基於核傳播的遙感圖像變化檢測方法

2023-10-09 09:22:54

專利名稱：基於核傳播的遙感圖像變化檢測方法
技術領域：
本發明屬於數字圖像處理領域，主要涉及遙感圖像變化檢測，具體是一種基於核傳播的遙感圖像變化檢測方法，可用於遙感圖像分析和處理。
背景技術：
遙感圖像的變化檢測是通過分析和提取同一地區不同時相的遙感圖像之間存在的電磁波譜特徵差異或空間結構特徵差異，來識別物體的狀態變化或現象變化的過程。在國民經濟和國防建設的諸多領域已得到廣泛應用，如農業調查、森林和植被變化監測、城區擴展監測、軍事目標監測等。遙感圖像變化檢測中一種常見的檢測方法是先比較後分類的方法，即首先將兩時相圖像做差，構造一幅差異圖像，然後對其進行分類，得到變化檢測結果。直接對兩時相圖像進行比較，不會改變原圖像數據，不存在分類誤差累計的問題，保證了變化檢測結果的可靠性。但是由於配準誤差等原因，對於沒有發生變化的區域，兩時相圖像對應位置的灰度值也存在一定的偏差，故而簡單地對差值圖像進行分類會導致變化檢測結果中存在很多的偽變化信息。一些學者將圖像的變化檢測問題轉化為聚類問題，根據差異圖中像素點之間的相似性將像素點聚為變化類和非變化類。Celik (2009)在文章「Multiscale ChangeDetection in Multitemporal Satellite Images, IEEE Geoscience and Remote SensingLetters, 2009，6 (4):820-824"中提出了一種k均值聚類多尺度特徵的遙感圖像變化檢測方法，該方法首先對差值圖像進行非下採樣離散小波變換，提取每一個像素的多尺度特徵矢量，然後用k均值聚類方法將這些特徵矢量分為變化類和非變化類，得到變化檢測結果。該方法雖然利用了每個像素的鄰域信息及多尺度信息，能在一定程度上提高變化檢測的正確率，但是對於背景區域和變化區域對比度很低的圖像，其鄰域特徵和多尺度特徵起到的作用不大，該方法並不 能很好的檢測出變化區域。為了提高聚類的準確度，一些學者對傳統聚類方法進行了改進。Mishra等學 者(2012) 在文 章「Fuzzy Custering Algorithms Incorporating LocalInformation for Change Detection in Remotely Sensed Images,Applied SoftComputing, 2012，12:2683-2692」中提出了一種基於模糊聚類的無監督遙感圖像變化檢測方法，該方法對多個波段的兩時相遙感圖像採用CVA方法得到一幅差異圖，然後通過合併差異圖中像素的二階鄰域信息對像素的灰度值進行校正，並將模擬退火算法與多種傳統聚類算法結合，對校正後的差異圖進行聚類得到變化檢測結果。該方法通過合併鄰域信息和改進聚類方法降低了變化檢測結果的誤檢，但該方法對於低對比度差異圖的檢測結果也較差。上述的變化檢測方法都是採用無監督的學習方式，不能準確的反映數據間的關係，從而使得變化檢測結果不理想。

發明內容
本發明的目的在於針對上述變換檢測技術的不足，提出一種基於核傳播的遙感圖像變化檢測方法，該方法通過較精確的標記信息對數據的特徵空間進行約束修正，使獲得的特徵空間更準確地反映數據之間關係，從而提高檢測結果的正確率。實現本發明目的的技術方案，包括如下步驟:(I)輸入兩幅大小均為IXJ的同一地區不同時相已配準的遙感圖像X1和X2,計算它們對應空間位置(m，n)處的像素點灰度值X1On, η)和X2 (m，η)的差值的絕對值Xd (m, η) = | X1 (m, n) -X2 (m, η) |，由此得到一幅差值圖像 Xd= {Xd (m, n) m=l, 2,..., I, n=l, 2，...，J}，其中，m和η分別為輸入遙感圖像的行和列序號；
(2)對差值圖像Xd採用均值漂移方法進行分割，得到一幅由不同標記區域構成的過分割標記圖xb，計算差值圖像Xd中空間位置對應在同一標記區域中的所有像素點的灰度均值，再將同一標記區域的灰度均值賦給該標記區域的像素點的灰度值，得到一幅過分割灰度圖X。，其中具有相同灰度值的像素點形成的一個標記區域為一個超像素；(3)用k均值聚類算法將過分割灰度圖X。中的超像素聚為三類，分別是肯定變化類、肯定非變化類及不確定類；(4)從肯定變化類的超像素中選取Nk個種子，形成肯定變化類的種子集X。，從肯定非變化類的超像素中選取Nz-Nk個種子，形成肯定非變化類的種子集Xn，合併肯定變化類的種子集X。和肯定非變化類的種子集Xn，得到種子集X1,並將超像素集中減去種子集X1後剩餘的超像素形成的集合稱為無標籤集Xu，其中，Nz為選取種子的總個數；(5)在肯定變化類的種子集X。中隨機選取種子對，在肯定非變化類的種子集Xn中隨機選取種子對，所有種子對形成正約束集M，再分別在肯定變化類的種子集X。和肯定非變化類的種子集Xn中隨機選取一個種子，構成種子對，所有種子對形成負約束集C ；(6)先將種子集X1中的超像素按標記值從小到大排列，再將無標籤集Xu中的超像素按標記值從小到大排列，按順序構成超像素向量S ;計算超像素向量S的歸一化拉普拉斯矩陣L，由此計算種子核矩陣K11,用核傳播公式計算與超像素集S對應的全核矩陣K*並對其進行歸一化，得到一個大小為NXN的歸一化全核矩陣K ；(7)用k均值聚類算法將全核矩陣K按行聚為兩類，分別計算這兩類的所有超像素的灰度均值，將灰度均值較大的一類超像素確定為變化類超像素，另一類即為非變化類超像素；(8)對於超像素向量S中的超像素，如果該超像素屬於變化類，則將分割標記圖Xb中與該超像素標記相同的像素點都確定為變化類，否則，為非變化類，由此得到變化檢測結果O本發明與現有技術相比具有如下優點:1、本發明採用均值漂移方法過分割差值圖，獲得關於差值圖的超像素集，有效地保持了變化區域的邊緣結構信息，同時降低了需要處理的數據量，提高了計算效率。2、本發明用k均值聚類算法將過分割灰度圖X。聚為三類，在屬於肯定變化類和肯定非變化類的超像素中選取種子點，使得選取的種子點更具有代表性；另外，在屬於肯定變化類和肯定非變化類的種子點中選取種子對構造約束集，使獲取的關於變化類和非變化類的先驗信息更準確。
3、本發明採用核傳播的方法將約束信息傳播到與整個超像素集對應的全核矩陣，使獲得的特徵空間更準確地反映超像素之間的關係，提高了變化檢測結果的正確率。


圖1是本發明的實現流程框圖；圖2是用於實驗的第一組遙感圖像和對應的變化參考圖像；圖3是用於實驗的第二組遙感圖像和對應的變化參考圖像；圖4是本發明與對比方法仿真第一組遙感圖像得到的變化檢測結果圖；圖5是本發明與對比方法仿真第二組遙感圖像得到的變化檢測結果圖。
具體實施例方式參照圖1，本發明的實現步驟如下:步驟1，輸入兩幅大小均為IXJ的同一地區不同時相已配準的遙感圖像X1和X2,如圖2(a)和圖2(b)所示，將圖像X1和X2空間對應位置(m，η)處的像素點灰度值X1On, η)和X2 (m, η)進行差值計算，得到灰度差值Xd (m, n) = | X1 (m, n) -X2 (m, η) |，由此得到一幅差值圖像Xd= {Xd(m, n) m=l, 2,..., I, n=l, 2，…，J}，其中，m和η分別為輸入遙感圖像的行和列序號。步驟2，根據差值圖像Xd，得到一幅過分割灰度圖X。。(2a)對差值圖Xd採用均值漂移方法進行分割，得到一幅過分割標記圖Xb，過分割標記圖Xb中每個像素點的灰度值為該像素點的標記1，標記1=1，2，…，N，其中N表示用均值漂移方法分割差值圖Xd得到的標記的最大值；(2b)過分割標記圖Xb中具有相同標記I的像素點形成一個區域，在差值圖Xd中計算與該區域空間位置對應的所有像素點的灰度均值，將得到的灰度均值作為該區域中每個像素點的灰度值，由此得到一幅過分割灰度圖X。，其中具有相同灰度值的像素點形成的一個標記區域為一個超像素。 步驟3，用k均值聚類算法將過分割灰度圖X。中的超像素聚為三類，分別是肯定變化類、肯定非變化類及不確定類。步驟4，從肯定變化類和肯定非變化類的超像素中選取種子，得到種子集X10本發明中肯定變化類的種子集的選取方法，可以是聚類中心法，即從肯定變化類的聚類中心及其特徵空間鄰域內選取；也可以是概率分布法，即種子點到肯定變化類的聚類中心的距離符合高斯分布方法；也可以是隨機選取法，本實例按如下步驟進行:(4a)將過分割灰度圖X。中標記為I的超像素的灰度值記為島得到超像素I S={劍/=1，2，.Λ};(4b)如果屬於肯定變化類的超像素個數大於Nz/2，則在屬於肯定變化類的超像素中隨機選取Nk=Nz/2個種子，否則，將屬於肯定變化類的所有Nk個超像素都作為種子；用這些種子形成肯定變化類的種子集X。，其中，Νζ=λ ΧΝ，其中λ為種子數係數，其取值範圍為
0.1 0.2。 (4c)從肯定非變化類的超像素中選取Nz-Nk個種子，形成肯定非變化類的種子集Xn;
(4d)將肯定非變化類的種子集Xn和肯定變化類的種子集X。合併，得到一個肯定類種子集X1 ；(4e)從超像素集§中減去肯定類種子集X1，將剩餘的超像素形成的集合作為無標籤集xu，其中，無標籤集Xu中的超像素是沒有確定類別的，也就是該超像素沒有標記是屬於變化類或屬於非變化類。步驟5，在肯定類種子集X1中隨機選取種子對，構成正約束集M和負約束集C。本發明中肯定變化類的種子集中種子對的選取方法，可以是聚類中心法，即一個種子為肯定變化類的聚類中心，另一個種子在聚類中心的特徵空間鄰域內選取；也可以是概率分布法，即種子點對到聚類中心的距離均符合高斯分布方法，也可以是隨機選取法，本實例按如下步驟進行:(5a)在肯定變化類的種子集X。中隨機選取2個種子，構成一對種子對，該種子對在超像素集§中的對應的兩個標記込和Ib構成一對標記對(la，Ib)，其中，Ia e {I, 2，…，N}，Ib e U，2,…，N}；(5b)重 復步驟(5a)Nm次,得到Nm對標記對{(la, Ib)},構成肯定變化類標記集Ml,其中，Nm表示正約束集中的種子對的數目，其取值範圍為10 30 ;(5c)在肯定非變化類的種子集Xn中隨機選取2個種子，構成一對種子對，該種子對在超像素彳S中的對應的兩個標記I。和Id構成一對標記對(1。，Id)其中，I。e {I, 2，…，N}，Id e {1，2，...，N}；(5d)重複步驟(5c) Nffl次，得到Nm對標記對{(lc, Id)}，構成肯定非變化類標記集M2 ；(5e)將肯定變化類標記集Ml和肯定非變化類標記集M2合併構成正約束集M。(5f)在肯定變化類的種子集X。和肯定非變化類的種子集Xn中分別隨機選取一個種子組成一對種子對，將該種子對在超像素集§中的對應的兩個標記Ie和If構成一對標記對(le，lf)，其中，Ie e {1,2, - ,N}, If e {1,2, - ,N}；(5g)重複步驟(5f)共N。次，得到N。對標記對{(le，If) }，構成負約束集合C，其中N。表示負約束集中的種子對的數目，其取值範圍為10 30，本發明實例中^=20。步驟6，將肯定類種子集X1和無標籤集Xu中的超像素構成超像素向量S，計算其種子核矩陣K11,用核傳播公式計算得到歸一化全核矩陣K。(6a)將肯定類種子集X1中的超像素按標記值從小到大排序，並賦給超像素向量S的第I個到第Nz個元素；將無標籤集Xu中的超像素按標記值從小到大排序，並賦給超像素向量S的第Nz+1個到第N個元素；(6b)計算超像素向量S的歸一化拉普拉斯矩陣L，其計算公式如下:L = 1-『1/2 販1/2其中，I是大小為NXN的單位矩陣；W是大小為NXN的相似度矩陣，Wij為相似度矩陣W中的元素，i和j為矩陣的行序號和列序號，i=l, 2，…，N, j=l, 2，…，N,當i=j時，Wij=O,當i關j時，Wij的計算公式為:
權利要求
1.一種基於核傳播的遙感圖像變化檢測方法，包括如下步驟: (1)輸入兩幅大小均為IXJ的同一地區不同時相已配準的遙感圖像X1和X2，計算它們對應空間位置(m，n)處的像素點灰度值X1On, η)和X2 (m，η)的差值的絕對值Xd (m, η) = | X1 (m, n) -X2 (m, η) |，由此得到一幅差值圖像 Xd= {Xd (m, n) m=l, 2,..., I, n=l, 2，...，J}，其中，m和η分別為輸入遙感圖像的行和列序號； (2)對差值圖像Xd採用均值漂移方法進行分割，得到一幅由不同標記區域構成的過分割標記圖Xb，計算差值圖像Xd中空間位置對應在同一標記區域中的所有像素點的灰度均值，再將同一標記區域的灰度均值賦給該標記區域的像素點的灰度值，得到一幅過分割灰度圖X。，其中具有相同灰度值的像素點形成的一個標記區域為一個超像素； (3)用k均值聚類算法將過分割灰度圖X。中的超像素聚為三類，分別是肯定變化類、肯定非變化類及不確定類； (4)從肯定變化類的超像素中選取Nk個種子，形成肯定變化類的種子集X。，從肯定非變化類的超像素中選取Nz-Nk個種子，形成肯定非變化類的種子集Xn，合併肯定變化類的種子集X。和肯定非變化類的種子集Xn，得到種子集X1,並將超像素集中減去種子集X1後剩餘的超像素形成的集合稱為無標籤集Xu，其中，Nz為選取種子的總個數； (5)在肯定變化類的種子集X。中隨機選取種子對，在肯定非變化類的種子集Xn中隨機選取種子對，所有種子對形成正約束集M，再分別在肯定變化類的種子集X。和肯定非變化類的種子集Xn中隨機選取一個種子，構成種子對，所有種子對形成負約束集C ； (6)先將種子集X1中的超像素按標記值從小到大排列，再將無標籤集Xu中的超像素按標記值從小到大排列，按順序構成超像素向量S ;計算超像素向量S的歸一化拉普拉斯矩陣L，由此計算種子核矩陣K11,用核傳播公式計算與超像素集S對應的全核矩陣K*並對其進行歸一化，得到一個大小為NXN的歸一化全核矩陣K ； (7)用k均值聚類算法將全核矩陣K按行聚為兩類，分別計算這兩類的所有超像素的灰度均值，將灰度均值較大的一類超像素確定為變化類超像素，另一類即為非變化類超像素； (8)對於超像素向量S中的超像素，如果該超像素屬於變化類，則將分割標記圖Xb中與該超像素標記相同的像素點都確定為變化類，否則，為非變化類，由此得到變化檢測結果。
2.根據權利要求1所述的基於核傳播的遙感圖像變化檢測方法，其特徵在於:步驟4所述的從肯定變化類的超像素中選取種子，形成肯定變化類的種子集I，按如下步驟進行: (4a)將過分割灰度圖X。中標記為I的超像素的灰度值記力V得到超像素集§={i/|/=1,2,.N] (4b)如果屬於肯定變化類的超像素個數大於Nz/2，則在屬於肯定變化類的超像素中隨機選取Nk=Nz/2個種子，否則，將屬於肯定變化類的所有Nk個超像素都作為種子；用這些種子形成肯定變化類的種子集X。，其中，Nz= λ ΧΝ，其中λ為種子數係數，其取值範圍為0.1 0.2。
3.根據權利要求1所述的基於核傳播的遙感圖像變化檢測方法，其特徵在於:步驟5所述的在肯定變化類的種子集X。中隨機選取種子對，在肯定非變化類的種子集Xn*隨機選取種子對，所有種子對形成正約束集Μ，按如下步驟進行:(5a)在肯定變化類的種子集X。中隨機選取2個種子，構成一對種子對，該種子對在超像素集§中的對應的兩個標記込和Ib構成一對標記對(la，lb)，其中，Ia e {1，2，…，N}，Ib e U，2,…，N}； (5b)重複步驟(5&)\次，得到Nm對標記對{(la，lb)}，構成肯定變化類標記集M1，其中，Nm表示正約束集中的種子對的數目，其取值範圍為10 30 ; (5c)在肯定非變 化類的種子集Xn中隨機選取2個種子，構成一對種子對，該種子對在超像素集§中的對應的兩個標記I。和Id構成一對標記對(1。，Id)其中，Ic e {I, 2，…，N}，Id e U，2,…，N}； (5d)重複步驟(5c) Nffl次，得到Nm對標記對{(lc, Id)}，構成肯定非變化類標記集M2 ； (5e)將肯定變化類標記集Ml和肯定非變化類標記集M2合併構成正約束集M。
4.根據權利要求1所述的基於核傳播的遙感圖像變化檢測方法，其特徵在於:步驟5所述的分別在肯定變化類的種子集X。和肯定非變化類的種子集Xn中隨機選取一個種子，構成種子對，所有種子對形成負約束集C，按如下步驟進行: (5f)在肯定變化類的種子集X。和肯定非變化類的種子集Xn中分別隨機選取一個種子組成一對種子對，將該種子對在超像素集§中的對應的兩個標記Ie和If構成一對標記對(le，If)，其中，Ie e {I, 2,…，N}，If e {I, 2,...,N}； (58)重複步驟(5^共N。次，得到N。對標記對{(le, If)}，構成負約束集合C，其中N。表示負約束集中的種子對的數目，其取值範圍為10 30。
全文摘要
本發明公開了一種基於核傳播的遙感圖像變化檢測方法，主要解決現有技術不能準確反映數據間關係導致的檢測正確率不高的缺點。其實現步驟為輸入兩幅不同時相的遙感圖像，對其做差得到差值圖像；對差值圖像進行過分割得到超像素集，將超像素集用k均值方法分為肯定變化類、肯定非變化類和不確定類；在屬於肯定變化類和肯定非變化類的超像素中選取種子構造約束集；用約束集計算種子核矩陣，再用核傳播公式計算全核矩陣並對其對角歸一化；對歸一化全核矩陣聚類得到變化檢測結果。本發明具有較強的抗噪性，能有效地去除雜點，同時較好的保留邊緣信息，檢測結果準確率高。可用於城區擴展監測、森林和植被變化監測等領域。
文檔編號G06T7/00GK103218823SQ201310169168
公開日2013年7月24日 申請日期2013年5月8日 優先權日2013年5月8日
發明者王桂婷, 焦李成, 劉博偉, 公茂果, 侯彪, 王爽, 鍾樺, 田小林, 張小華 申請人:西安電子科技大學