基于掩膜分類的遙感影像變化檢測方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于攝影測量與遙感影像應(yīng)用技術(shù)領(lǐng)域，具體涉及一種基于掩膜分類的遙 感影像變化檢測方法及系統(tǒng)，適用于實時、自動（或半自動）的檢測遙感影像變化。
【背景技術(shù)】
[0002] 遙感影像變化檢測是通過分析同一地區(qū)不同時相的遙感圖像，檢測該地區(qū)的地物 隨時間變化的信息。隨著航空航天技術(shù)的飛速發(fā)展，遙感觀測數(shù)據(jù)以實時、快速、覆蓋范圍 廣、高時空分辨率等特點得到越來越廣泛的應(yīng)用。如何有效地提取海量數(shù)據(jù)中的變化信息， 并用于環(huán)境、農(nóng)業(yè)、生態(tài)系統(tǒng)以及人類面臨的各種自然災(zāi)害的預(yù)防，已經(jīng)成為目前遙感應(yīng)用 研宄中的熱點問題。近年來，國內(nèi)外眾多學(xué)者相繼開展了許多變化檢測的理論研宄與系統(tǒng) 開發(fā)工作，并取得一系列成果。
[0003] 目前，常用的遙感影像變化檢測方法有直接比較法和分類后比較法，前者操作簡 單、速度快，但只能定量描述目標(biāo)區(qū)是否發(fā)生變化，很難確定變化性質(zhì)；后者可提供變化類 型信息，但必須進行兩次影像分類且制定統(tǒng)一的分類標(biāo)準(zhǔn)，檢測精度受到單獨分類的誤差 傳播影響。此外，中高分辨率遙感影像存在混合像元的現(xiàn)象，用傳統(tǒng)"硬"分類法無法獲得 較高的精度，而模糊C均值聚類（FCM)是一種軟聚類算法，利用隸屬度使類與類之間沒有 明顯界限，用來處理混合像元行之有效，但存在過分依賴初始聚類中心、類別數(shù)難以自動確 定、對孤立點噪聲數(shù)據(jù)敏感等缺陷。
[0004] 文中涉及如下參考文獻：
[0005] [1]吳芳，劉榮，田維春等.遙感變化檢測技術(shù)及其應(yīng)用綜述[J].地理空間信 息，2007, 5(4) :57-60.
[0006] [2] Lu D, M ausel P1Brondzio E, etal. Change detection techniques [J]. International journal of remote sensing, 2004, 25(12):2365-2401.
[0007] [3] Robe M. Haralick, K. Shanmugam, Textural features for image classification[J]. Systems,Man and Cybernetics, IEEE Transactions on, 1973(6) :610-621.
[0008] [4]Mas J F. Monitoring land-cover changes: a comparison of change detection techniques. International Journal of Remote Sensing，1999,20(I) :139- 152.
[0009] [5]李敏.基于模糊C均值算法的遙感圖像變化檢測的研宄[D].湖南大學(xué)，2009.

【發(fā)明內(nèi)容】

[0010] 針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供了一種可防止信息丟失、提高檢測精度 的基于掩膜分類的遙感影像變化檢測方法及系統(tǒng)。
[0011] 本發(fā)明將模糊聚類的思想引入到遙感影像變化檢測中，在利用改進FCM進行分類 處理基礎(chǔ)上，采用一種掩膜分類變化檢測法，來防止有用信息丟失、提高變化檢測精度。
[0012] 本發(fā)明主要包括兩大階段，第一階段：構(gòu)造變化掩膜；第二階段：利用改進的模糊 C均值聚類法進行掩膜分類，以檢測影像變化。
[0013] 第一階段中，由于直接比較法中常用的比值法能增強變化信息、抑制背景信息，但 有時會過于夸大部分變化；差值法直接且便于操作，但不能完全反應(yīng)出地物輻射能量的變 化。考慮到比值法和差值法各自的優(yōu)勢及局限性，本發(fā)明在差值和比值影像乘積變換融合 的基礎(chǔ)上，采用一種新的復(fù)合法構(gòu)造差異影像，為后續(xù)的變化檢測提供數(shù)據(jù)源。該復(fù)合法引 入偏差因子，對灰度層級有調(diào)整作用，能增強差異影像的振幅及結(jié)構(gòu)信息，更有利于變化檢 測。此外，由于遙感影像分辨率的不斷提高，地物在多波段影像的不同通道存在波段間的敏 感性差異，給變化檢測帶來虛檢、漏檢等影響。本發(fā)明綜合考慮各個波段對變化檢測的貢獻 度，采用鄰域熵權(quán)法對單波段差異影像進行調(diào)權(quán)處理。信息熵度量某隨機事件包含的信息 量，該波段像元的鄰域信息量越大或不確定性越高，該波段對應(yīng)的權(quán)值越大、對變化檢測的 貢獻度也越大。所以，在該階段，分離R、G、B單波段后，采用差值/比值復(fù)合法分別構(gòu)造 R、 G、B單波段的差異影像。再采用鄰域熵權(quán)法對R、G、B單波段差異影像進行調(diào)權(quán)求和處理， 權(quán)值大小對應(yīng)各波段的貢獻度，并結(jié)合Ostu閾值分割法確定二值變化掩膜。
[0014] 第二階段中，由于分類前比較法操作簡單，檢測執(zhí)行速度快，能定量描述目標(biāo)區(qū)是 否發(fā)生了變化，但很難確定目標(biāo)區(qū)域變化的性質(zhì)。而分類后比較法可提供變化區(qū)域的變化 類型信息，但精度受到誤差傳播的影響。因此，本發(fā)明綜合考慮兩者的優(yōu)劣性，將二值變化 掩膜與時相二多波段遙感影像乘積融合確定變化區(qū)域，并利用改進的模糊C均值聚類法 (FCM)對變化區(qū)域聚類。最后參考時相一多波段遙感影像的地物類型先驗知識，確定變化過 程，即"從什么"變化"到什么"。掩膜分類法有效防止有用信息丟失、抑制噪聲、提高變化檢 測精度。
[0015] 由于模糊C均值聚類法是一種典型的"軟聚類"，算法簡單、收斂速度快，隸屬度的 引進使得處理混合像元行之有效。但該方法存在一些不足：如過分依賴初始聚類中心、類別 數(shù)不能自動確定、忽略空間信息導(dǎo)致局部最優(yōu)等。本發(fā)明對模糊C均值聚類法做兩點改進， 其一：基于區(qū)間劃分思想，以各區(qū)間像元灰度均值作為初始聚類中心；其二：引入鄰域像素 的位置和屬性信息得到相似度加權(quán)隸屬度和加權(quán)空間函數(shù)，使模糊C均值聚類法具有更強 的抗噪能力，有效避免局部最優(yōu)，改善分類效果。
[0016] 本發(fā)明的技術(shù)方案如下：
[0017] -、基于掩膜分類的遙感影像變化檢測方法，包括步驟：
[0018] 步驟1，多波段遙感影像的預(yù)處理，即多波段遙感影像的濾波和增強處理；
[0019] 步驟2,對預(yù)處理后的多波段遙感影像進行單波段分離，獲得單波段遙感影像； [0020] 步驟3,構(gòu)造兩時相單波段遙感影像的單波段差異影像；
[0021] 步驟4,構(gòu)造變化掩膜差異影像
【主權(quán)項】
1. 基于掩膜分類的遙感影像變化檢測方法，其特征在于，包括步驟： 步驟1，多波段遙感影像的預(yù)處理，即多波段遙感影像的濾波和增強處理； 步驟2,對預(yù)處理后的多波段遙感影像進行單波段分離，獲得單波段遙感影像； 步驟3,構(gòu)造兩時相單波段遙感影像的單波段差異影像； 步驟4,構(gòu)造變化掩膜差異影像& = ，基于大津法分割變化掩膜差異 影像，獲得變化掩膜； 上述k表示單波段編號，k = 1，2,... N，N為波段數(shù)；Yu表示變化掩膜差異影像中