CN106469452A - 基于空间约束的卡方变换的多时相遥感影像变化检测方法 - Google Patents
基于空间约束的卡方变换的多时相遥感影像变化检测方法 Download PDFInfo
- Publication number
- CN106469452A CN106469452A CN201610814949.4A CN201610814949A CN106469452A CN 106469452 A CN106469452 A CN 106469452A CN 201610814949 A CN201610814949 A CN 201610814949A CN 106469452 A CN106469452 A CN 106469452A
- Authority
- CN
- China
- Prior art keywords
- image
- change
- remote sensing
- sensing image
- detecting method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于空间约束的卡方变换的多时相遥感影像变化检测方法,首先计算多时相高分辨率影像的多波段差异影像,在此基础上,计算影像上每一个点的CST值,根据致信水平获取阈值,得到初步的变化检测结果,然后再对该初步结果进行众数滤波(嵌入空间信息),并根据滤波结果重新计算非变化区域的均值和方差矩阵。重复上述过程直到检测结果没有变化为止,最后获取最终的变化检测结果。本发明解决了多时相多光谱遥感影像背景信息复杂、噪声干扰严重的问题。
Description
技术领域
本发明属于遥感影像处理技术领域,特别涉及了基于空间约束的卡方变换的多时相遥感影像变化检测方法。
背景技术
随着多时相高分辨率遥感数据的不断积累以及空间数据库的相继建立,如何从这些遥感数据中提取和检测变化信息已成为遥感科学和地理信息科学的重要研究课题。根据同一区域不同时相的遥感影像,可以提取城市、环境等动态变化的信息,为资源管理与规划、环境保护等部门提供科学决策的依据。我国“十二五”将加大拓展实施“十一五”已启动实施的高分辨率对地观测工程,关注包括高分辨率遥感目标与空间环境特征分析及高可靠性自动解译等基础理论与关键技术研究,正在成为解决国家安全和社会经济发展重大需求的研究焦点。
遥感影像的变化检测就是从不同时期的遥感数据中,定量地分析和确定地表变化的特征与过程。各国学者从不同的角度和应用研究提出了许多有效的检测算法,如变化矢量分析法(Change Vector Analysis,CVA)、基于Fuzzy C-means(FCM)的聚类方法等。其中,传统的基于卡方变换(Chi-Squared Transform,CST)的多时相光学遥感变化检测,先计算差异影像的均值和方差矩阵,然后再基于置信水平,确定变化检测的阈值,进而得到变化检测结果。该类技术中,使用CST的不足是仅使用多时相高分辨率差异影像的光谱信息,没有利用空间信息。另外,在计算差异影像的均值和方差矩阵时,估计的精度不高。
针对上述问题,有必要研究新的高分辨率可见光遥感图像变化检测技术来有效克服上述难点。
发明内容
为了解决上述背景技术提出的技术问题,本发明旨在提供基于空间约束的卡方变换的多时相遥感影像变化检测方法,采用基于空间约束的卡方变换的变化检测方法,克服了多时相多光谱遥感影像背景信息复杂、噪声干扰严重的问题。
为了实现上述技术目的,本发明的技术方案为:
基于空间约束的卡方变换的多时相遥感影像变化检测方法,包括以下步骤:
(1)输入两时相的高分辨率光学遥感影像,分别记为X1和X2;
(2)对X1和X2进行影像配准;
(3)利用多元变化检测方法分别对X1和X2进行辐射归一化校正;
(4)计算多时相差异影像DX=X1-X2;
(5)确定DX上的非变化区域,计算非变化区域的均值和方差矩阵,并计算DX上每个点的卡方值;初始化时,将整个DX作为非变化区域;
(6)给定置信水平,计算检测阈值,并根据该阈值进行卡方检测,获得初步的检测结果M0;
(7)给定滤波窗口尺寸,对M0进行众数滤波,即滤波窗口内,如果变化的像素数目大于非变化的,则窗口中心点像素为变化的,反之,窗口中心点像素为非变化的,记众数滤波的结果为M1;
(8)判断M1中的非变化区域相较于M0中的非变化区域是否有改变,如果两者没有改变,则将M1作为最终的变化检测结果;如果两者改变了,则将M1中的非变化区域作为新的非变化区域,返回步骤(5),循环迭代。
进一步地,在步骤(7)中,给定滤波窗口的尺寸为3×3或者5×5。
进一步地,在步骤(6)中,采用下式计算检测阈值:
上式中,1-α是置信水平,Cij表示DX在坐标(i,j)处的卡方值,为检测阈值。
进一步地,在步骤(2)中,对X1和X2进行影像配准包括几何粗校正和几何精校正,所述几何粗校正的过程:
(A)选择X1和X2分别作为基准影像和待校正影像;
(B)在基准影像和待校正影像上分别采集地面控制点,地面控制点的数量大于等于9,且地面控制点均匀分布在影像上;
(C)计算基准影像和待校正影像各地面控制点处的均方误差;
(D)采用多项式纠正法对待校正影像进行纠正;
(E)采用双线性插值法对待校正影像进行重采样;
所述几何精校正是将经过几何粗校正的遥感影像,利用自动匹配与三角剖分法进行校正。
进一步地,步骤(3)的具体过程如下:
首先找到两期影像X1和X2各波段亮度值的一个线性组合,得到变化信息增强的差异影像,根据设定的阈值确定该差异影像的变化区域和未变化区域,然后通过未变化区域对应的两时相像元对的映射方程,完成相对辐射校正。
采用上述技术方案带来的有益效果:
(1)本发明将众数滤波引入到CST检测结果之后,使得使用CST变换具有空间约束能力;
(2)本发明采用迭代的方法,估计非变化区域的均值和标准差,克服了仅仅利用整个多波段影像Dx计算均值和方差矩阵的不足,可以使变化检测的结果更加可靠,也更加具有稳健性。
附图说明
图1是本发明的基本流程图;
图2(a)、2(b)分别是2007年1月的沙特***Mina地区高分辨率IKONOS图像第3波段示意图、2007年12月的沙特***的Mina地区高分辨率IKONOS图像第3波段示意图;
图3是变化检测的参考图像;
图4(a)、4(b)、4(c)、4(d)分别是EM-CVA算法、ICST算法、RCST算法、本发明算法的检测结果示意图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
如图1所示,基于空间约束的卡方变换的多时相遥感影像变化检测方法,具体步骤如下:
步骤1:输入同一区域、不同时相的两幅高分辨率光学遥感影像,分别记为X1和X2。
步骤2:对X1和X2进行影像配准,分为粗校正和精校正两个步骤:
对于几何粗校正,利用ENVI4.8软件中的相关功能实现,具体操作步骤为:
(1)显示基准影像和待校正影像;
(2)采集地面控制点GCPs,GCPs应均匀分布在整幅图像内,GCPs的数目至少大于等于9;
(3)计算均方误差;
(4)采用多项式纠正法对待校正影像进行纠正;
(5)采用双线性插值进行重采样输出,若求未知函数f在点P=(x,y)的值,假设已知函数f在Q11=(x1,y1),Q12=(x1,y2),Q21=(x2,y1),及Q22=(x2,y2)四个点的值,如果选择一个坐标***使得这四个点的坐标分别为(0,0)、(0,1)、(1,0)和(1,1),那么双线性插值公式就可以表示为:
f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy
对于几何精校正,将经过几何粗校正的多光谱遥感影像数据,利用自动匹配与三角剖分法进行几何精校正。采用逐点***法构建Delaunay三角网,对每一个三角形,利用其三个顶点的行列号与其对应的基准影像同名点的地理坐标来确定该三角形内部的仿射变换模型参数,对待校正影像进行纠正,得到校正后的遥感影。
步骤3:利用多元变化检测(Multivariate Alteration Detection,MAD)方法对X1和X2进行辐射归一化校正。首先找到X1和X2各波段亮度值的一个线性组合,得到变化信息增强的差异影像,通过阈值确定变化和未变化区域,然后通过未变化区域对应的两时相像元对的映射方程,完成相对辐射校正。
步骤4:对输入的多时相高分辨率影像X1和X2,计算多时相差异影像DX:
DX=X1-X2
步骤5:确定DX上的非变化区域(初始化时,将整个DX作为非变化区域),计算非变化区域的均值和方差矩阵,并计算DX上每个点的卡方值:
Cij=(xij-m)TΣ-1(xij-m)~χ2(b)
上式中,Cij表示DX在(i,j)坐标点的卡方值,其服从自由度为b的卡方分布;
xij表示DX在(i,j)坐标点的矢量值;Σ-1表示方差矩阵的逆矩阵;b表示DX的波段数目。
步骤6:给定置信水平,计算检测阈值,并根据该阈值进行卡方检测,获得初步的检测结果M0。检测阈值的计算公式如下:
当置信水平为1-α时,Cij的值大于的概率为α。如果α取值较小,则大于的Cij可以视为出界点(outlier)或者变化点,由此确定检测阈值为
步骤7:给定滤波窗口尺寸(一般设置为3×3或者5×5的窗口),对M0进行众数滤波,即滤波窗口内,如果变化的像素数目大于非变化的,则窗口中心点像素为变化的,反之,窗口中心点像素为非变化的,记众数滤波的结果为M1。
步骤8:判断M1中的非变化区域相较于M0中的非变化区域是否有改变,如果两者没有改变,则将M1作为最终的变化检测结果;如果两者改变了,则将M1中的非变化区域作为新的非变化区域,返回步骤(5),循环迭代。
本发明的效果可通过以下实验结果与分析进一步说明:
本发明的实验数据为沙特***的Mina地区的多时相IKNOS高分辨影像数据,图像大小为700×950,使用B1、B2和B3三个波段,图2(a)和图2(b)为两时像B3波段的遥感影像。
为了验证本发明的有效性,将本发明变化检测方法与下述变化检测方法进行比对:
(1)基于CVA的EM方法(CVA-EM)[意大利的Bruzzone L.等在文章“Automaticanalysis of difference image for unsupervised change detection”(IEEETransactions on Geoscience and Remote Sensing,2000,38(3):1171-1182.)中所提的检测方法]。
(2)基于迭代的CST检测(ICST)方法[B.Desclée,P.Bogaert,and P.Defourny在文章“Forest change detection by statistical object-based method”(Remote Sensingof Environment,2006,102(1-2):1-12.)中所提的方法]。
(3)基于鲁棒估计的CST检测(RCST)方法[Aiye Shi等在文章“Unsupervisedchange detection based on robust chi-squared transform for bitemporalremotely sensed images”(International of Remote Sensing,2006,102(1-2):1-12.)中所提的方法]。
(4)本发明方法。
图3为变化检测的参考图像。上述四种方法的检测结果如图4(a)、4(b)、4(c)、4(d)所示,检测性能用错检数FP、漏检数FN、总错误数OE和Kappa系数四个指标来衡量。FP、FN和OE越接近于0、Kappa系数越接近于1,表明变化检测方法的性能越好。检测结果如表1所示。由表1可见,本发明所提的检测方法性能优于其他三种检测方法,这表明本发明所提的变化检测方法是有效的。
表1
方法 | FP | FN | OE | k |
CVA-EM | 49065 | 1456 | 50521 | 0.556 |
ICST | 11236 | 868 | 12104 | 0.850 |
RCST | 2192 | 4346 | 6538 | 0.906 |
本发明方法 | 4837 | 1602 | 6439 | 0.913 |
理想 | 0 | 0 | 0 | 1 |
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.基于空间约束的卡方变换的多时相遥感影像变化检测方法,其特征在于,包括以下步骤:
(1)输入两时相的高分辨率光学遥感影像,分别记为X1和X2;
(2)对X1和X2进行影像配准;
(3)利用多元变化检测方法分别对X1和X2进行辐射归一化校正;
(4)计算多时相差异影像DX=X1-X2;
(5)确定DX上的非变化区域,计算非变化区域的均值和方差矩阵,并计算DX上每个点的卡方值;初始化时,将整个DX作为非变化区域;
(6)给定置信水平,计算检测阈值,并根据该阈值进行卡方检测,获得初步的检测结果M0;
(7)给定滤波窗口尺寸,对M0进行众数滤波,即滤波窗口内,如果变化的像素数目大于非变化的,则窗口中心点像素为变化的,反之,窗口中心点像素为非变化的,记众数滤波的结果为M1;
(8)判断M1中的非变化区域相较于M0中的非变化区域是否有改变,如果两者没有改变,则将M1作为最终的变化检测结果;如果两者改变了,则将M1中的非变化区域作为新的非变化区域,返回步骤(5),循环迭代。
2.根据权利要求1所述基于空间约束的卡方变换的多时相遥感影像变化检测方法,其特征在于:在步骤(7)中,给定滤波窗口的尺寸为3×3或者5×5。
3.根据权利要求1所述基于空间约束的卡方变换的多时相遥感影像变化检测方法,其特征在于:在步骤(6)中,采用下式计算检测阈值:
上式中,1-α是置信水平,Cij表示DX在坐标(i,j)处的卡方值,为检测阈值。
4.根据权利要求1所述基于空间约束的卡方变换的多时相遥感影像变化检测方法,其特征在于:在步骤(2)中,对X1和X2进行影像配准包括几何粗校正和几何精校正,所述几何粗校正的过程:
(A)选择X1和X2分别作为基准影像和待校正影像;
(B)在基准影像和待校正影像上分别采集地面控制点,地面控制点的数量大于等于9,且地面控制点均匀分布在影像上;
(C)计算基准影像和待校正影像各地面控制点处的均方误差;
(D)采用多项式纠正法对待校正影像进行纠正;
(E)采用双线性插值法对待校正影像进行重采样;
所述几何精校正是将经过几何粗校正的遥感影像,利用自动匹配与三角剖分法进行校正。
5.根据权利要求1所述基于空间约束的卡方变换的多时相遥感影像变化检测方法,其特征在于:步骤(3)的具体过程如下:
首先找到两期影像X1和X2各波段亮度值的一个线性组合,得到变化信息增强的差异影像,根据设定的阈值确定该差异影像的变化区域和未变化区域,然后通过未变化区域对应的两时相像元对的映射方程,完成相对辐射校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610814949.4A CN106469452B (zh) | 2016-09-09 | 2016-09-09 | 一种遥感影像的变化检测处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610814949.4A CN106469452B (zh) | 2016-09-09 | 2016-09-09 | 一种遥感影像的变化检测处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106469452A true CN106469452A (zh) | 2017-03-01 |
CN106469452B CN106469452B (zh) | 2019-02-22 |
Family
ID=58230584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610814949.4A Active CN106469452B (zh) | 2016-09-09 | 2016-09-09 | 一种遥感影像的变化检测处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106469452B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481235A (zh) * | 2017-08-24 | 2017-12-15 | 河海大学 | 一种数学形态学滤波结合卡方变换的多时相遥感影像变化检测方法 |
CN107689055A (zh) * | 2017-08-24 | 2018-02-13 | 河海大学 | 一种多时相遥感影像变化检测方法 |
CN107689056A (zh) * | 2017-08-24 | 2018-02-13 | 河海大学 | 一种卡方变换结合水平集方法的多时相遥感影像变化检测方法 |
CN107689051A (zh) * | 2017-09-08 | 2018-02-13 | 浙江环球星云遥感科技有限公司 | 一种基于变化因子的多时相sar影像变化检测方法 |
CN109523516A (zh) * | 2018-10-19 | 2019-03-26 | 中国科学院遥感与数字地球研究所 | 一种基于双重约束条件的对象级土地覆盖变化检测方法 |
CN109872270A (zh) * | 2019-01-14 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 一种基于参考影像库的光学遥感影像地表反射率反演方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741309A (zh) * | 2016-03-18 | 2016-07-06 | 武汉大学 | 一种基于卡方变换和样本选择的遥感影像变化检测方法 |
-
2016
- 2016-09-09 CN CN201610814949.4A patent/CN106469452B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741309A (zh) * | 2016-03-18 | 2016-07-06 | 武汉大学 | 一种基于卡方变换和样本选择的遥感影像变化检测方法 |
Non-Patent Citations (2)
Title |
---|
BAUDOUIN DESCLÉE等: "Forest change detection by statistical object-based method", 《REMOTE SENSING OF ENVIRONMENT》 * |
李亮等: "基于卡方分布的矢量图和遥感影像变化检测方法", 《地理空间信息》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481235A (zh) * | 2017-08-24 | 2017-12-15 | 河海大学 | 一种数学形态学滤波结合卡方变换的多时相遥感影像变化检测方法 |
CN107689055A (zh) * | 2017-08-24 | 2018-02-13 | 河海大学 | 一种多时相遥感影像变化检测方法 |
CN107689056A (zh) * | 2017-08-24 | 2018-02-13 | 河海大学 | 一种卡方变换结合水平集方法的多时相遥感影像变化检测方法 |
CN107689051A (zh) * | 2017-09-08 | 2018-02-13 | 浙江环球星云遥感科技有限公司 | 一种基于变化因子的多时相sar影像变化检测方法 |
CN109523516A (zh) * | 2018-10-19 | 2019-03-26 | 中国科学院遥感与数字地球研究所 | 一种基于双重约束条件的对象级土地覆盖变化检测方法 |
CN109872270A (zh) * | 2019-01-14 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 一种基于参考影像库的光学遥感影像地表反射率反演方法 |
CN109872270B (zh) * | 2019-01-14 | 2020-11-27 | 中国科学院遥感与数字地球研究所 | 一种基于参考影像库的光学遥感影像地表反射率反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106469452B (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106469452A (zh) | 基于空间约束的卡方变换的多时相遥感影像变化检测方法 | |
CN106447653B (zh) | 基于空间约束的卡方变换的多时相遥感影像变化检测方法 | |
CN105551031B (zh) | 基于fcm和证据理论的多时相遥感影像变化检测方法 | |
Xiao et al. | Change detection of built-up land: A framework of combining pixel-based detection and object-based recognition | |
CN105405133B (zh) | 一种遥感影像变化检测方法 | |
CN104574347B (zh) | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 | |
CN101937079B (zh) | 基于区域相似度的遥感影像变化检测方法 | |
CN104657945B (zh) | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 | |
CN106650571B (zh) | 一种基于自适应卡方变换的多时相遥感影像变化检测方法 | |
CN105389817B (zh) | 一种两时相遥感影像变化检测方法 | |
CN106372612A (zh) | 一种fcm结合mrf模型的多时相遥感影像变化检测方法 | |
CN109255781B (zh) | 一种面向对象的多光谱高分辨率遥感影像变化检测方法 | |
CN107689055A (zh) | 一种多时相遥感影像变化检测方法 | |
CN107481235A (zh) | 一种数学形态学滤波结合卡方变换的多时相遥感影像变化检测方法 | |
CN107909083B (zh) | 一种基于轮廓匹配优化的矩形检测提取方法 | |
Peeters et al. | Automated recognition of urban objects for morphological urban analysis | |
CN103871039A (zh) | 一种sar图像变化检测差异图生成方法 | |
CN106373120B (zh) | 基于非负矩阵分解和核fcm的多时相遥感影像变化检测方法 | |
CN106485693B (zh) | 卡方变换结合mrf模型的多时相遥感影像变化检测方法 | |
Zhang et al. | GPU-accelerated large-size VHR images registration via coarse-to-fine matching | |
CN105354845B (zh) | 一种遥感影像半监督变化检测方法 | |
CN101572820B (zh) | 一种运动目标检测过程中的视频信号预处理方法 | |
CN109242832A (zh) | 一种多时相多光谱遥感影像变化检测方法及*** | |
CN106384352A (zh) | 基于融合策略和fcm的多时相遥感影像变化检测方法 | |
CN109300115A (zh) | 一种面向对象的多光谱高分辨率遥感影像变化检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Chen Zhe Inventor after: Shi Aiye Inventor after: Kong Weiwei Inventor after: Wang Xin Inventor before: Shi Aiye Inventor before: Kong Weiwei |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |