專利名稱：基于局部熵視覺注意模型的遙感圖像變化檢測方法
技術領域：
本發(fā)明涉及圖像處理技術領域，特別是遙感圖像的處理，主要可應用于生態(tài)和環(huán)境的監(jiān)控以及自然災害的評測與預防。
背景技術：
遙感圖像變化檢測是指選用合適的檢測方法，從不同時期獲取的多幅遙感圖像中提取出變化信息并加以分析，生成變化分布圖和其他檢測結果的技術。目前遙感圖像變化檢測技術變化檢測已成為遙感圖像處理研究的一個研究重點，被廣泛的應用到社會經濟的各個領域，比如災害監(jiān)測和評估、土地使用情況的分析、水資源質量和地理分布情況調查、城市的規(guī)劃及布局、氣候的變化監(jiān)測、戰(zhàn)場態(tài)勢的評估等。目前遙感圖像變化檢測還處于初步階段，大致有兩個路線，一條路線是分類后比較方法，該方法先對多時相遙感圖像單獨進行分類標記，然后根據(jù)相應像素類別的差異來提取發(fā)生變化的區(qū)域/像素，最后得到變化檢測 結果；另外一條路線是圖像直接比較方法，該方法先對多時相遙感圖像進行逐像素的比較，比如逐像素點的差值、比值、CVA等，再對比較得出的差異圖像進行進一步地多種變換、概率分布等處理以達到兩分類，最后得到變化檢測結果。圖像直接比較方法能夠減少由于數(shù)據(jù)獲取平臺和環(huán)境的不同引起的偽變化信息，不需要數(shù)據(jù)的輻射校正等復雜的預處理，目前較多的研究是沿著圖像直接比較方法這個路線進行的。目前變化檢測方法的缺陷主要有:對于圖像直接比較方法而言，首先，差異圖可分性的高低直接影響著變化檢測結果，而高可分性差異圖的構建至今是一個難題；其次，簡單的圖像直接比較方法，既沒有利用到圖像的空間信息，也沒有考慮到噪聲或光照變化造成的影響，很容易造成虛檢或誤檢；最后，在構造差異圖的過程中不可避免的造成了圖像信息的丟失，圖像直接比較方法把變化信息壓縮到一維的差異圖像上，損失了遙感圖像的波段信息，從而使檢測不準確。

發(fā)明內容
本發(fā)明的目的在于針對上述已有技術的不足，提出了一種基于局部熵視覺注意模型的遙感圖像變化檢測方法，以降低構造差異圖降維造成的較高漏檢率，并提高差異圖的可分性，提高遙感圖像變化檢測的檢測精度。為實現(xiàn)上述目的，本發(fā)明基于局部熵視覺注意模型的遙感圖像變化檢測方法，包括如下步驟:( I)輸入變化前遙感圖像P1和變化后遙感圖像P2，其中，變化前后的遙感圖像大小均為mXn ；(2)對變化前遙感圖像P1提取h維灰度特征H1和d維方向特征D1，得到h+d幅變化前特征圖像P11 G H1 U D1, I = 1，2，...，(h+d)，同時，對變化后遙感圖像P2提取h維灰度特征H2和d維方向特征D2,得到h+d幅變化后特征圖像P21 G H2 U D2,其中，U表示灰度特征與方向特征的并集；(3)利用變化前遙感圖像P1在不同特征空間R1 G Hr U Dr,r = 1,2內的變化前特征圖像Pu，構造3層變化前高斯金字塔Gu=gll (c)，c=0, 1，2，其中，gu (C)為變化前高斯金字塔中的第c層圖像，變化前高斯金字塔第0層圖像gu(0)大小為mXn，且第c層圖像gu(c)為在第c-1層圖像gu (c-1)上，進行隔行隔列下采樣得到；(4)利用變化后遙感圖像P2在不同特征空間R1內的變化后特征圖像p21，構造3層變化后高斯金字塔G21=g21(s)，s=0，I, 2，其中g21(s)為變化后高斯金字塔中的第s層圖像，且變化后高斯金字塔的構造方法與變化前高斯金字塔相同；(5)分別在每個特征空間R1內，對變化前高斯金字塔G11和變化后高斯金字塔G2I中屬于不同高斯金字塔的任意兩層圖像，進行“中央-邊緣”操作，得到每個特征空間R1內的特征圖 F1, I = I, 2, , (h+d):
權利要求
1.基于局部熵的視覺注意模型的遙感圖像的變化檢測方法，包括如下步驟: (1)輸入變化前遙感圖像P1和變化后遙感圖像P2，其中，變化前后的遙感圖像大小均為mXn ； (2)對變化前遙感圖像P1提取h維灰度特征H1和d維方向特征D1，得到h+d幅變化前特征圖像P11 G H1 U D1, I = 1，2，...，(h+d)，同時，對變化后遙感圖像P2提取h維灰度特征H2和d維方向特征D2,得到h+d幅變化后特征圖像P21 G H2 U D2,其中，U表示灰度特征與方向特征的并集； (3)利用變化前遙感圖像P1在不同特征空間R1G Hr U Dr,r = 1,2內的變化前特征圖像Pu，構造3層變化前高斯金字塔Gu=gll (c)，c=0，I, 2，其中，gu (c)為變化前高斯金字塔中的第c層圖像，變化前高斯金字塔第O層圖像gu(0)大小為mXn，且第c層圖像gu (c)為在第c-1層圖像gu(c-1)上，進行隔行隔列下采樣得到； (4)利用變化后遙感圖像P2在不同特征空間R1內的變化后特征圖像P21，構造3層變化后高斯金字塔G21=g21(s)，s=0，I, 2，其中g21(s)為變化后高斯金字塔中的第s層圖像，且變化后高斯金字塔的構造方法與變化前高斯金字塔相同； (5)分別在每個特征空間R1內，對變化前高斯金字塔G11和變化后高斯金字塔G21中屬于不同高斯金字塔的任意兩層圖像，進行“中央-邊緣”操作，得到每個特征空間R1內的特征圖 F1, I = I, 2, , (h 十 d):
2.根據(jù)權利要求1所述的方法，其中步驟(7)所述的將不同特征空間R1內的加熵特征圖H1進行加權融合，得到視覺注意模型的顯著圖F，按如下步驟進行: 2a)分別計算每個特征空間R1內的加熵特征圖H1的均值M1，假設特征空間R1內的加熵特征圖H1的均值為M1，則該特征空間R1內的加熵特征圖H1對應的權值Ic1為:
全文摘要
本發(fā)明公開了一種基于局部熵的視覺注意模型的遙感圖像的變化檢測方法，主要解決現(xiàn)有技術中變化檢測漏檢率高的問題。其實現(xiàn)過程是首先，對變化前后的遙感圖像分別提取灰度和方向特征，得到變化前后圖像在每個特征空間內的特征圖像；其次，用變化前后特征圖像構造前后高斯金字塔，并在前后高斯金字塔之間進行“中央-差值”運算，得到每個特征空間下的特征圖；然后，分別對不同特征空間內的特征圖計算局部熵，并將不同特征空間內的加熵特征圖進行加權融合，得到視覺注意模型顯著圖；最后，用模糊C均值的方法對顯著圖進行分類，得到最終的變化檢測結果圖。本發(fā)明避免了已有技術中的信息丟失和累積誤差等問題，提高了變化檢測的檢測精度。
文檔編號G06T7/00GK103226826SQ20131009079
公開日2013年7月31日 申請日期2013年3月20日 優(yōu)先權日2013年3月20日
發(fā)明者緱水平, 焦李成, 余田田, 馬晶晶, 馬文萍, 朱虎明 申請人:西安電子科技大學