（i，j) 像元的灰度值；=v-v ，表示單波段k的差異影像中（i，j)像元的鄰域熵權，HiM Iak=I V-k 表示單波段k的差異影像中（i，j)像元的鄰域信息熵；C+k表示單波段k的差異影像中 (i，j)像元灰度值； 步驟5,將變化掩膜與兩時相多波段遙感影像之一進行乘積融合，融合后灰度值與融合 前灰度值保持一致的區(qū)域即變化區(qū)域； 步驟6,以變化區(qū)域像元灰度值為樣本，基于區(qū)間劃分思想對樣本進行分區(qū)，以各區(qū)樣 本均值作為初始聚類中心；以鄰域像元隸屬度調權求和作為中心像元隸屬度，各鄰域像元 對中心像元的鄰域相似權;利用模糊C均值法對變化區(qū)域進行聚類； Xr+Xt 上述=4-中，t、r分別表示鄰域像元和中心像元在鄰域窗口內的位置編號； 表示中心像元r的灰度值，Xt表示鄰域像元t的灰度值； 步驟7,根據變化區(qū)域的聚類結果，結合兩時相多波段遙感影像之二的地物類型先驗知 識，確定變化區(qū)域的變化類型。
2. 如權利要求1所述的基于掩膜分類的遙感影像變化檢測方法，其特征在于： 步驟2具體為： 采用加權求和法將多波段遙感影像灰度化，當R、G、B單波段某一分量的權值為1，其余 為O時，經加權求和即獲得R、G、B單波段遙感影像。
3. 如權利要求1所述的基于掩膜分類的遙感影像變化檢測方法，其特征在于： 步驟3中結合差值法和比值法構造單波段差異影像，具體為： 根據公式G / 構造兩時相單波段遙感影像的單波段差異影像，其 中： Cfk表示單波段k的差異影像中（i，j)像元灰度值； RiM表示單波段k的比值影像中（i，j)像元灰度值； Dfk表示單波段k的差值影像中（i，j)像元灰度值； a為比值影像所有像元在第k波段的灰度均值和差值影像中所有像元在第k波段的灰 度均值之差； b為比值影像所有像元在第k波段的灰度值均方根和差值影像所有像元在第k波段的 灰度值均方根之差。
4. 如權利要求1所述的基于掩膜分類的遙感影像變化檢測方法，其特征在于： 步驟4中，所述的基于大津法分割變化掩膜差異影像，具體為： 基于大津法單閾值分割法，將使變化掩膜差異影像的背景像元灰度和目標像元灰度的 類間方差最大的閾值作為分割閾值；采用分割閾值分割變化掩膜差異影像，獲得變化掩膜。
5. 如權利要求1所述的基于掩膜分類的遙感影像變化檢測方法，其特征在于： 步驟6進一步包括子步驟： 6. 1根據經驗和目測觀測結果設定類別數C，根據經驗設定模糊度m和收斂值ε，隨機 設定初始隸屬度矩陣，隸屬度矩陣由變化區(qū)域中各像元對聚類中心的隸屬度構成；令初始 迭代步數1 = 〇 ; 6. 2以變化區(qū)域像元灰度值為樣本，基于區(qū)間劃分思想將樣本劃分為C個子區(qū)間，以各 子區(qū)間樣本均值作為初始聚類中心； 6. 3將鄰域像元t當前隸屬度w丨的加權和作為中心像元r隸屬度《士，即 c = 鄰域像元t的當前隸屬度根據當前隸屬度矩陣U獲得，其權值 2 2' =-; .X,.+.Xi 6. 4采用公；
修正隸屬度矩陣及聚類中心， 其中，t、r分別表示鄰域像元和中心像元在鄰域窗口內的位置編號，k、y為聚類中心編號； 和分別表示第（1+1)和1次迭代中、中心像元r對第k類聚類中心的隸屬度；C表 示第1次迭代中、中心像元r對第y類聚類中心的隸屬度?表示中心像元r的灰度值； 和表示第1次迭代獲得的第k類和第y類聚類中心，7在[1，C]范圍內遍歷；v[m>表示 第（1+1)次迭代獲得的第k類聚類中心；η為鄰域窗口內像元數； 6. 5比較隸屬度矩陣范數I |U(1+1)-U(1) I I，U(1+1)、U(1)分別表示第（1+1)次迭代、第1次迭 代獲得的隸屬度矩陣；若I |u(1+1)-u(1)| I彡ε，結束迭代，按照當前聚類中心和隸屬度矩陣 進行聚類；否則，令1 = 1+1，執(zhí)行步驟6. 4。
6. 如權利要求1所述的基于掩膜分類的遙感影像變化檢測方法，其特征在于： 步驟7進一步包括： 7. 1對兩時相多波段遙感影像之二進行監(jiān)督分類，獲得地物類型先驗知識； 7. 2結合兩時相多波段遙感影像之一的聚類結果，采用人工方式確定變化區(qū)域的變化 類型。
7.基于掩膜分類的遙感影像變化檢測系統(tǒng)，其特征在于，包括： 預處理模塊，用來多波段遙感影像的預處理，即多波段遙感影像的濾波和增強處理； 單波段分離模塊，用來對預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； 單波段分離模塊，用來構造兩時相單波段遙感影像的單波段差異影像； 變化掩膜構造模塊，用來構造變化掩膜差異影像&=xcP)，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；Yu表示變化掩膜差異影像中（i，j) Uij ,. 像元的灰度值；％4 =v-v " ，表示單波段k的差異影像中（i，j)像元的鄰域熵權，Hij_k 表示單波段k的差異影像中（i，j)像元的鄰域信息熵；Cfk表示單波段k的差異影像中 (i，j)像元灰度值； 乘積融合模塊，用來將變化掩膜與兩時相多波段遙感影像之一進行乘積融合，融合后 灰度值與融合前灰度值保持一致的區(qū)域即變化區(qū)域； 模糊C均值聚類模塊，用來以變化區(qū)域像元灰度值為樣本，基于區(qū)間劃分思想對樣本 進行分區(qū)，以各區(qū)樣本均值作為初始聚類中心；以鄰域像元隸屬度調權求和作為中心像元 隸屬度，各鄰域像元對中心像元的鄰域相似權hW ;利用模糊c均值法對變化區(qū)域 Xr+Xi 進行聚類； 上述^1^ = 一^中，t、r分別表示鄰域像元和中心像元在鄰域窗口內的位置編號；義^表 Xr ^ Xt 示中心像元r的灰度值，Xt表示鄰域像元t的灰度值； 變化檢測模塊，用來根據變化區(qū)域的聚類結果，結合兩時相多波段遙感影像之二的地 物類型先驗知識，確定變化區(qū)域的變化類型。
【專利摘要】本發(fā)明提供了一種基于掩膜分類的遙感影像變化檢測方法及系統(tǒng)，包括：步驟1，多波段遙感影像的預處理；步驟2，對預處理后的多波段遙感影像進行單波段分離；步驟3，構造兩時相單波段遙感影像的單波段差異影像；步驟4，構造變化掩膜差異影像，基于大津法分割變化掩膜差異影像；步驟5，將變化掩膜與兩時相多波段遙感影像之一進行乘積融合，獲得變化區(qū)域；步驟6，利用模糊C均值法對變化區(qū)域進行聚類；步驟7，根據變化區(qū)域的聚類結果，結合兩時相多波段遙感影像之二的地物類型先驗知識，確定變化區(qū)域的變化類型。本發(fā)明抗噪聲干擾強，可有效緩解局部最優(yōu)；可兼顧影像變化過程的定性和定量描述，變化檢測精度高且可靠性強。
【IPC分類】G06K9-54, G06K9-62
【公開號】CN104834942
【申請?zhí)枴緾N201510266625
【發(fā)明人】萬幼川, 姜瑩, 李剛
【申請人】武漢大學
【公開日】2015年8月12日
【申請日】2015年5月22日