一種基於兩期高解析度遙感影像的非監督變化檢測方法與流程
2023-07-20 23:16:16
本發明屬於遙感影像技術領域，具體涉及一種基於兩期高解析度遙感影像的非監督變化檢測方法。
背景技術：
隨著遙感技術的發展，同一地區的遙感影像時空解析度得到大幅度提高，給利用兩期遙感影像發現地表覆蓋變化區域帶來了可能。利用遙感影像快速獲取地表覆蓋變化區域，對於災後評估、土地利用監測、城鎮擴張監測等等均有重大意義。基於遙感影像的變化檢測，依據其監測結果不同，可以歸納為分類後變化監測與分類前變化檢測方法，其中分類前變化檢測方法也稱「非監督變化檢測」，本發明隸屬於非監督變化檢測方法的一種。當前非監督變化檢測方法可以分類兩類：(1)基於閾值分割方法，該類方法通過閾值將變化幅度影像分類「變化」與「未變化」區域；其中變化幅度的方法可以通過經過嚴格配準遙感影像的差值法，比值法，以及變化向量分析法(changevectoranalysis)等方法求得；此類方法優點是簡單易用，非遙感專業人員也可以很好的操作。但一般而言，此類方法對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結果，依賴一定的經驗與數據。(2)基於數學模型分析的非監督變化檢測方法，該類方法在求解變化幅度的基礎上，假設變化信息符合某種數學分布，通過對分布特徵的劃分，實現變化檢測發現。為了應對不同的情況，實際應用中研究人員提出了各種各樣的非監督變化檢測方法，如：基於馬爾科夫場、k-means，以及基於模糊c均值等非監督變化檢測方法。
儘管當前研究中，針對變化檢測提出了一系列的非監督變化檢測方法，但隨著遙感影像解析度的提高，在實際應用中，這些方法表現了一定的不足：(1)一些方法試圖通過序列實驗，以尋找合理的閾值，以準確提取的變化區域。但由於地表地理環境的複雜性，加之遙感影像成相時天氣、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域。而且，理論上，通過序列實驗法得到的單一閾值，很難適合其它影像，普適性較差。(2)隨著解析度的提高，地物類內方差變大，用於中低遙感影像的變化檢測方法，應用在高分影像變化檢測中受到挑戰，在檢測結果中表現出了較多的噪聲，極大地降低了變化發現的精度與可靠性。
技術實現要素：
本發明所要解決的技術問題在於針對上述現有技術的不足，提供一種過程中有效避免閾值設置、有效降低算法的數據依賴性的基於兩期高解析度遙感影像的非監督變化檢測方法。
為解決上述技術問題，本發明採用的技術方案是一種基於兩期高解析度遙感影像的非監督變化檢測方法，該方法包括如下：
步驟一、對待檢測區域的事件前和事件後兩期遙感影像分別進行空間位置配準，使同一地位置的地理區域實現重疊；
步驟二、求解步驟一中所述的事件前和事件後兩期遙感影像之間的相對變化幅度影像；
步驟三、基於步驟二中所述的相對變化幅度影像，建立最小值閾值與最大值閾值之間的多閾值區間；
步驟四、利用步驟三中所述的多閾值區間，並設定增加步長s，形成多個二值化變化區域檢測結果；
步驟五、對步驟四中所述的多個二值化變化區域檢測結果進行融合處理，得到優化的二值化變化區域檢測結果。
進一步地，還包括步驟六：基於事件後影像的多尺度分割結果，對步驟五中所述的優化後的二值化變化區域檢測結果進行處理，以得到平滑的變化檢測區域。
進一步地，該步驟三中的具體過程如下：
步驟3.1、通過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]為多閾值區間；其中：s為增加步長；
進一步地，該步驟四如下、依據步驟3.3中多閾值區間中的離散閾值，構建二值化檢測結果集合，記作：b＝{bt1，bt2，bt3，……，btn}，，其中t1為第一個閾值mint+s,tn為最後一個閾值maxt-s；bti為以ti為閾值的二值化變化檢測結果。
進一步地，該步驟五中對多個二值化變化區域檢測結果進行投票法融合處理，具體過程包括如下步驟：
步驟5.1、讀取步驟四中所述的二值化變化區域檢測結果中，分別統計各「變化」和「未變化」狀態柵格的數量；
步驟5.2、對步驟5.1所得的「變化」和「未變化」狀態柵格的數量，採用「投票法」處理，得到優化的二值化變化區域檢測結果。
進一步地，該步驟二中的兩期遙感影像之間的相對變化幅度影像採用差值法或cva法求解。
本發明一種基於兩期高解析度遙感影像的非監督變化檢測方法具有如下優點：(1)利用多閾值區間，有效避免了在實際應用中選擇合理閾值的困難；同時，也有有效降低了算法的數據依賴性，提高了檢測算法的普適性，降低了非專業人員或無經驗從業者選取閾值的難度；(2)將投票法引入變化檢測中。投票法的應用，其過程是直觀合理的。實驗證明，投票法可以大大降低單一閾值的噪聲影響，提高變化區域的提取精度。(3)引入了多尺度分割結果來優化變化檢測結果，有效利用了紋理、形狀等邊緣空間信息來處理變化檢測中間結果，有效降低了噪聲信息。(4)整個變化區域提取流程不涉及參數設置，是一種自動化程度相對較高的變化區域檢測方法，規避了非監督變化檢測過程中的缺陷。
附圖說明
圖1是本發明基於兩期高解析度遙感影像的非監督變化檢測方法的流程示意圖。
圖2為本發明中實際數據示意圖；其中：
圖2a滑坡前(事件前)影像；
圖2b滑坡後(事件後)影像；
圖3為本發明實施例中二值化變化區域檢測結果示意圖；
圖4為本發明實施例中變化區域檢測結果示意圖；其中：
圖4a基於mrf的非監督變化檢測方法得到的變化區域檢測結果；
圖4b基於k-means的非監督變化檢測方法得到的變化區域檢測結果；
圖4c本發明中檢測方法得到的變化區域檢測結果；
圖4d人工目視解譯參考變化真值。
具體實施方式
本發明一種基於兩期高解析度遙感影像的非監督變化檢測方法，該方法包括如下：
步驟一、對待檢測區域的事件前和事件後兩期遙感影像分別進行空間位置配準，使同一地位置的地理區域實現重疊；
步驟二、求解步驟一中所述的事件前和事件後兩期遙感影像之間的相對變化幅度影像；兩期遙感影像之間的相對變化幅度影像採用差值法或cva法求解。
步驟三、基於步驟二中所述的相對變化幅度影像，建立最小值閾值與最大值閾值之間的多閾值區間；具體如下：
步驟3.1、通過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]為多閾值區間；其中：s為增加步長。
步驟四、利用步驟三中所述的多閾值區間，並設定增加步長s，形成多個二值化變化區域檢測結果；
依據步驟3.3中多閾值區間中的離散閾值，構建二值化檢測結果集合，記作：b＝{bt1，bt2，bt3，……，btn}，，其中t1為第一個閾值mint+s,tn為最後一個閾值maxt-s；bti為以ti為閾值的二值化變化檢測結果。
步驟五、對步驟四中所述的多個二值化變化區域檢測結果進行融合處理，得到優化的二值化變化區域檢測結果，具體如下：
步驟5.1、讀取步驟四中所述的二值化變化區域檢測結果中，分別統計各「變化」和「未變化」狀態柵格的數量；
步驟5.2、對步驟5.1所得的「變化」和「未變化」狀態柵格的數量，採用「投票法」處理，得到優化的二值化變化區域檢測結果。
還包括步驟六：基於事件後影像的多尺度分割結果，對步驟五中所述的優化後的二值化變化區域檢測結果進行處理，得到平滑的變化檢測區域。
本發明中的方法，通過提出多閾值區間與投票方法二者結合策略，有效規避了單一閾值在實際應用中的缺陷；通過引入多尺度分割到非監督變化檢測領域，綜合利用了事件後影像的紋理與邊緣等空間信息，大大提高了變化區域的內部一致性，提高了算法檢測變化區域的能力。
實施例
具體過程如圖1所示：
步驟一、對滑坡前後兩期限影像空間配準：實施前首先對圖2a滑坡前影像和圖2b待匹配影像分別採用arcmap10.0軟體，通過選擇控制點，使用adjust工具實現兩幅影像的幾何配準。
步驟二、通過差值法求解變化幅度影像，差值法是遙感影像變化檢測中的基本方法，本發明具有良好的泛化性，在實際應用中，求解變化幅度的方法也可以採用差值法，cva法或比值法等方法。
步驟三、求解多閾值區間：本實例中，求得最小化幅度為0；最大變化幅度為115，若設步長為5，則多閾值區間為[5，159]。
步驟四、利用多閾值區間，得到每個閾值下的二值化變化區域檢測結果，如圖3所示。
步驟五、通過投票法，對二值化變化區域檢測結果進行融合處理；得到優化的二值化變化區域檢測結果。
步驟六、對優化的二值化變化區域檢測結果，基於事件後影像進行多尺度分割，利用分割影像對步驟五中的二值化變化區域檢測結果進行融合，得到最終變化檢測區域。
由圖4a、4b、4c和4d相比較知，採用本發明中的檢測方法得到的滑坡區域與實際滑坡區域相符程度最高。