CN109064496A - 一种遥感图像对象层次的变化检测方法 - Google Patents

一种遥感图像对象层次的变化检测方法 Download PDF

Info

Publication number
CN109064496A
CN109064496A CN201810927283.2A CN201810927283A CN109064496A CN 109064496 A CN109064496 A CN 109064496A CN 201810927283 A CN201810927283 A CN 201810927283A CN 109064496 A CN109064496 A CN 109064496A
Authority
CN
China
Prior art keywords
image information
remote sensing
image
sensing images
object hierarchy
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.)
Pending
Application number
CN201810927283.2A
Other languages
English (en)
Inventor
任金铜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou University of Engineering Science
Original Assignee
Guizhou University of Engineering Science
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guizhou University of Engineering Science filed Critical Guizhou University of Engineering Science
Priority to CN201810927283.2A priority Critical patent/CN109064496A/zh
Publication of CN109064496A publication Critical patent/CN109064496A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开的属于图像处理技术领域，具体为一种遥感图像对象层次的变化检测方法，该遥感图像对象层次的变化检测方法的具体检测步骤如下：S1：采集获取目标地区两个时相的图像信息，S2：对两个时相的图像信息初步处理，S3：对两个时相的图像信息分割处理，S4：对分割的两个时相图像信息聚类处理，S5：对聚类后的两个时相图像信息差值检测，通过对图像初步处理的方式，后续采用灰度值作为判断检测变化的依据，能够保证检测的准确性；通过对图像信息的分割，且分割尺寸较小，检测较为精确；通过以聚类的方式进行判断识别两个时相图像信息上的相同区域，保证识别的准确性。

Description

一种遥感图像对象层次的变化检测方法
技术领域
本发明涉及图像处理技术领域，具体为一种遥感图像对象层次的变化检测方法。
背景技术
遥感技术的出现，改变了人类观测地球的方式；可重复性的遥感资料的获取，使得人类具有了解地表环境动态变化的新途径。遥感技术的发展，光学遥感图像的空间分辨率已从最初的百米级提高到米级，甚至更高；可以重复获得同一地区的多时相遥感图像数据，重访周期也已大大缩短。因而，遥感图像变化检测技术，成为有效利用遥感图像数据的重要途径。
遥感变化检测技术起始于上世纪60年代。1961年，Rosefeld第一次发表用数字化的侦察遥感图像进行自动变化检测论文，并首次提出像元灰度差分的变化检测方法。学术界公认的关于变化检测的权威定义是由印度学者Singh提出，即变化检测是通过对同一目标或现象不同时间的观测来确定其变化的处理过程。这是一种广义的定义，可以具体的理解为遥感变化检测就是利用多时相获取的同一地表区域的遥感图像来确定和分析地表变化，提供地物的空间分布及其变化的定性与定量信息。基于像元光谱特征的变化检测方法主要包含图像代数运算、图像变换和图像分类比较等几种。国内李亚平等(2008)提出了变化检测光谱阈值确定方法，试图提高像元级变化检测方法的应用能力。刘臻等(2005)尝试进行基于相似度验证的变化检测技术。
例如中国专利公开号为CN102419865B公开一种图像对象层次的变化检测方法，该方法首先获取同一地区两个时相的遥感图像数据，进行图像配准，空间位置基本一致；然后采用尺度自适应的图像分割方法对两个时相的遥感图像进行图像最优分割；并设定优势图斑条件，在两个时相图像最优分割结果中进行优势图斑的识别和检出；对优势图斑进行基于栅格的叠置分析，并对叠置分析结果进行优势图斑的识别和检出；在叠置分析结果中识别两个时相的优势图斑中发生形状变化；以图斑为单元，统计已有的两个图像间的变化检测数据；进一步标记变化检测数据为图斑空间变化和图斑空间未变化两部分。其不仅能检出图像变化过程中是否发生了地物空间形状的变化，而且能给出空间变化信息。不仅能检出图像变化过程中是否发生了地物空间形状的变化，而且能给出空间变化信息，但是其在检测前没有进行图像预处理，会影响测量准确性，测量中的测量精度不够。
发明内容
本发明的目的在于提供一种遥感图像对象层次的变化检测方法，以解决上述背景技术中提出的现有的检测方法在检测前没有进行图像预处理，会影响测量准确性，测量中的测量精度不够的问题。
为实现上述目的，本发明提供如下技术方案：一种遥感图像对象层次的变化检测方法，该遥感图像对象层次的变化检测方法的具体检测步骤如下：
S1：采集获取目标地区两个时相的图像信息：通过卫星拍摄获取目标地区的两个不同时间的图像信息，采集的两个不同时间的图像信息拍摄范围相同；
S2：对两个时相的图像信息初步处理：对步骤S1中两个图像信息获取，并对该图像信息判断是否为彩色图像，包括以下两种情况：
a)否，视为去雾化的图像信息，并将该图像传输至步骤S3处理；
b)是，将图像信息进行灰度处理和去雾化处理，处理后的图像传输至步骤S3处理；
S3：对两个时相的图像信息分割处理：建立坐标系，将步骤S2中处理后的两个不同时相的图像信息一次加入坐标系中，分别对两个不同时相的图像信息进行分割处理；
S4：对分割的两个时相图像信息聚类处理：对分割后的对两个不同时相的图像信息进行聚类识别，找到两个不同时相的图像信息中相对应的区域并做相应的识别标记；
S5：对聚类后的两个时相图像信息差值检测：对聚类后的两个时相图像信息的对应区域进行变化检测，并获取变化的信息。
优选的，所述步骤S2中情况b)的灰度处理采用最大值法，将图像信息中的三个分量亮度的最大值作为灰度图的灰度值。
优选的，所述步骤S3中图像信息分割处理以像素点为单元点，且每个分割区域均为正方形，每个正方形的边长为9、11、13或者15个像素点的长度。
优选的，所述步骤S4中的聚类方式采用谱聚类的方式进行分类。
优选的，所述步骤S5中两个时相图像信息差值检测的方式为检测两个时相图像信息中目标区域的灰度差值。
与现有技术相比，本发明的有益效果是：一种遥感图像对象层次的变化检测方法的检测优势在于：
1)通过对图像初步处理的方式，后续采用灰度值作为判断检测变化的依据，能够保证检测的准确性；
2)通过对图像信息的分割，且分割尺寸较小，检测较为精确；
3)通过以聚类的方式进行判断识别两个时相图像信息上的相同区域，保证识别的准确性。
附图说明
图1为本发明检测方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种遥感图像对象层次的变化检测方法，该遥感图像对象层次的变化检测方法的具体检测步骤如下：
S1：采集获取目标地区两个时相的图像信息：通过卫星拍摄获取目标地区的两个不同时间的图像信息，采集的两个不同时间的图像信息拍摄范围相同；
S2：对两个时相的图像信息初步处理：对步骤S1中两个图像信息获取，并对该图像信息判断是否为彩色图像，包括以下两种情况：
a)否，视为去雾化的图像信息，并将该图像传输至步骤S3处理；
b)是，将图像信息进行灰度处理和去雾化处理：
灰度处理采用最大值法，将图像信息中的三个分量亮度的最大值作为灰度图的灰度值；
将有雾图像信息对应的暗原色通道图像中的所有像素点，按其灰度值由大到小排列，得到像素点序列，从像素点序列中灰度值最大的像素点开始，一次提取占该序列0.1％比例的像素点，记录所提取像素点的暗原色通道图像中的坐标；
从有雾图像信息中提取中提取所记录坐标上的像素点，得到集合1；
将集合1中所有像素点的三个颜色通道中的亮度值由大到小排列，得到亮度值序列，从中选取最大的亮度值作为全局大气光；
计算所有暗原色通道图像中的像素点，计算其的灰度值并结合全局大气光进行投射除雾处理；
处理后的图像传输至步骤S3处理；
S3：对两个时相的图像信息分割处理：建立坐标系，将步骤S2中处理后的两个不同时相的图像信息一次加入坐标系中，分别对两个不同时相的图像信息进行分割处理，图像信息分割处理以像素点为单元点，且每个分割区域均为正方形，每个正方形的边长为11个像素点的长度；
S4：对分割的两个时相图像信息聚类处理：对分割后的对两个不同时相的图像信息进行聚类识别，采用谱聚类的方式进行分类：
选择K个点作为初始质心；
repeat将每个点指派到最近的质心；
形成K个簇重新计算每个簇的质心；
until簇不发生变化或达到最大迭代次数。
这里的重新计算每个簇的质心，考虑距离度量和目标函数。
考虑欧几里得距离的数据，使用误差平方和作为聚类的目标函数，两次运行K均值产生的两个不同的簇集，选用SSE最小的对象：
k表示k个聚类中心，ci表示第几个中心，dist表示的是欧几里得距离；
对k个质心ck求解，即对SSE求导，导数为0，求解如下：
得出
簇的最小化SSE的最佳质心是簇中各点的均值；
找到两个不同时相的图像信息中相对应的区域并做相应的识别标记；
S5：对聚类后的两个时相图像信息差值检测：对聚类后的两个时相图像信息的对应区域进行变化检测，两个时相图像信息差值检测的方式为检测两个时相图像信息中目标区域的灰度差值，将两个时相图像信息放在一起重叠，同步检测不同的显示值来检测，并获取变化的信息。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种遥感图像对象层次的变化检测方法，其特征在于：该遥感图像对象层次的变化检测方法的具体检测步骤如下：
S1：采集获取目标地区两个时相的图像信息：通过卫星拍摄获取目标地区的两个不同时间的图像信息，采集的两个不同时间的图像信息拍摄范围相同；
S2：对两个时相的图像信息初步处理：对步骤S1中两个图像信息获取，并对该图像信息判断是否为彩色图像，包括以下两种情况：
a)否，视为去雾化的图像信息，并将该图像传输至步骤S3处理；
b)是，将图像信息进行灰度处理和去雾化处理，处理后的图像传输至步骤S3处理；
S3：对两个时相的图像信息分割处理：建立坐标系，将步骤S2中处理后的两个不同时相的图像信息一次加入坐标系中，分别对两个不同时相的图像信息进行分割处理；
S4：对分割的两个时相图像信息聚类处理：对分割后的对两个不同时相的图像信息进行聚类识别，找到两个不同时相的图像信息中相对应的区域并做相应的识别标记；
S5：对聚类后的两个时相图像信息差值检测：对聚类后的两个时相图像信息的对应区域进行变化检测，并获取变化的信息。
2.根据权利要求1所述的一种遥感图像对象层次的变化检测方法，其特征在于：所述步骤S2中情况b)的灰度处理采用最大值法，将图像信息中的三个分量亮度的最大值作为灰度图的灰度值。
3.根据权利要求1所述的一种遥感图像对象层次的变化检测方法，其特征在于：所述步骤S3中图像信息分割处理以像素点为单元点，且每个分割区域均为正方形，每个正方形的边长为9、11、13或者15个像素点的长度。
4.根据权利要求1所述的一种遥感图像对象层次的变化检测方法，其特征在于：所述步骤S4中的聚类方式采用谱聚类的方式进行分类。
5.根据权利要求1所述的一种遥感图像对象层次的变化检测方法，其特征在于：所述步骤S5中两个时相图像信息差值检测的方式为检测两个时相图像信息中目标区域的灰度差值。
CN201810927283.2A 2018-08-15 2018-08-15 一种遥感图像对象层次的变化检测方法 Pending CN109064496A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810927283.2A CN109064496A (zh) 2018-08-15 2018-08-15 一种遥感图像对象层次的变化检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810927283.2A CN109064496A (zh) 2018-08-15 2018-08-15 一种遥感图像对象层次的变化检测方法

Publications (1)

Publication Number Publication Date
CN109064496A true CN109064496A (zh) 2018-12-21

Family

ID=64678450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810927283.2A Pending CN109064496A (zh) 2018-08-15 2018-08-15 一种遥感图像对象层次的变化检测方法

Country Status (1)

Country Link
CN (1) CN109064496A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109993104A (zh) * 2019-03-29 2019-07-09 河南工程学院 一种遥感图像对象层次的变化检测方法
CN114627087A (zh) * 2022-03-21 2022-06-14 国网江苏省电力有限公司无锡供电分公司 一种多时相卫星遥感图像的地物变化自动检测方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694719A (zh) * 2009-10-13 2010-04-14 西安电子科技大学 基于非参数密度估计的遥感图像变化检测方法
CN102063720A (zh) * 2011-01-06 2011-05-18 西安电子科技大学 基于Treelets的遥感图像变化检测方法
CN104182985A (zh) * 2014-09-01 2014-12-03 西安电子科技大学 遥感图像变化检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694719A (zh) * 2009-10-13 2010-04-14 西安电子科技大学 基于非参数密度估计的遥感图像变化检测方法
CN102063720A (zh) * 2011-01-06 2011-05-18 西安电子科技大学 基于Treelets的遥感图像变化检测方法
CN104182985A (zh) * 2014-09-01 2014-12-03 西安电子科技大学 遥感图像变化检测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109993104A (zh) * 2019-03-29 2019-07-09 河南工程学院 一种遥感图像对象层次的变化检测方法
CN109993104B (zh) * 2019-03-29 2022-09-16 河南工程学院 一种遥感图像对象层次的变化检测方法
CN114627087A (zh) * 2022-03-21 2022-06-14 国网江苏省电力有限公司无锡供电分公司 一种多时相卫星遥感图像的地物变化自动检测方法及***
CN114627087B (zh) * 2022-03-21 2024-04-12 国网江苏省电力有限公司无锡供电分公司 一种多时相卫星遥感图像的地物变化自动检测方法及***

Similar Documents

Publication Publication Date Title
CN110349126B (zh) 一种基于卷积神经网络带标记的钢板表面缺陷检测方法
CN102288613B (zh) 一种灰度和深度信息融合的表面缺陷检测方法
Urbach et al. Automatic detection of sub-km craters in high resolution planetary images
CN104182754B (zh) 一种基于高分辨率遥感影像的农村居民点信息提取方法
CN106446894B (zh) 一种基于轮廓识别球型目标物位置的方法
CN108520514B (zh) 基于计算机视觉的印刷电路板电子元器一致性检测方法
CN104268505A (zh) 基于机器视觉的布匹疵点自动检测识别装置及方法
CN102974551A (zh) 一种基于机器视觉的多晶硅太阳能检测分选的方法
CN104680161A (zh) 一种身份证数字识别方法
CN102129685B (zh) 一种基于高斯金字塔分解的不规则圆检测方法
CN107066998A (zh) 一种利用移动设备的指针式圆形单仪表盘实时识别方法
KR101932214B1 (ko) 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법
CN103914707B (zh) 基于支持向量机的绿色通道产品辅助判别方法
CN102360503B (zh) 基于空间贴近度和像素相似性的sar图像变化检测方法
CN108921025A (zh) 一种协同变化检测的对象级分类样本自动选择方法
CN106951863B (zh) 一种基于随机森林的变电站设备红外图像变化检测方法
CN107133623A (zh) 一种基于背景差和圆心定位的指针位置精确检测方法
CN109064496A (zh) 一种遥感图像对象层次的变化检测方法
CN114450711A (zh) 工件的表面缺陷检测装置及检测方法、工件的表面检查***以及程序
CN107239743B (zh) 一种基于投影法的刻度线读数自动检测方法
CN107545565B (zh) 一种太阳能网版检测方法
CN113221805A (zh) 一种电力设备图像位置获取方法及装置
CN112906659A (zh) 基于虚拟样本的遥感影像变化检测方法
CN106447904B (zh) 一种纸币的鉴别方法和装置
CN111368844A (zh) 一种基于bse图的矿物颗粒自动识别方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181221

RJ01 Rejection of invention patent application after publication