本發(fā)明屬于遙感影像技術(shù)領(lǐng)域，具體涉及一種基于兩期高分辨率遙感影像的非監(jiān)督變化檢測(cè)方法。

背景技術(shù)：

隨著遙感技術(shù)的發(fā)展，同一地區(qū)的遙感影像時(shí)空分辨率得到大幅度提高，給利用兩期遙感影像發(fā)現(xiàn)地表覆蓋變化區(qū)域帶來(lái)了可能。利用遙感影像快速獲取地表覆蓋變化區(qū)域，對(duì)于災(zāi)后評(píng)估、土地利用監(jiān)測(cè)、城鎮(zhèn)擴(kuò)張監(jiān)測(cè)等等均有重大意義?；谶b感影像的變化檢測(cè)，依據(jù)其監(jiān)測(cè)結(jié)果不同，可以歸納為分類(lèi)后變化監(jiān)測(cè)與分類(lèi)前變化檢測(cè)方法，其中分類(lèi)前變化檢測(cè)方法也稱(chēng)“非監(jiān)督變化檢測(cè)”，本發(fā)明隸屬于非監(jiān)督變化檢測(cè)方法的一種。當(dāng)前非監(jiān)督變化檢測(cè)方法可以分類(lèi)兩類(lèi)：(1)基于閾值分割方法，該類(lèi)方法通過(guò)閾值將變化幅度影像分類(lèi)“變化”與“未變化”區(qū)域；其中變化幅度的方法可以通過(guò)經(jīng)過(guò)嚴(yán)格配準(zhǔn)遙感影像的差值法，比值法，以及變化向量分析法(changevectoranalysis)等方法求得；此類(lèi)方法優(yōu)點(diǎn)是簡(jiǎn)單易用，非遙感專(zhuān)業(yè)人員也可以很好的操作。但一般而言，此類(lèi)方法對(duì)傳感器件成相條件差異而造成的偽變化比較敏感，而且閾值直接決定檢測(cè)結(jié)果，依賴(lài)一定的經(jīng)驗(yàn)與數(shù)據(jù)。(2)基于數(shù)學(xué)模型分析的非監(jiān)督變化檢測(cè)方法，該類(lèi)方法在求解變化幅度的基礎(chǔ)上，假設(shè)變化信息符合某種數(shù)學(xué)分布，通過(guò)對(duì)分布特征的劃分，實(shí)現(xiàn)變化檢測(cè)發(fā)現(xiàn)。為了應(yīng)對(duì)不同的情況，實(shí)際應(yīng)用中研究人員提出了各種各樣的非監(jiān)督變化檢測(cè)方法，如：基于馬爾科夫場(chǎng)、k-means，以及基于模糊c均值等非監(jiān)督變化檢測(cè)方法。

盡管當(dāng)前研究中，針對(duì)變化檢測(cè)提出了一系列的非監(jiān)督變化檢測(cè)方法，但隨著遙感影像分辨率的提高，在實(shí)際應(yīng)用中，這些方法表現(xiàn)了一定的不足：(1)一些方法試圖通過(guò)序列實(shí)驗(yàn)，以尋找合理的閾值，以準(zhǔn)確提取的變化區(qū)域。但由于地表地理環(huán)境的復(fù)雜性，加之遙感影像成相時(shí)天氣、傳感器，以及背景噪聲等非線性因素的影響，單一閾值很難提取可靠合理的變化區(qū)域。而且，理論上，通過(guò)序列實(shí)驗(yàn)法得到的單一閾值，很難適合其它影像，普適性較差。(2)隨著分辨率的提高，地物類(lèi)內(nèi)方差變大，用于中低遙感影像的變化檢測(cè)方法，應(yīng)用在高分影像變化檢測(cè)中受到挑戰(zhàn)，在檢測(cè)結(jié)果中表現(xiàn)出了較多的噪聲，極大地降低了變化發(fā)現(xiàn)的精度與可靠性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題在于針對(duì)上述現(xiàn)有技術(shù)的不足，提供一種過(guò)程中有效避免閾值設(shè)置、有效降低算法的數(shù)據(jù)依賴(lài)性的基于兩期高分辨率遙感影像的非監(jiān)督變化檢測(cè)方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案是一種基于兩期高分辨率遙感影像的非監(jiān)督變化檢測(cè)方法，該方法包括如下：

步驟一、對(duì)待檢測(cè)區(qū)域的事件前和事件后兩期遙感影像分別進(jìn)行空間位置配準(zhǔn)，使同一地位置的地理區(qū)域?qū)崿F(xiàn)重疊；

步驟二、求解步驟一中所述的事件前和事件后兩期遙感影像之間的相對(duì)變化幅度影像；

步驟三、基于步驟二中所述的相對(duì)變化幅度影像，建立最小值閾值與最大值閾值之間的多閾值區(qū)間；

步驟四、利用步驟三中所述的多閾值區(qū)間，并設(shè)定增加步長(zhǎng)s，形成多個(gè)二值化變化區(qū)域檢測(cè)結(jié)果；

步驟五、對(duì)步驟四中所述的多個(gè)二值化變化區(qū)域檢測(cè)結(jié)果進(jìn)行融合處理，得到優(yōu)化的二值化變化區(qū)域檢測(cè)結(jié)果。

進(jìn)一步地，還包括步驟六：基于事件后影像的多尺度分割結(jié)果，對(duì)步驟五中所述的優(yōu)化后的二值化變化區(qū)域檢測(cè)結(jié)果進(jìn)行處理，以得到平滑的變化檢測(cè)區(qū)域。

進(jìn)一步地，該步驟三中的具體過(guò)程如下：

步驟3.1、通過(guò)遍歷變化幅度影像值，求解最小的變化幅度值，記作mint；

步驟3.2、通過(guò)遍歷變化幅度影像值，求解最大的變化幅度值，記作maxt；

步驟3.3、以[mint+s,maxt-s]為多閾值區(qū)間；其中：s為增加步長(zhǎng)；

進(jìn)一步地，該步驟四如下、依據(jù)步驟3.3中多閾值區(qū)間中的離散閾值，構(gòu)建二值化檢測(cè)結(jié)果集合，記作：b＝{bt1，bt2，bt3，……，btn}，，其中t1為第一個(gè)閾值mint+s,tn為最后一個(gè)閾值maxt-s；bti為以ti為閾值的二值化變化檢測(cè)結(jié)果。

進(jìn)一步地，該步驟五中對(duì)多個(gè)二值化變化區(qū)域檢測(cè)結(jié)果進(jìn)行投票法融合處理，具體過(guò)程包括如下步驟：

步驟5.1、讀取步驟四中所述的二值化變化區(qū)域檢測(cè)結(jié)果中，分別統(tǒng)計(jì)各“變化”和“未變化”狀態(tài)柵格的數(shù)量；

步驟5.2、對(duì)步驟5.1所得的“變化”和“未變化”狀態(tài)柵格的數(shù)量，采用“投票法”處理，得到優(yōu)化的二值化變化區(qū)域檢測(cè)結(jié)果。

進(jìn)一步地，該步驟二中的兩期遙感影像之間的相對(duì)變化幅度影像采用差值法或cva法求解。

本發(fā)明一種基于兩期高分辨率遙感影像的非監(jiān)督變化檢測(cè)方法具有如下優(yōu)點(diǎn)：(1)利用多閾值區(qū)間，有效避免了在實(shí)際應(yīng)用中選擇合理閾值的困難；同時(shí)，也有有效降低了算法的數(shù)據(jù)依賴(lài)性，提高了檢測(cè)算法的普適性，降低了非專(zhuān)業(yè)人員或無(wú)經(jīng)驗(yàn)從業(yè)者選取閾值的難度；(2)將投票法引入變化檢測(cè)中。投票法的應(yīng)用，其過(guò)程是直觀合理的。實(shí)驗(yàn)證明，投票法可以大大降低單一閾值的噪聲影響，提高變化區(qū)域的提取精度。(3)引入了多尺度分割結(jié)果來(lái)優(yōu)化變化檢測(cè)結(jié)果，有效利用了紋理、形狀等邊緣空間信息來(lái)處理變化檢測(cè)中間結(jié)果，有效降低了噪聲信息。(4)整個(gè)變化區(qū)域提取流程不涉及參數(shù)設(shè)置，是一種自動(dòng)化程度相對(duì)較高的變化區(qū)域檢測(cè)方法，規(guī)避了非監(jiān)督變化檢測(cè)過(guò)程中的缺陷。

附圖說(shuō)明

圖1是本發(fā)明基于兩期高分辨率遙感影像的非監(jiān)督變化檢測(cè)方法的流程示意圖。

圖2為本發(fā)明中實(shí)際數(shù)據(jù)示意圖；其中：

圖2a滑坡前(事件前)影像；

圖2b滑坡后(事件后)影像；

圖3為本發(fā)明實(shí)施例中二值化變化區(qū)域檢測(cè)結(jié)果示意圖；

圖4為本發(fā)明實(shí)施例中變化區(qū)域檢測(cè)結(jié)果示意圖；其中：

圖4a基于mrf的非監(jiān)督變化檢測(cè)方法得到的變化區(qū)域檢測(cè)結(jié)果；

圖4b基于k-means的非監(jiān)督變化檢測(cè)方法得到的變化區(qū)域檢測(cè)結(jié)果；

圖4c本發(fā)明中檢測(cè)方法得到的變化區(qū)域檢測(cè)結(jié)果；

圖4d人工目視解譯參考變化真值。

具體實(shí)施方式

本發(fā)明一種基于兩期高分辨率遙感影像的非監(jiān)督變化檢測(cè)方法，該方法包括如下：

步驟一、對(duì)待檢測(cè)區(qū)域的事件前和事件后兩期遙感影像分別進(jìn)行空間位置配準(zhǔn)，使同一地位置的地理區(qū)域?qū)崿F(xiàn)重疊；

步驟二、求解步驟一中所述的事件前和事件后兩期遙感影像之間的相對(duì)變化幅度影像；兩期遙感影像之間的相對(duì)變化幅度影像采用差值法或cva法求解。

步驟三、基于步驟二中所述的相對(duì)變化幅度影像，建立最小值閾值與最大值閾值之間的多閾值區(qū)間；具體如下：

步驟3.1、通過(guò)遍歷變化幅度影像值，求解最小的變化幅度值，記作mint；

步驟3.2、通過(guò)遍歷變化幅度影像值，求解最大的變化幅度值，記作maxt；

步驟3.3、以[mint+s，maxt-s]為多閾值區(qū)間；其中：s為增加步長(zhǎng)。

步驟四、利用步驟三中所述的多閾值區(qū)間，并設(shè)定增加步長(zhǎng)s，形成多個(gè)二值化變化區(qū)域檢測(cè)結(jié)果；

依據(jù)步驟3.3中多閾值區(qū)間中的離散閾值，構(gòu)建二值化檢測(cè)結(jié)果集合，記作：b＝{bt1，bt2，bt3，……，btn}，，其中t1為第一個(gè)閾值mint+s,tn為最后一個(gè)閾值maxt-s；bti為以ti為閾值的二值化變化檢測(cè)結(jié)果。

步驟五、對(duì)步驟四中所述的多個(gè)二值化變化區(qū)域檢測(cè)結(jié)果進(jìn)行融合處理，得到優(yōu)化的二值化變化區(qū)域檢測(cè)結(jié)果，具體如下：

步驟5.1、讀取步驟四中所述的二值化變化區(qū)域檢測(cè)結(jié)果中，分別統(tǒng)計(jì)各“變化”和“未變化”狀態(tài)柵格的數(shù)量；

步驟5.2、對(duì)步驟5.1所得的“變化”和“未變化”狀態(tài)柵格的數(shù)量，采用“投票法”處理，得到優(yōu)化的二值化變化區(qū)域檢測(cè)結(jié)果。

還包括步驟六：基于事件后影像的多尺度分割結(jié)果，對(duì)步驟五中所述的優(yōu)化后的二值化變化區(qū)域檢測(cè)結(jié)果進(jìn)行處理，得到平滑的變化檢測(cè)區(qū)域。

本發(fā)明中的方法，通過(guò)提出多閾值區(qū)間與投票方法二者結(jié)合策略，有效規(guī)避了單一閾值在實(shí)際應(yīng)用中的缺陷；通過(guò)引入多尺度分割到非監(jiān)督變化檢測(cè)領(lǐng)域，綜合利用了事件后影像的紋理與邊緣等空間信息，大大提高了變化區(qū)域的內(nèi)部一致性，提高了算法檢測(cè)變化區(qū)域的能力。

實(shí)施例

具體過(guò)程如圖1所示：

步驟一、對(duì)滑坡前后兩期限影像空間配準(zhǔn)：實(shí)施前首先對(duì)圖2a滑坡前影像和圖2b待匹配影像分別采用arcmap10.0軟件，通過(guò)選擇控制點(diǎn)，使用adjust工具實(shí)現(xiàn)兩幅影像的幾何配準(zhǔn)。

步驟二、通過(guò)差值法求解變化幅度影像，差值法是遙感影像變化檢測(cè)中的基本方法，本發(fā)明具有良好的泛化性，在實(shí)際應(yīng)用中，求解變化幅度的方法也可以采用差值法，cva法或比值法等方法。

步驟三、求解多閾值區(qū)間：本實(shí)例中，求得最小化幅度為0；最大變化幅度為115，若設(shè)步長(zhǎng)為5，則多閾值區(qū)間為[5，159]。

步驟四、利用多閾值區(qū)間，得到每個(gè)閾值下的二值化變化區(qū)域檢測(cè)結(jié)果，如圖3所示。

步驟五、通過(guò)投票法，對(duì)二值化變化區(qū)域檢測(cè)結(jié)果進(jìn)行融合處理；得到優(yōu)化的二值化變化區(qū)域檢測(cè)結(jié)果。

步驟六、對(duì)優(yōu)化的二值化變化區(qū)域檢測(cè)結(jié)果，基于事件后影像進(jìn)行多尺度分割，利用分割影像對(duì)步驟五中的二值化變化區(qū)域檢測(cè)結(jié)果進(jìn)行融合，得到最終變化檢測(cè)區(qū)域。

由圖4a、4b、4c和4d相比較知，采用本發(fā)明中的檢測(cè)方法得到的滑坡區(qū)域與實(shí)際滑坡區(qū)域相符程度最高。