基於主成份廣義逆變換的圖像變化檢測方法
2023-12-01 14:45:51
專利名稱：基於主成份廣義逆變換的圖像變化檢測方法
技術領域：
本發明涉及的是一種圖像處理技術領域的方法，具體是一種基於主成份廣義逆變 換的圖像變化檢測方法。
背景技術：
隨著航天技術、傳感器技術、計算機技術及相關科學的迅速發展，遙感技術在社會 生活和經濟建設中發揮越來越重要的作用。變化檢測是從同一地域不同時期的遙感圖像數 據中定量分析和確定地表變化的過程。在更新地理數據、評估災害、預測災害發展趨勢、土 地覆蓋/利用檢測、新一代智能型對地觀測衛星等方面有著廣泛的應用前景。通常情況下，變化檢測是對未知目標區域進行的，而且由於遙感圖像自身的一些 特點，如信息與噪聲的共生性、方位不一致和光照不均勻等，使得圖像數據帶有一定的模糊 性和不確定性。因此在有噪聲或者圖像質量差的情況下準確的檢測出圖像中的變化區域是 一項長期而重要的任務。經過近幾十年的發展，遙感圖像變化檢測方法一直處於不斷改進和發展中，很多 學者在這方面做了大量的研究。根據算法的實現途徑不同，大致可以分為三大類(1)基於 光譜像元進行簡單代數運算的方法。這類方法簡單，主要問題是如何確定閾值來分割變化 目標。Paul L. Rosin 於 1998 年在 Sixth International Conference on Computer Vision 上發表論文^Thresholding for change detection (變化檢測中閾值的確定)。主要工作是 針對基於圖像做差分檢測方法中閾值的確定，論文中對噪聲和信息分別建模，提出了四種 選擇閾值來有效提取變化區域的方法。( 基於圖像分類的方法。Civco等於2002年發表 論文 A Comparison of Land Useand Land Cover Change Detection Methods (土地使用 和土地覆蓋變化檢測方法的比較)。文章中對每個時相的遙感影像進行校正和分類，使用 變化檢測矩陣，對兩幅分類圖進行逐像元比較來獲取具體的變化類型。該方法要求分類盡 可能準確，分類誤差影響最終檢查誤差。( 基於多變量分析的數據變換的方法。Guiting Wang 等於 2009 年在 2nd Asian-Pacific Conference on Synthetic Aperture Radar 上發 表論文 Change detection in SAR image based on multiscale product and PCA(基於 多尺度和主成份分析變化檢測在SAR圖像中的應用)。論文中首先對圖像進行多尺度小波 變換，然後為了增強變化信息和減少噪聲的幹擾，通過主成份變換的方法合併多尺度處理 後的結果。目前這些變化檢測方法一般是針對具體的應用提出的，並沒有一種通用的變化 檢測方法能應用於所有的場合。
發明內容
本發明針對現有技術存在的上述不足，提供一種基於主成份廣義逆變換的圖像變 化檢測方法，在主成份廣義逆變換後的特徵空間裡對圖像進行差分檢測，有效的抑制了噪 聲，降低了圖像模糊扭曲等對檢測精度下降的影響，提高了檢測精度。本發明是通過以下技術方案實現的，本發明通過對待檢測圖像重新組織數據後進
3行兩個特徵空間中的變換，並在變換後的特徵空間裡進行更新波段差分處理以獲取變化成 分，再通過自動閾值確定方法來提取變化區域，實現圖像變化檢測。所述的重新組織數據是指將原始圖像的波段數據按照行的方式轉化為列向量Vk (t) [n] = (i-1) Xlength+j，然後將1個列向量組織成矩陣M，並求出其轉置矩 陣 Μτ。M= [V1(U)^2(U), -,V1(tl),V1(t2),V2(t2), ...,vHt〗)]，其中待檢測圖像分 別為#(山,4((2),丨，j，k分別代表圖像的行、列和波段數，波段總數為1，width和length 分別為圖像的寬度像素數和長度像素數，單位為自然常數，t e {tl，t2}，i e {1,2,…，
width}, j e {1,2,…，length}，ke {1,2, ...，1}。所述的矩陣M的物理意義為k維空間裡的widthX length個點，Mt為 widthX length維空間裡的k個點。所述的兩個特徵空間中的變換是指PCA(Principal component analysis主成份 分析)變換和PCA廣義逆變換，其中 PCA變換是指對轉置矩陣Mt進行PCA變換，在widthX length維空間裡通過對Mt 協方差矩陣進行對角化找到前m個主成份，1，通過變換後得到特徵空間矩陣P，將原始 空間中組織後的數據Mt映射到主成份特徵空間中，得到新的數據DATApffl, DATApca = Mt · P， 其中P為主成分變換後得到的特徵空間矩陣。PCA廣義逆變換是指通過廣義逆矩陣Q，將正特徵空間裡的數據，映射到廣義逆 特徵空間中，得到新空間中的數據DATAap。，DATAapc = DATApca · Q，其中Q為廣義逆矩陣。所述的更新波段差分處理是指對于波段總數大於1時，直接選擇最大的特徵值 對應的波段求差值向量或將多波段合成後求差值向量，然後再將差值向量還原到圖像。如 DIFF = DATA(1, )-DATA (2, ), DIFFimage = DIFF (j+(i_l) X length)，其中DATA(1，), DATA (2，)分別為變化前後的最大特徵值對應波段向量，DIFF為差值向量，DIFFimage為差值 向量轉化後的差值圖像。所述的提取變化區域是指採用基於OTSU(最大類間方差法)的自動閾值方法得 到的閾值加上一定的偏移來分離變化區域和非變化區域，具體是指通過基於OTSU的閾值 分割方法，得到待分割圖像的閾值threshold，然後採用thresh0ld+thresh0ld*5%將圖像 二值化得到變化區域和非變化區域。本發明選擇主成份逆變換後的空間進行差分檢測，主要解決受噪聲幹擾，圖像模 糊扭曲等因素的引起檢測精度低的問題。傳統基於像元簡單做差分的變化檢測方法，受噪 聲的幹擾比較大。基於PCA變換的變換檢測方法將原始數據變換到特徵空間，降低了對噪 聲幹擾的影響，突出了變化區域的信息，具有較好的檢測性能。本發明相對於上述兩種變化 檢測方法具有更優的性能，在圖像受噪聲幹擾、圖像模糊、圖像變形扭曲、圖像低解析度等 方面具有更高的檢測精度。
圖1待檢測圖像；圖中(a)為變化前圖像(b)為配準後圖像(C)為變化後圖像。圖2經過多種幹擾處理後的圖像；圖中(a)為高斯噪聲處理(b)為窗口大小9女9高斯模糊處理(c)為窗口大小13 * 13高斯模糊處理(d)為6像素採樣處理(e) 10像素採樣處理。圖3三種檢測方法檢測的結果圖；圖中(al) (bl) (cl) (dl) (el)依次為高斯噪聲處理、窗口大小9 ★ 9高斯模糊處 理、窗口大小13 ★ 13高斯模糊處理、6像素採樣處理、10像素採樣處理下像元差分方法檢 測結果圖(a2) (b2) (c2) (d2) (e2)依次為高斯噪聲處理、窗口大小9 * 9高斯模糊處理、窗 口大小13 ★ 13高斯模糊處理、6像素採樣處理、10像素採樣處理下基於PCA變換方法檢測 結果圖(a3) (b3) (c3) (d3) (e3)依次為高斯噪聲處理、窗口大小9女9高斯模糊處理、窗口 大小13女13高斯模糊處理、6像素採樣處理、10像素採樣處理下本發明方法檢測結果圖。圖4三種檢測方法檢測性能比較圖。
具體實施例方式下面對本發明的實施例作詳細說明，本實施例在以本發明技術方案為前提下進行 實施，給出了詳細的實施方式和具體的操作過程，但本發明的保護範圍不限於下述的實施 例。本實施例包括以下步驟第一步，圖像數據的重新組織。圖像是兩期航空拍攝的機場影像，影像大小為410 女四4，如圖1所示，其中圖1 (a)是變化前圖像，圖1 (b)是經過配準後的圖像，圖1 (c)是變 化後的圖像(人工處理過)。為了測試模型對噪聲等的魯棒性，對變化前圖像進行手動加 工合成一組圖像，如圖2所示，其中圖2(a)是加入高斯噪聲處理後的圖像、圖2(b)是經過 窗口大小9 * 9高斯模糊處理後的圖像、圖2(c)是經過窗口大小13女13高斯模糊處理後 的圖像、圖2(d)是經過6像素採樣處理後的圖像、圖2(e)是經過10像素採樣處理後的圖 像。一共5組實驗。對每組實驗中的變化前和變化後的圖像分別轉化為120540維的列向 量。然後把每組實驗中的這兩個列向量組織為一個大小為120540 ^ 2的矩陣，表示120540 維空間裡的2個點。第二步，進行PCA變換和PCA廣義逆變換。對第一步中得到的120540女2矩陣進 行PCA變換，選擇最大特徵值對應的向量數據進行PCA廣義逆變換，得到逆特徵空間下的兩 個列向量數據。第三步，求取差值圖像。將逆特徵空間下得到的兩個列向量進行差值求的差值向 量，然後再將差值向量還原成一幅圖像，即所得到差值圖像。第四步，分離變化區域。對第三步中得到的差值圖像，採用基於OTSU的閾值分割 方法，得到待分割圖像的初始閾值，然將該初始閾值加上初始閾值的5%作為最終閾值，利 用該閾值將圖像二值化得到變化區域和非變化區域。採樣三種變化檢測方法進行這五個實驗，它們分別是像元差分檢測方法、基於PCA 變換的檢測方法以及本發明的方法。每一個實驗得到3個檢測結果，如圖3所示。圖中(al) (bl) (cl) (dl) (el)依次為高斯噪聲處理、窗口大小9 * 9高斯模糊處理、窗口大小13 13 高斯模糊處理、6像素採樣處理、10像素採樣處理下像元差分方法檢測結果圖。(U) (b2) (c2) (d2) (e2)依次為高斯噪聲處理、窗口大小9女9高斯模糊處理、窗口大小13 * 13高 斯模糊處理、6像素採樣處理、10像素採樣處理下基於PCA變換方法檢測結果圖。(U) (b3) (c3) (d3) (e3)依次為高斯噪聲處理、窗口大小9 * 9高斯模糊處理、窗口大小13女13高斯模糊處理、6像素採樣處理、10像素採樣處理下本發明方法檢測結果圖。從三個方面對變化檢測的結果進行評價(1)誤檢面積實際為無變化區域，檢測 為變化區域；( 漏檢面積實際為變化區域，檢測為無變化區域；C3)總錯誤面積誤檢面 積加上漏檢面積。上述面積用像素的個數表示，單位為自然常數。對五個實驗的變化檢測 結果圖像進行統計得到如表1。表1三種變化檢測方法的檢測結果比較
權利要求
1.一種基於主成份廣義逆變換的圖像變化檢測方法，其特徵在於，通過對待檢測圖像 重新組織數據後進行兩個特徵空間中的變換，並在變換後的特徵空間裡進行更新波段差分 處理以獲取變化成分，再通過自動閾值確定方法來提取變化區域，實現圖像變化檢測。
2.根據權利要求1所述的基於主成份廣義逆變換的圖像變化檢測方法，其特徵是，所 述的重新組織數據是指將原始圖像的波段數據按照行的方式轉化為列向量Vk (t) [n] = (i-l)Xlength+j，然後將1個列向量組織成矩陣Μ，並求出其轉置矩陣Μτ， M= [V1(U), V2(tl)，···, V1Ul), V1(t2), V2(t2),…，V1 (t2)]，其中待檢測圖像分別為 /^1),/^2) , i，j，k分別代表圖像的行、列和波段數，波段總數為1，width和length分別為 圖像的寬度像素數和長度像素數，單位為自然常數，t e {tl，t2}，i e {1,2,…，width}， j e {1,2,…，length}，k e {1，2，...，1}。
3.根據權利要求1所述的基於主成份廣義逆變換的圖像變化檢測方法，其特徵是，所 述的兩個特徵空間中的變換是指PCA變換和PCA廣義逆變換，其中PCA變換是指對轉置矩陣Mt進行PCA變換，在widthX length維空間裡通過對Mt協 方差矩陣進行對角化找到前m個主成份，1，通過變換後得到特徵空間矩陣P，將原始空 間中組織後的數據Mt映射到主成份特徵空間中，得到新的數據DATApffl, DATApca = Mt · P，其 中P為主成分變換後得到的特徵空間矩陣；PCA廣義逆變換是指通過廣義逆矩陣Q，將正特徵空間裡的數據，映射到廣義逆特徵 空間中，得到新空間中的數據DATAAeP，DATAacp = DATApca · Q，其中Q為廣義逆矩陣。
4.根據權利要求1所述的基於主成份廣義逆變換的圖像變化檢測方法，其特徵是， 所述的更新波段差分處理是指對于波段總數大於1時，直接選擇最大的特徵值對應的波 段求差值向量或將多波段合成後求差值向量，然後再將差值向量還原到圖像。如DIFF = DATA(1, )-DATA(2, ) ,DIFFimage = DIFF(j+(i_l) X length)，其中=DATA(1, ) ,DATA(2,) 分別為變化前後的最大特徵值對應波段向量，DIFF為差值向量，DIFFimage為差值向量轉化後 的差值圖像。
5.根據權利要求1所述的基於主成份廣義逆變換的圖像變化檢測方法，其特徵是，所 述的提取變化區域是指採用基於OTSU自動閾值方法得到的閾值加上一定的偏移來分離 變化區域和非變化區域。
全文摘要
一種圖像處理技術領域的基於主成份廣義逆變換的圖像變化檢測方法，通過對待檢測圖像重新組織數據後進行兩個特徵空間中的變換，並在變換後的特徵空間裡進行更新波段差分處理以獲取變化成分，再通過自動閾值確定方法來提取變化區域，實現圖像變化檢測。本發明在主成份廣義逆變換後的特徵空間裡對圖像進行差分檢測，有效的抑制了噪聲，降低了圖像模糊扭曲等對檢測精度下降的影響，提高了檢測精度。
文檔編號G06T7/00GK102063722SQ20111000971
公開日2011年5月18日 申請日期2011年1月18日 優先權日2011年1月18日
發明者楊傑, 胡軍輝 申請人:上海交通大學