi)和非變化類(lèi)，得到最后的變化檢測(cè)結(jié)果圖。2.根據(jù)權(quán)利要求1所述的遙感圖像變化檢測(cè)方法，其中步驟3)所述的計(jì)算每個(gè)邊緣點(diǎn)的均值特征，按如下步驟計(jì)算(2a)計(jì)算差值圖的Ca皿y邊緣圖中以各邊緣點(diǎn)為中心，3X7滑動(dòng)窗內(nèi)0。、45°、90°、135°、180°、225°、270°、315°八個(gè)方向中邊緣點(diǎn)組成的邊緣線段長(zhǎng)度，取邊緣線段長(zhǎng)度最大的線段作為此滑動(dòng)窗內(nèi)的邊緣線，該邊緣線所對(duì)應(yīng)的方向作為當(dāng)前邊緣點(diǎn)的邊緣方向，并將滑動(dòng)窗口內(nèi)非邊緣線上的邊緣點(diǎn)去除，得到新Ca皿y邊緣圖；(2b)分別計(jì)算新Ca皿y邊緣圖邊緣點(diǎn)在差值圖對(duì)應(yīng)位置的3X7滑動(dòng)窗口內(nèi)邊緣線兩邊的像素均值，并將較大的均值作為該邊緣點(diǎn)的均值特征，得到一幅邊緣均值圖。3.根據(jù)權(quán)利要求1所述的遙感圖像變化檢測(cè)方法，其中步驟5)所述的根據(jù)雙閾值邊緣連接法，連接高閾值邊緣圖中的斷邊緣，得到邊緣為閉合區(qū)域的邊緣連接圖，按如下步驟進(jìn)行(3a)從低閾值邊緣圖中減去高閾值邊緣圖得到邊緣差值圖，并將高閾值邊緣圖作為邊緣連接圖；(3b)在邊緣差值圖中搜索邊緣連接圖中的斷邊緣點(diǎn)，如果在邊緣差值圖中邊緣點(diǎn)的八鄰域里有邊緣點(diǎn)與高閾值邊緣圖中的斷邊緣線相連接，則在邊緣連接圖中將此鄰域的位置標(biāo)記為邊緣點(diǎn)；(3c)根據(jù)遞歸跟蹤算法在邊緣差值圖中不斷重復(fù)步驟(3b)，不斷更新邊緣連接圖，直到得到邊緣連接圖中所有的邊緣均為閉合區(qū)域。4.根據(jù)權(quán)利要求l所述的遙感圖像變化檢測(cè)方法，其中步驟(7)所述的根據(jù)感興趣區(qū)域和非感興趣區(qū)域的像素點(diǎn)的類(lèi)別、空間位置和鄰域關(guān)系分別更新差值圖，按如下步驟進(jìn)行(4a)判斷差值圖中像素點(diǎn)的空間位置是否在感興趣區(qū)域內(nèi)，如果當(dāng)前像素點(diǎn)不在感興趣區(qū)域內(nèi)，則計(jì)算以當(dāng)前像素點(diǎn)為中心的5X5滑動(dòng)窗內(nèi)的中值作為當(dāng)前像素點(diǎn)的差值；否則，當(dāng)前像素點(diǎn)在感興趣區(qū)域內(nèi)，執(zhí)行步驟(4b);(4b)判斷差值圖中像素點(diǎn)的類(lèi)別是否屬于變化類(lèi)，如果屬于變化類(lèi)，則將以當(dāng)前像素點(diǎn)為中心其5X5滑動(dòng)窗內(nèi)的最大值作為當(dāng)前像素點(diǎn)的差值；否則，此像素點(diǎn)屬于非變化類(lèi)，保留差值圖中的原值。5.根據(jù)權(quán)利要求l所述的遙感圖像變化檢測(cè)方法，其中步驟(8)所述的計(jì)算新差值圖的最大類(lèi)間方差閾值并將感興趣區(qū)域分為變化類(lèi)和非變化類(lèi)，是根據(jù)最大類(lèi)間方差閾值法求得新差值圖的閾值T，并將新差值圖中感興趣區(qū)域中大于閾值T的像素點(diǎn)作為變化類(lèi)，否則作為非變化類(lèi)。全文摘要本發(fā)明方法公開(kāi)了一種基于感興趣區(qū)域的遙感圖像變化檢測(cè)方法，它屬于遙感圖像分析與處理領(lǐng)域。主要解決遙感影像變化檢測(cè)方法存在很多偽變化信息的問(wèn)題。其實(shí)施過(guò)程是(1)提取差值圖的邊緣；(2)基于雙閾值邊緣圖鏈接法確定出閉合的感興趣區(qū)域邊緣圖，對(duì)邊緣擴(kuò)充后的得到感興趣區(qū)域；(3)根據(jù)感興趣區(qū)域和非感興趣區(qū)域的灰度、空間位置、類(lèi)別特征，對(duì)差值圖進(jìn)行更新得到新的差值圖；(4)對(duì)新差值圖中感興趣區(qū)域分割，得到變化結(jié)果圖。本發(fā)明具有感興趣區(qū)定位準(zhǔn)確、對(duì)噪聲和配準(zhǔn)誤差魯棒，偽變化信息少、變化檢測(cè)精度高的優(yōu)點(diǎn)，可用于災(zāi)情監(jiān)測(cè)、土地利用、農(nóng)業(yè)調(diào)查領(lǐng)域。文檔編號(hào)G06T7/00GK101694718SQ20091002429公開(kāi)日2010年4月14日申請(qǐng)日期2009年10月13日優(yōu)先權(quán)日2009年10月13日發(fā)明者侯彪,公茂果,劉芳,張鳳玉,焦李成,王桂婷,鐘樺,馬文萍申請(qǐng)人:西安電子科技大學(xué);