專(zhuān)利名稱(chēng)：交互式圖像變化檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理和模式識(shí)別技術(shù)領(lǐng)域，特別涉及交互式圖像變化檢測(cè)領(lǐng)域。
背景技術(shù)：
圖像變化檢測(cè)是指通過(guò)分析在同一地點(diǎn)不同時(shí)間拍攝獲得的兩幅圖像來(lái)辨識(shí)該地點(diǎn)發(fā)生變化的區(qū)域。圖像變化檢測(cè)技術(shù)是獲取感興趣地區(qū)內(nèi)地物目標(biāo)變化信息的重要手段，在國(guó)土資源管理、環(huán)境監(jiān)測(cè)、自然資源監(jiān)測(cè)、災(zāi)情監(jiān)測(cè)等諸多領(lǐng)域中有著十分重要的應(yīng)用。經(jīng)過(guò)多年的研究，圖像變化檢測(cè)技術(shù)得到了較大發(fā)展。但是，目前并不存在一個(gè)通用的變化檢測(cè)方法能夠完全自動(dòng)地檢測(cè)出兩幅圖像之間發(fā)生變化的區(qū)域。其根本原因在于難以自動(dòng)且準(zhǔn)確地界定兩幅圖像之間的變化區(qū)域和非變化區(qū)域。比如，對(duì)同一座高層建筑，其遙感圖像會(huì)隨著拍攝時(shí)光照條件的不同而呈現(xiàn)出不同的圖像視覺(jué)特征。對(duì)光照造成的圖像視覺(jué)特征變化，現(xiàn)有技術(shù)往往錯(cuò)誤地將其檢測(cè)為真實(shí)的物理變化，即將非變化區(qū)域錯(cuò)誤地檢測(cè)為變化區(qū)域。其中的一個(gè)關(guān)鍵問(wèn)題是，在構(gòu)建完全自動(dòng)的圖像變化檢測(cè)方法時(shí)缺少如何將圖像區(qū)域界定為變化類(lèi)和非變化類(lèi)的相關(guān)線索。因此，變化檢測(cè)仍然是圖像處理領(lǐng)域中一個(gè)頗具挑戰(zhàn)性的難題。圖像變化檢測(cè)技術(shù)首先假定在同一地點(diǎn)不同時(shí)間拍攝獲得的兩幅圖像已事先進(jìn)行了配準(zhǔn)處理。經(jīng)過(guò)配準(zhǔn)處理后的兩幅圖像將具有相同的圖像尺寸，且同一位置的像素將對(duì)應(yīng)于場(chǎng)景的同一空間位置。為了從已配準(zhǔn)的兩幅圖像中檢測(cè)出發(fā)生變化區(qū)域，人們提出了多種解決方法?，F(xiàn)有方法主要涉及到特征提取和特征分類(lèi)兩方面的工作。特征提取是描述場(chǎng)景中視覺(jué)目標(biāo)的基本手段。在現(xiàn)有的圖像變化檢測(cè)方法中，特征提取方法一般在像素級(jí)、特征級(jí)和對(duì)象級(jí)這三個(gè)層次上實(shí)現(xiàn)。像素級(jí)特征提取方法通常只考慮單個(gè)像素本身的光譜信息(如亮度、顏色等)；特征級(jí)特征提取方法首先把像素視覺(jué)特征進(jìn)行關(guān)聯(lián)處理，并形成對(duì)變化檢測(cè)有意義的組合；對(duì)象級(jí)特征提取方法通常利用對(duì)象固有的尺寸和形狀以便于提高不同地物之間的類(lèi)別可分性。特征分類(lèi)是最終實(shí)現(xiàn)圖像變化檢測(cè)的基礎(chǔ)，其主要任務(wù)是將所提取的特征分為變化類(lèi)和非變化類(lèi)，并在此基礎(chǔ)上確定發(fā)生變化的區(qū)域。綜合起來(lái)，目前變化檢測(cè)技術(shù)主要包含基于差異圖像的變化檢測(cè)技術(shù)、基于分類(lèi)后比較的變化檢測(cè)技術(shù)、基于直接分類(lèi)法的變化檢測(cè)技術(shù)和基于混合法的變化檢測(cè)技術(shù)?；诓町悎D像的變化檢測(cè)技術(shù)主要包含差值法、比值法、變化向量分析法和視覺(jué)特征圖像法。這類(lèi)方法簡(jiǎn)單、直觀、且計(jì)算量小。但是，這類(lèi)方法容易受到噪聲、光照等因素的影響，魯棒性較差?；诜诸?lèi)后比較的變化檢測(cè)技術(shù)主要是對(duì)兩幅待檢測(cè)的圖像首先進(jìn)行分類(lèi)，然后提取出感興趣的視覺(jué)對(duì)象，最后對(duì)像素(或區(qū)域)逐個(gè)進(jìn)行比較?；诜诸?lèi)后比較的變化檢測(cè)方法的最大困難是很難實(shí)現(xiàn)自動(dòng)且準(zhǔn)確的分類(lèi)。同時(shí)，單幅圖像分類(lèi)的精度將直接影響變化檢測(cè)的精度?；谥苯臃诸?lèi)法的變化檢測(cè)技術(shù)是將兩幅待檢測(cè)的圖像合成為一幅圖像，然后對(duì)該合成圖像進(jìn)行分類(lèi)以判定各像素是否發(fā)生變化。該類(lèi)方法的最大缺點(diǎn)是將兩幅圖像合成為一幅圖像的過(guò)程中會(huì)丟失圖像信息，從而降低變化檢測(cè)的精度。基于混合法的變化檢測(cè)技術(shù)可以進(jìn)一步分為基于數(shù)據(jù)的混合方法、基于過(guò)程的混合方法以及基于結(jié)果的混合方法。混合策略的優(yōu)點(diǎn)在于綜合多種方法的優(yōu)點(diǎn)，獲得更好的變化檢測(cè)結(jié)果。但是，在采用何種混合策略以及如何協(xié)調(diào)多種方法的檢測(cè)結(jié)果時(shí)仍然面臨著諸多困難，從而限制了這類(lèi)方法在實(shí)際中的應(yīng)用。綜上所述，現(xiàn)有的圖像變化檢測(cè)技術(shù)遠(yuǎn)未成熟，變化檢測(cè)的精度不高。有關(guān)圖像變化檢測(cè)的研究大多還處在實(shí)驗(yàn)驗(yàn)證階段，缺乏實(shí)用的變化檢測(cè)技術(shù)。實(shí)際上，視覺(jué)目標(biāo)的復(fù)雜性和 多樣性給自動(dòng)界定變化類(lèi)和非變化類(lèi)帶來(lái)了極大的困難。這一困難將導(dǎo)致難以選擇適當(dāng)?shù)奶卣魈崛》椒ê头诸?lèi)方法，從而難以保證變化檢測(cè)的精度。但是，用戶(hù)希望采用一些少量的人工標(biāo)注即可精確地檢測(cè)出給定的兩幅圖像中的變化，達(dá)到事半功倍的應(yīng)用效果。

發(fā)明內(nèi)容
(一 )要解決的技術(shù)問(wèn)題本發(fā)明的目的在于提出一種基于樣條函數(shù)映射的圖像變化檢測(cè)方法，以便于利用用戶(hù)標(biāo)注的變化像素和非變化像素快速準(zhǔn)確地檢測(cè)出兩幅圖像發(fā)生變化的區(qū)域。( 二 )技術(shù)方案為解決上述的技術(shù)問(wèn)題，本發(fā)明提供了一種交互式圖像變化檢測(cè)方法，該方法包括如下步驟步驟I :對(duì)在同一地點(diǎn)不同時(shí)間拍攝獲得的兩幅彩色圖像，通過(guò)像素的圖像局部窗口和像素的空間坐標(biāo)構(gòu)建像素的變化向量；步驟2 :對(duì)用戶(hù)標(biāo)注的變化像素和非變化像素，分別進(jìn)行聚類(lèi)分析；步驟3 :以聚類(lèi)中心為參照點(diǎn)，構(gòu)建樣條函數(shù)；步驟4 :以聚類(lèi)中心為訓(xùn)練樣本，采用回歸估計(jì)方法確定樣條函數(shù)的待定系數(shù)；步驟5 :利用回歸估計(jì)得到的所述樣條函數(shù)，對(duì)未標(biāo)注像素進(jìn)行映射，根據(jù)映射結(jié)果判定其是否屬于變化類(lèi)或非變化類(lèi)。優(yōu)選地，在步驟2中，以各像素的變化向量為特征，分別對(duì)用戶(hù)標(biāo)注的屬于變化類(lèi)的像素和用戶(hù)標(biāo)注的屬于非變化類(lèi)的像素進(jìn)行聚類(lèi)分析。優(yōu)選地，所述聚類(lèi)中心的數(shù)目為80。優(yōu)選地，所述樣條函數(shù)由線性函數(shù)和以各聚類(lèi)中心為參照點(diǎn)的徑向基函數(shù)組合而成,其表達(dá)式為
KK./'(X) = α0+2τχ + ^η· g.(x) + . ./ ,(x) ’
Z=Ij=l其中，f(x)為樣條函數(shù)，X為一個(gè)長(zhǎng)度為29維的自變量向量；K為聚類(lèi)中心數(shù)目；a0為一個(gè)待定的系數(shù)；a為一個(gè)長(zhǎng)度為29維的待定的系數(shù)向量和~均為待定系數(shù)；上標(biāo)T表示轉(zhuǎn)置；i為自然數(shù)且取值范圍為I到K ；j為自然數(shù)且取值范圍為I到K ;gi(x)為一個(gè)以變化類(lèi)的第i個(gè)聚類(lèi)中心為參照點(diǎn)的徑向基函數(shù)，其表達(dá)式為g;(x)=||x-cf)||2 .Indlx-C⑴ II)，其中，c;(1)為屬于變化類(lèi)的第i個(gè)聚類(lèi)中心；|| x-c;(1) Il表示自變量向量X到聚類(lèi)中也(^(1)的歐氏距離，ln( ·)表示自然對(duì)數(shù)運(yùn)算；
hj(x)為一個(gè)以非變化類(lèi)的第j個(gè)聚類(lèi)中心為參照點(diǎn)的徑向基函數(shù)，其表達(dá)式為hj(X) =|| X-cj2) 112 ·ln(|I X -c( 2) 11)，其中 < 〗為屬于非變化類(lèi)的第j個(gè)聚類(lèi)中心；||x-C)J Il表示自變量向量X到聚類(lèi)中LC17 ]的歐氏距離，ln( ·)表示自然對(duì)數(shù)運(yùn)算。優(yōu)選地，在以聚類(lèi)中心為訓(xùn)練樣本并采用回歸估計(jì)方法確定樣條函數(shù)的待定系數(shù)時(shí)，所述樣條函數(shù)將屬于變化類(lèi)的聚類(lèi)中心映射為數(shù)值+1，將屬于非變化類(lèi)的聚類(lèi)中心映射為數(shù)值-I。優(yōu)選地，在利用回歸估計(jì)所得到的樣條函數(shù)對(duì)未標(biāo)注像素進(jìn)行映射時(shí)，以數(shù)值O 作為類(lèi)別劃分的閾值；如果映射結(jié)果大于0，將該像素標(biāo)注為變化類(lèi)；如果映射結(jié)果小于等于O,將該像素標(biāo)注為非變化類(lèi)。(三)有益效果本發(fā)明所提供的方法可快速準(zhǔn)確地檢測(cè)出兩幅已配準(zhǔn)圖像中發(fā)生變化的區(qū)域，主要體現(xiàn)在利用用戶(hù)標(biāo)注，避免了在界定變化類(lèi)和非變化類(lèi)的過(guò)程中所出現(xiàn)的不確定性問(wèn)題，并可將用戶(hù)指定的變化類(lèi)型從圖像區(qū)域中分離出來(lái)；將交互式圖像變化檢測(cè)視為一個(gè)兩類(lèi)分類(lèi)問(wèn)題，根據(jù)兩類(lèi)分類(lèi)機(jī)理構(gòu)建變化檢測(cè)模型，具有直觀、易于編程等特點(diǎn)；以及僅依賴(lài)于輸入圖像的像素顏色和空間位置信息，無(wú)需額外的視覺(jué)特征提取方法，可實(shí)現(xiàn)快速準(zhǔn)確的變化檢測(cè)；


圖I是根據(jù)本發(fā)明的交互式圖像變化檢測(cè)方法的流程圖；圖2是根據(jù)本發(fā)明的關(guān)于圖像的左上角像素、左下角像素、右上角像素、右下角像素、左邊界像素、右邊界像素、上邊界像素、下邊界像素和內(nèi)部像素的圖像局部窗口示意圖；圖3是根據(jù)本發(fā)明的關(guān)于像素的圖像局部窗口內(nèi)所包含的9個(gè)像素的編號(hào)示意圖；圖4a、4b分別為兩幅待進(jìn)行變化檢測(cè)的圖像，兩幅圖像顯示了一個(gè)湖泊水面面積發(fā)生變化的情況；圖4c展示了用戶(hù)關(guān)于變化區(qū)域和非變化區(qū)域的標(biāo)注；圖4d展示了根據(jù)本發(fā)明所提供的方法得到的變化檢測(cè)結(jié)果，其中白色區(qū)域標(biāo)示出湖泊水面面積發(fā)生變化的區(qū)域；圖5a、5b分別為兩幅待進(jìn)行變化檢測(cè)的圖像，兩幅圖像顯示了一個(gè)城區(qū)建筑發(fā)生變化的情況；圖5c展示了用戶(hù)關(guān)于變化區(qū)域和非變化區(qū)域的標(biāo)注；圖5d展示了根據(jù)本發(fā)明所提供的方法得到的變化檢測(cè)結(jié)果，其中白色區(qū)域標(biāo)示出由原來(lái)的土地變成大樓的區(qū)域。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。圖I是本發(fā)明所提供的交互式圖像變化檢測(cè)方法的流程圖。如圖I所示，本發(fā)明提供一種交互式圖像變化檢測(cè)方法，該方法包括以下步驟步驟SI :對(duì)在同一地點(diǎn)不同時(shí)間拍攝獲得的兩幅彩色圖像，通過(guò)像素的圖像局部窗口和像素的空間坐標(biāo)構(gòu)建像素的變化向量；步驟S2 :對(duì)用戶(hù)標(biāo)注的變化像素和非變化像素，分別進(jìn)行聚類(lèi)分析；步驟S3 :以聚類(lèi)中心為參照點(diǎn)，構(gòu)建樣條函數(shù)；步驟S4 :以聚類(lèi)中心為訓(xùn)練樣本，采用回歸估計(jì)方法確定樣條函數(shù)的待定系數(shù)；步驟S5 :利用回歸估計(jì)得到的所述樣條函數(shù)，對(duì)未標(biāo)注像素進(jìn)行映射，根據(jù)映射 結(jié)果判定其是否屬于變化類(lèi)或非變化類(lèi)。下面對(duì)上述各步驟進(jìn)行詳細(xì)闡述。步驟SI :對(duì)在同一地點(diǎn)不同時(shí)間拍攝獲得的兩幅彩色圖像，通過(guò)像素的圖像局部窗口和像素的空間坐標(biāo)構(gòu)建像素的變化向量。給定在同一地點(diǎn)不同時(shí)間拍攝獲得的兩幅彩色圖像，I1表示第一幅彩色圖像，I2表示第二幅彩色圖像。如果圖像I1和圖像I2沒(méi)有進(jìn)行配準(zhǔn)處理，首先采用常用的基于控制點(diǎn)匹配的方法對(duì)它們進(jìn)行配準(zhǔn)。經(jīng)過(guò)配準(zhǔn)處理后，圖像I1和圖像I2將具有相同的圖像尺寸，且圖像I1和圖像I2的同一位置的像素將對(duì)應(yīng)于所拍攝場(chǎng)景的同一空間位置。由于圖像I1和圖像I2已經(jīng)過(guò)配準(zhǔn)處理，因此它們具有相同的圖像寬度和圖像高度。圖像I1和圖像I2的圖像寬度為W個(gè)像素，圖像高度為h個(gè)像素。按行掃描的方式，從左至右從上至下對(duì)像素進(jìn)行編號(hào)。這樣，圖像的每一個(gè)像素均獲得一個(gè)位于I到wXh之間的唯一整數(shù)編號(hào)。對(duì)像素p，p = l，2，…，wXh，首先獲取其圖像局部窗口。如果像素P為圖像的內(nèi)部像素(即非邊界像素)，像素P的圖像局部窗口是一個(gè)以像素P為中心且尺寸為3X3像素大小的小塊圖像。如果像素P為圖像的邊界像素，具體地，若像素P為圖像的左上角像素、左下角像素、右上角像素、右下角像素、左邊界像素、右邊界像素、上邊界像素或下邊界像素，其圖像局部窗口定義為與其最近的一個(gè)3X3像素大小的小塊圖像。這樣，每一個(gè)像素可獲得一個(gè)3 X 3像素大小的圖像局部窗口。關(guān)于各像素的圖像局部窗口的獲取方法，如圖2所示。首先，從圖像I1中取出像素P的3X3像素大小的圖像局部窗口，并從左上角開(kāi)始至右下角為止按行掃描的方式對(duì)該窗口內(nèi)的9個(gè)像素進(jìn)行編號(hào)。具體地，將左上角像素編號(hào)為1，逐一對(duì)像素進(jìn)行編號(hào)，直至右下角像素編號(hào)為9。關(guān)于圖像局部窗口內(nèi)各像素的編號(hào)，可參見(jiàn)附圖2。按編號(hào)順序取出9個(gè)像素，并依次將這9個(gè)像素的顏色分量值按順序排列成一個(gè)向量up。具體地，向量Up為一個(gè)27維的列向量，按順序依次存放9個(gè)像素的紅色、綠色和藍(lán)色分量值
rnnWI- I,XG .XB 2,R 2,G 2,B9.R 9.G 9.5-ιΓUp — 255"*- ^ P f，P P P ,…，P P f J，其中,Μ”，Ulf，分別表示在圖像I1中位于像素P的圖像局部窗口內(nèi)編號(hào)為I的像素的紅色、綠色和藍(lán)色分量值-M2pR，u2pG，wf"分別表示位于該圖像局部窗口內(nèi)編號(hào)為2的像素的紅色、綠色和藍(lán)色分量值；U9p\ Uf，W，5分別表示位于該圖像局部窗口內(nèi)編號(hào)為9的像素的紅色、綠色
和藍(lán)色分量值；上標(biāo)T表示轉(zhuǎn) 置。在構(gòu)建向量Up時(shí)，用255除以向量Up的各分量是為了將
區(qū)間內(nèi)的整數(shù)值歸一化到
區(qū)間內(nèi)的浮點(diǎn)值。接著，從圖像I2中取出像素P的3X3像素大小的圖像局部窗口，并從左上角開(kāi)始至右下角為止按行掃描的方式進(jìn)行編號(hào)。具體地，將左上角像素編號(hào)為1，逐一對(duì)像素進(jìn)行編號(hào)，直至右下角像素編號(hào)為9。關(guān)于圖像局部窗口內(nèi)各像素的編號(hào)，如圖2所示。按編號(hào)順序取出9個(gè)像素，并依次將這9個(gè)像素的顏色分量值按順序排列成一個(gè)向量vp。具體地，向量Vp為一個(gè)27維的列向量，按順序依次存放9個(gè)像素的紅色、綠色和藍(lán)色分量值V =-^-\vhR VhG VhB VZR V2-G VZB ··· V%R V%Bf ,
L J T p 2,55 ^ 5 ，P p， ，p , p , p J，其中，，Vf，V=分別表示在圖像I2中位于像素P的圖像局部窗口內(nèi)編號(hào)
為I的像素的紅色、綠色和藍(lán)色分量值;V2/，V2/，表示位于該圖像局部窗口內(nèi)編號(hào)
為2的像素的紅色、綠色和藍(lán)色分量值,Vf，V》5分別表示位于該圖像局部窗口內(nèi)編號(hào)為9的像素的紅色、綠色和藍(lán)色分量值；上標(biāo)T表示轉(zhuǎn)置。在構(gòu)建向量Vp時(shí)，用255除以向量Vp的各分量是為了將
區(qū)間內(nèi)的整數(shù)值歸一化到
區(qū)間內(nèi)的浮點(diǎn)值。其次，構(gòu)建像素P的視覺(jué)特征差異向量。\表示像素P的視覺(jué)特征差異向量，并按下式計(jì)算dp = Up-Vp。視覺(jué)特征差異向量dp描述在像素P處圖像I1和圖像I2視覺(jué)外觀的差異。在這里，用圖像局部窗口內(nèi)各像素值的差異來(lái)代替由單個(gè)像素值構(gòu)成的差異，可增強(qiáng)視覺(jué)特征差異向量對(duì)噪聲的魯棒性。根據(jù)向量Up和向量Vp的構(gòu)造方式，視覺(jué)特征差異向量dp將為一個(gè)27維的列向量。然后，構(gòu)建像素P的變化向量。通過(guò)引入像素P的視覺(jué)特征差異向量\和空間位置坐標(biāo)來(lái)構(gòu)建像素P的變化向量。Xp為像素P的變化向量。變化向量Xp按下式計(jì)算Xp,jTl]7
w η其中，dp為像素P的視覺(jué)特征差異向量，Px為像素P的圖像空間橫坐標(biāo)，Py為像素P的圖像空間縱坐標(biāo)，W為圖像的寬度，h為圖像的高度，上標(biāo)T表示轉(zhuǎn)置。可見(jiàn)，由于視覺(jué)特征差異向量dp為一個(gè)27維的列向量，像素P的變化向量Xp最終將為一個(gè)29維的列向量。最后，通過(guò)遍歷圖像的每個(gè)像素，得到了圖像中所有wXh個(gè)像素的變化向量。X表示圖像所有像素的變化向量的集合。根據(jù)圖像像素編號(hào)的順序，變化向量集合X所包含的wXh個(gè)變化向量如下X {xi，X2，X3，···，XwXi1I，其中，X1為圖像中編號(hào)為I的像素(即圖像的左上角像素)的變化向量，X2為圖像中編號(hào)為2的像素(即位于圖像第一行第二列的像素)的變化向量，X3為圖像中編號(hào)為3的像素(即位于圖像第一行第三列的像素)的變化向量，Xwxh為圖像中編號(hào)為wXh的像素(圖像的右下角像素)的變化向量。
步驟S2 :對(duì)用戶(hù)標(biāo)注的變化像素和非變化像素，分別進(jìn)行聚類(lèi)分析。在交互式圖像變化檢測(cè)中，用戶(hù)通過(guò)拖動(dòng)鼠標(biāo)的方式在變化區(qū)域標(biāo)注變化像素，在非變化區(qū)域標(biāo)注非變化像素。這一標(biāo)注過(guò)程可以很容易地在兩幅待進(jìn)行變化檢測(cè)的圖像上實(shí)現(xiàn)，即分別采用同一種畫(huà)筆顏色在變化區(qū)域和非變化區(qū)域記錄拖動(dòng)鼠標(biāo)時(shí)覆蓋的像素即可完成用戶(hù)標(biāo)注。隨后，讀出同一種顏色標(biāo)注的像素位置可獲得用戶(hù)標(biāo)注的變化像素或非變化像素。
在拖動(dòng)鼠標(biāo)的過(guò)程中，用戶(hù)很容易標(biāo)注成千上萬(wàn)個(gè)像素。在構(gòu)建樣條函數(shù)的過(guò)程，若將每一個(gè)標(biāo)注像素當(dāng)作一個(gè)參考點(diǎn)來(lái)構(gòu)建樣條函數(shù)，將會(huì)產(chǎn)生一個(gè)規(guī)模很大的樣條函數(shù)，從而增加估計(jì)樣條函數(shù)待定系數(shù)的計(jì)算量。另外，具體到變化類(lèi)和非變化類(lèi)，其所包含的不同類(lèi)型的視覺(jué)外觀的數(shù)目通常是很小的。基于此，對(duì)用戶(hù)標(biāo)注的變化像素和非變化像素分別進(jìn)行聚類(lèi)分析。首先，根據(jù)用戶(hù)標(biāo)注變化像素時(shí)所使用的標(biāo)注顏色，讀出所有的被標(biāo)注為變化類(lèi)的像素。對(duì)被標(biāo)注為變化類(lèi)的像素，根據(jù)像素編號(hào)從步驟SI中獲得的變化向量集合X中取出各像素的變化向量，組成變化向量子集合Xi。具體地，集合X1包含了用戶(hù)標(biāo)注的所有變化像素的變化向量。其次，根據(jù)用戶(hù)標(biāo)注非變化像素時(shí)所使用的標(biāo)注顏色，讀出所有被標(biāo)注為非變化類(lèi)的像素。對(duì)被標(biāo)注為非變化類(lèi)的像素，根據(jù)像素編號(hào)從步驟Si中獲得的變化向量集合X中取出各像素的變化向量，組成變化向量子集合χ2。具體地，集合X2包含了用戶(hù)標(biāo)注的所有非變化像素的變化向量。接著，對(duì)變化向量子集合X1中的所有變化向量，進(jìn)行聚類(lèi)分析。這里采用常用的K-均值方法進(jìn)行聚類(lèi)。執(zhí)行完K-均值聚類(lèi)方法后，獲得K個(gè)聚類(lèi)中心點(diǎn)，記為
，其中上標(biāo)“⑴”表示這些聚類(lèi)中心是從變化向量子集合X1中通過(guò)聚類(lèi)得到的。具體地，Cf表示屬于變化類(lèi)的第I個(gè)聚類(lèi)中心C(1)表示屬于變化類(lèi)的第2個(gè)聚類(lèi)中心，表示屬于變化類(lèi)的第K個(gè)聚類(lèi)中心。根據(jù)步驟SI中所述的變化向量的構(gòu)造方法，每一個(gè)衆(zhòng)關(guān)中心為一個(gè)29維的列向量。最后，對(duì)非變化向量子集合X2中的所有變化向量，進(jìn)行聚類(lèi)分析。這里采用常用的K-均值方法進(jìn)行聚類(lèi)。執(zhí)行完K-均值聚類(lèi)方法后，獲得K個(gè)聚類(lèi)中心點(diǎn)，記為ci2),42),---,42)，其中上標(biāo)“(2) ”表示這些聚類(lèi)中心是從非變化向量子集合X2中通過(guò)聚類(lèi)得到的。具體地，Cf)表示屬于非變化類(lèi)的第I個(gè)聚類(lèi)中心，Cp表示屬于非變化類(lèi)的第2個(gè)聚類(lèi)中心，Cf表示屬于非變化類(lèi)的第K個(gè)聚類(lèi)中心。根據(jù)步驟SI中所述的變化向量的構(gòu)造方法，每一個(gè)聚類(lèi)中心為一個(gè)29維的列向量。本發(fā)明方法中，聚類(lèi)中心數(shù)目K設(shè)定為80。由于每一個(gè)聚類(lèi)中心代表一個(gè)基本的變化模式，因此用這些數(shù)目的聚類(lèi)中心可表述復(fù)雜的變化。通過(guò)這一步，一共獲得了 2K聚類(lèi)中心，依次記為[Cj1V21),…C;2),C(22),…,Cf)，其中,ci'c^···,^^表示屬于變化類(lèi)的K個(gè)聚類(lèi)中心；ci2),c(22)，"sci2)表示屬于非變化類(lèi)的K個(gè)聚類(lèi)中心。
步驟S3 :以聚類(lèi)中心為參照點(diǎn)，構(gòu)建樣條函數(shù)。首先，引入數(shù)值+1與-I來(lái)標(biāo)識(shí)變化類(lèi)和非變化類(lèi)。通過(guò)這一標(biāo)識(shí)，將圖像變化檢測(cè)任務(wù)視為一個(gè)兩類(lèi)分類(lèi)問(wèn)題。然后，引入一個(gè)樣條函數(shù)。f(X)表示該樣條函數(shù)，其中X為一個(gè)長(zhǎng)度為29維的自變量向量。樣條函數(shù)f (X)將由兩部分組成。第一部分為一個(gè)線性函數(shù)，由afak兩項(xiàng)組成，其中％為一個(gè)待定的系數(shù)，a為一個(gè)待定的系數(shù)向量，上標(biāo)T表示轉(zhuǎn)置。同樣地，系數(shù)向量a的長(zhǎng)度也為29。樣條函數(shù)f (X)的第二部分由步驟S2獲得的2K個(gè)聚類(lèi)中心導(dǎo)出，并以每一個(gè)聚類(lèi)中心作為一個(gè)歐氏距離計(jì)算的參照點(diǎn)。具體地，給定屬于變化類(lèi)的聚類(lèi)中LCw i = 1，2，…，K，分別以這些聚類(lèi)中心為參照點(diǎn)，引入如下徑向基函數(shù)&00 &(χ)=|| X-C;1) Il2 ·1η(|| x-cf) ||)，其中，gi(x)表示一個(gè)徑向基函數(shù)，X為一個(gè)長(zhǎng)度為29維的自變量向量，Cf)為屬于變化類(lèi)的第i個(gè)聚類(lèi)中心，||叉-€(1)||表示自變量向量叉到聚類(lèi)中心《^的歐氏距離，ln( ·)表示自然對(duì)數(shù)運(yùn)算?？梢?jiàn)，徑向基函數(shù)gi(x)的函數(shù)值由歐氏距離的平方與歐氏距離的自然對(duì)數(shù)之乘積來(lái)得到。進(jìn)一步，給定屬于非變化類(lèi)的聚類(lèi)中;LCt/ j = 1,2,…，K，分別以這些聚類(lèi)中心為參照點(diǎn)，引入如下的徑向基函數(shù)比(X)hj (X) =II X- C;2) 112 · 1ιι(| I X - c(/) 11)，其中，hj(x)表示一個(gè)徑向基函數(shù)，X為一個(gè)長(zhǎng)度為29維的自變量向量，C()為屬
于非變化類(lèi)的第j個(gè)聚類(lèi)中心，Il X-cf Il表示自變量向量X到聚類(lèi)中心C'}的歐氏距離，1η(·)表示自然對(duì)數(shù)運(yùn)算。可見(jiàn)，徑向基函數(shù)hj(x)的函數(shù)值由歐氏距離的平方與歐氏距離的自然對(duì)數(shù)之乘積來(lái)得到。樣條函數(shù)f(x)的第二部分最終將由上述2K個(gè)徑向基函數(shù)組合而成，SP
KK
Vz^gi(X) +V‘/'.(X),其中X為一個(gè)長(zhǎng)度為29維的自變量向量，ri;i = 1,2,…，K和
I=I7=1
Sj, j = 1,2, ···,!(,為2K個(gè)待定的系數(shù),K為聚類(lèi)中心數(shù)目，i為自然數(shù)且取值范圍為I到K, j為自然數(shù)且取值范圍為I到K。最后，綜合第一部分的線性函數(shù)和第二部分的各徑向基函數(shù)，樣條函數(shù)f(x)的最終形式如下
KK/(X) = α0+ητ\ + Υ^η· g}(X) + IvHj(x)，
1=1J=I其中，gi(x)(i = 1,2, ···, K)和 hj (X) (j = I, 2, ···, K)均為徑向基函數(shù)，x 為一個(gè)長(zhǎng)度為29維的自變量向量，K為聚類(lèi)中心數(shù)目，上標(biāo)T表示轉(zhuǎn)置，a0為一個(gè)待定的系數(shù)，a為一個(gè)長(zhǎng)度為29維的待定的系數(shù)向量，ri (i = 1，2，…，K)和Sj(j = 1，2，…，K)均為待定系數(shù)，i為自然數(shù)且取值范圍為I到K, j為自然數(shù)且取值范圍為I到K。因此,樣條函數(shù)f(x) —共有30+2K個(gè)待定系數(shù)。
可見(jiàn)，以2K聚類(lèi)中心來(lái)代替用戶(hù)標(biāo)注的所有像素，可降低在構(gòu)建樣條函數(shù)時(shí)的參照點(diǎn)數(shù)目，從而減少樣條函數(shù)的待定系數(shù)的個(gè)數(shù)，降低計(jì)算規(guī)模。樣條函數(shù)f(x)是一個(gè)關(guān)于自變量向量X的非線性函數(shù)。樣條函數(shù)f(x)可以解釋為首先將自變量向量X進(jìn)行線性映射，然后以各個(gè)聚類(lèi)中心為參照點(diǎn)，根據(jù)自變量向量X到各參照點(diǎn)的距離進(jìn)一步對(duì)線性映射的結(jié)果進(jìn)行修正。相對(duì)于單純地使用線性映射而言，樣條函數(shù)f(x)能獲得更精確的映射結(jié)果。步驟S4 :以聚類(lèi)中心為訓(xùn)練樣本，采用回歸估計(jì)方法確定樣條函數(shù)的待定系數(shù)。首先，取出步驟S2中獲得的屬于變化類(lèi)的K個(gè)聚類(lèi)中心, …,，利用步驟S3構(gòu)建的樣條函數(shù)f (X)，分別將每一個(gè)聚類(lèi)中心映射為“+1”，由此得到K個(gè)回歸方程/(Cjn) = I, i = 1,2, ···, K,
其中，K為聚類(lèi)中心數(shù)目，下標(biāo)i從1，2—直遍歷至K為止。比如，當(dāng)i = I時(shí)，表 示以聚類(lèi)中心為自變量向量，通過(guò)樣條函數(shù)f(x)將其映射為“+I”；當(dāng)i = 2時(shí)，表示以聚類(lèi)中心為自變量向量，通過(guò)樣條函數(shù)f(x)將其映射為“+I”。對(duì)下標(biāo)i的其它取值，以此類(lèi)推。這樣，一共可以得到K個(gè)回歸方程，且每個(gè)回歸方程為一個(gè)線性方程。然后，取出步驟S2中獲得的屬于非變化類(lèi)的K個(gè)聚類(lèi)中心利用步驟S3構(gòu)建的樣條函數(shù)f(x)，分別將每一個(gè)聚類(lèi)中心映射為“-1”，由此得到K個(gè)回歸方程./(C )) = -1, j = I, 2, ...,K,其中，下標(biāo)j從1,2—直遍歷至K為止。如，當(dāng)j = I時(shí)，表示以聚類(lèi)中；L·、# j為自變量向量，通過(guò)樣條函數(shù)f(X)將其映射為“-I”；當(dāng)j = 2時(shí)，表示以聚類(lèi)中心c(22)為自變量向量，并通過(guò)樣條函數(shù)f(x)將其映射為“-I”。對(duì)下標(biāo)j的其它取值，以此類(lèi)推。這樣，一共可以得到K個(gè)回歸方程，且每個(gè)回歸方程為一個(gè)線性方程。通過(guò)上述操作，一共得到了 2K個(gè)回歸方程。由于樣條函數(shù)f(x) —共有30+2K個(gè)待定系數(shù)，因此需要進(jìn)一步補(bǔ)充30個(gè)線性方程。為此，通過(guò)引入聚類(lèi)中心與樣條函數(shù)f (X)中的待定系數(shù)rji = 1,2,…，K)和待定系數(shù)Sj(j = l，2，…，K)的正交性來(lái)補(bǔ)充方程。具體地，將步驟S2中獲得的2K個(gè)聚類(lèi)中心按列組成一個(gè)矩陣，該矩陣為N。矩陣N按下式構(gòu)造N = [CiV21V c!2),cf,-,cl2)],其中，CjV21),…，C》為步驟S2中獲得的屬于變化類(lèi)的K個(gè)聚類(lèi)中心；<2),(^2),_-,<42)為步驟52中獲得的屬于非變化類(lèi)的1(個(gè)聚類(lèi)中心?？梢?jiàn)，N為一個(gè)行數(shù)為29列數(shù)為2K的矩陣。進(jìn)一步，用向量z來(lái)記錄待定系數(shù)& (i = 1，2，…，K)和待定系數(shù)
Sj(j = 1,2,…，K):z [rI，3^2 ···，Γκ，Si，Sg，···，Sr]，其中，I^r2,···, sK均表示步驟S3構(gòu)建的樣條函數(shù)f (X)的待定系數(shù)，上標(biāo)T表示轉(zhuǎn)置。因此，系數(shù)向量z為一個(gè)長(zhǎng)度為2K的列向量。根據(jù)正交性，可獲得如下線性方程組Nz = O,其中，ο為一個(gè)長(zhǎng)度為29維的零向量。這樣，一共補(bǔ)充了 29個(gè)線性方程。
另外，還需要再補(bǔ)充一個(gè)線性方程才能解出樣條函數(shù)f(x)中的所有待定系數(shù)。為此，對(duì)待定系數(shù)= 1,2,…，K)和待定系數(shù)Sj (j = 1,2,…，K)，通過(guò)令它們的和為零來(lái)補(bǔ)充如下線性方程
KKΣκ +Σ\ = 0，
j=\其中，i為自然數(shù)且取值范圍為I到K, j為自然數(shù)且取值范圍為I到K。最后，收集上述過(guò)程建立的所有的線性方程，可以得到一個(gè)線性方程組。該線性方程組一共由30+2K個(gè)線性方程所構(gòu)成。通過(guò)求解該線性方程組，可得到樣條函數(shù)f(x)中所有的30+2K個(gè)待定系數(shù)，從而完成對(duì)樣條函數(shù)待定系數(shù)的求解。 步驟S5 :利用回歸估計(jì)得到的所述樣條函數(shù)，對(duì)未標(biāo)注像素進(jìn)行映射，根據(jù)映射結(jié)果判定其是否屬于變化類(lèi)或非變化類(lèi)。首先，對(duì)待進(jìn)行變化檢測(cè)的每一個(gè)用戶(hù)未標(biāo)注的像素，根據(jù)其像素編號(hào)從步驟SI的變化向量集合X中獲得該像素的變化向量。其次，以該向量為自變量，用步驟S4獲得的樣條函數(shù)，對(duì)其進(jìn)行映射，獲得一個(gè)映射結(jié)果。最后，判定該像素是否屬于變化類(lèi)或非變化類(lèi)。具體地，如果該映射結(jié)果大于0，判定該像素屬于變化類(lèi)，并將其類(lèi)別值置為“I”;否則，判定該像素屬于非變化類(lèi)，并將其類(lèi)別值置為“-I”。通過(guò)該步,每一個(gè)未標(biāo)注像素將被分為變化類(lèi)或者非變化類(lèi)。最后，對(duì)于用戶(hù)標(biāo)注的像素，如果被用戶(hù)標(biāo)注為變化類(lèi)，將其類(lèi)別值置為“I”;如果被用戶(hù)標(biāo)注為非變化類(lèi)，將其類(lèi)別值置為“-I”。結(jié)合步驟S5獲得的未標(biāo)注像素的變化檢測(cè)結(jié)果，得到了一個(gè)與待檢測(cè)圖像同大小且取值為“I”和“-I”的變化檢測(cè)結(jié)果。在所獲得的變化檢測(cè)結(jié)果中，凡是標(biāo)注為“I”的像素所在的區(qū)域?qū)儆谧兓瘏^(qū)域，其它標(biāo)注為“-I”的像素所在的區(qū)域則屬于非變化區(qū)域。介紹了實(shí)施方案中的技術(shù)細(xì)節(jié)之后，下面將介紹本發(fā)明的實(shí)驗(yàn)效果。為了驗(yàn)證本發(fā)明的有效性，用真實(shí)的遙感圖像進(jìn)行實(shí)驗(yàn)。圖4給出了一個(gè)湖泊水面面積發(fā)生變化的例子。圖4a和圖4b給出了兩幅不同時(shí)期拍攝的一個(gè)湖泊水面面積發(fā)生變化的圖像。給定這兩幅圖像，本實(shí)施例的任務(wù)是要檢測(cè)出發(fā)生變化的區(qū)域。圖4c給出了對(duì)變化區(qū)域和非變化區(qū)域的用戶(hù)標(biāo)注，分別采用了兩種顏色。根據(jù)標(biāo)注顏色可自動(dòng)地讀出哪些像素被標(biāo)注為變化像素，哪些被標(biāo)注為非變化像素。然后通過(guò)執(zhí)行本發(fā)明所述方法得到變化檢測(cè)結(jié)果。圖4d給出了檢測(cè)結(jié)果，其中黑色區(qū)域代表非變化區(qū)域，白色區(qū)域代表發(fā)生變化的區(qū)域?？梢?jiàn)，復(fù)雜的變化區(qū)域被精確地從兩幅圖像中檢測(cè)出來(lái)。圖5給出了一個(gè)城區(qū)建筑發(fā)生變化的例子。圖5a和圖5b給出了兩幅不同時(shí)期拍攝的同一城區(qū)建筑發(fā)生變化的圖像。圖5a為未建大樓前的空閑土地圖像，圖5b為在部分土地上建成大樓的圖像。給定這兩幅圖像，本實(shí)施例的任務(wù)是要檢測(cè)出新建大樓所在的區(qū)域。由于拍攝圖像時(shí)的光照條件不同，在圖像的上半部分沒(méi)有發(fā)生變化的區(qū)域(如圖5a中字母“A”所在的區(qū)域)呈現(xiàn)出較大的圖像視覺(jué)差異。另外，在圖5a中字母“B”所在的土地區(qū)域，并沒(méi)有出現(xiàn)新建大樓。但是，兩幅圖像在此區(qū)域卻呈現(xiàn)出不同的局部細(xì)節(jié)。上述兩種差異很容易造成現(xiàn)有的自動(dòng)圖像變化檢測(cè)技術(shù)輸出錯(cuò)誤的檢測(cè)結(jié)果。圖5c給出了對(duì)變化區(qū)域和非變化區(qū)域的用戶(hù)標(biāo)注，分別采用了兩種顏色。通過(guò)用戶(hù)標(biāo)注，明確地指出圖像上半部分區(qū)域(如圖5a中字母“A”所在的區(qū)域)和圖像右下角區(qū)域(如圖5a中字母“B”所在的土地區(qū)域)并沒(méi)有發(fā)生變化，因此避免了在自動(dòng)確定變化類(lèi)和非變化類(lèi)時(shí)所面臨的不確定性問(wèn)題。隨后，根據(jù)標(biāo)注顏色可自動(dòng)地讀出哪些像素被標(biāo)注為變化像素，哪些被標(biāo)注為非變化像素。最后，通過(guò)執(zhí)行本發(fā)明所述方法得到變化檢測(cè)結(jié)果。圖5d給出了檢測(cè)結(jié)果，其中黑色區(qū)域代表非變化區(qū)域，白色區(qū)域代表發(fā)生變化區(qū)域。可見(jiàn)，在原有的空閑土地上已建成大樓的區(qū)域被精確地從兩幅圖像中檢測(cè)出來(lái)。實(shí)驗(yàn)表明，本發(fā)明方法可以有效地分割出用戶(hù)指定的變化區(qū)域和非變化區(qū)域。本發(fā)明采用樣條函數(shù)映射方法，以非線性映射的方式來(lái)變換變化向量可獲得高精度的變化檢測(cè)結(jié)果。同時(shí)，由于對(duì)用戶(hù)所標(biāo)注的變化像素和非變化像素分別進(jìn)行聚類(lèi)分析，以各聚類(lèi)中心作為構(gòu)建樣條函數(shù)的參照點(diǎn)，提高了確定樣條函數(shù)待定系數(shù)的計(jì)算速度。實(shí)驗(yàn)表明，對(duì)800X600像素大小的圖像，在3. OGHz CPU、2GB內(nèi)存的計(jì)算機(jī)上，在C語(yǔ)言計(jì)算環(huán)境中本發(fā)明方法僅需2秒左右即可給出變化檢測(cè)結(jié)果。本發(fā)明所提供的交互式圖像變化檢測(cè)方法克服了現(xiàn)有技術(shù)難以確定圖像區(qū)域?qū)儆谧兓蚍亲兓念?lèi)別，難以選定恰當(dāng)?shù)囊曈X(jué)特征描述方法和分類(lèi)方法的諸多限制。該方法通過(guò)將用戶(hù)標(biāo)注的變化像素和非變化像素進(jìn)行聚類(lèi)分析，以聚類(lèi)中心作為歐氏距離計(jì)算的參照點(diǎn)來(lái)構(gòu)建樣條函數(shù)，并以聚類(lèi)中心作為訓(xùn)練樣本且通過(guò)回歸估計(jì)方法來(lái)確定樣條函數(shù)的待定系數(shù)，不僅提高了樣條函數(shù)映射的精度，也加快了樣條函數(shù)估計(jì)的速度。具有檢測(cè)精度高、計(jì)算快速等特點(diǎn)，具有廣闊的應(yīng)用前景。以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說(shuō)明，應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種交互式圖像變化檢測(cè)方法，該方法包括如下步驟步驟I:對(duì)在同一地點(diǎn)不同時(shí)間拍攝獲得的兩幅彩色圖像，通過(guò)像素的圖像局部窗口和像素的空間坐標(biāo)構(gòu)建像素的變化向量；步驟2 :對(duì)用戶(hù)標(biāo)注的變化像素和非變化像素分別進(jìn)行聚類(lèi)分析；步驟3 :以聚類(lèi)中心為參照點(diǎn)，構(gòu)建樣條函數(shù)；步驟4 :以聚類(lèi)中心為訓(xùn)練樣本，采用回歸估計(jì)方法確定樣條函數(shù)的待定系數(shù)；步驟5 :利用回歸估計(jì)得到的所述樣條函數(shù)，對(duì)未標(biāo)注像素進(jìn)行映射，根據(jù)映射結(jié)果判定其是否屬于變化類(lèi)或非變化類(lèi)。
2.如權(quán)利要求I所述的方法，其特征在于，在步驟2中，以各像素的變化向量為特征，分別對(duì)用戶(hù)標(biāo)注的屬于變化類(lèi)的像素和用戶(hù)標(biāo)注的屬于非變化類(lèi)的像素進(jìn)行聚類(lèi)分析。
3.如權(quán)利要求I所述的方法，其特征在于，所述聚類(lèi)中心的數(shù)目為80。
4.如權(quán)利要求I所述的方法，其特征在于，所述樣條函數(shù)由線性函數(shù)和以各聚類(lèi)中心為參照點(diǎn)的徑向基函數(shù)組合而成，其表達(dá)式為
5.如權(quán)利要求I所述的方法，其特征在于，在以聚類(lèi)中心為訓(xùn)練樣本并采用回歸估計(jì)方法確定樣條函數(shù)的待定系數(shù)時(shí)，所述樣條函數(shù)將屬于變化類(lèi)的聚類(lèi)中心映射為數(shù)值+1，將屬于非變化類(lèi)的聚類(lèi)中心映射為數(shù)值-I。
6.如權(quán)利要求I所述的方法，其特征在于，在利用回歸估計(jì)所得到的樣條函數(shù)對(duì)未標(biāo)注像素進(jìn)行映射時(shí)，以數(shù)值O作為類(lèi)別劃分的閾值；如果映射結(jié)果大于0，將該像素標(biāo)注為變化類(lèi)；如果映射結(jié)果小于等于0，將該像素標(biāo)注為非變化類(lèi)。
全文摘要
本發(fā)明公開(kāi)了一種圖像變化檢測(cè)方法，該方法包括如下步驟對(duì)在同一地點(diǎn)不同時(shí)間拍攝獲得的兩幅彩色圖像，通過(guò)像素的圖像局部窗口和像素的空間坐標(biāo)構(gòu)建像素的變化向量；對(duì)用戶(hù)標(biāo)注的變化像素和非變化像素，分別進(jìn)行聚類(lèi)分析；以聚類(lèi)中心為參照點(diǎn)，構(gòu)建樣條函數(shù)；以聚類(lèi)中心為訓(xùn)練樣本，采用回歸估計(jì)方法確定樣條函數(shù)的待定系數(shù)；利用回歸估計(jì)得到的樣條函數(shù)，對(duì)未標(biāo)注像素進(jìn)行映射，根據(jù)映射結(jié)果判定其是否屬于變化類(lèi)或非變化類(lèi)。該方法解決現(xiàn)有技術(shù)檢測(cè)精度低以及在界定圖像變化區(qū)域和非變化區(qū)域時(shí)所遇到的不確定性等問(wèn)題，具有廣闊的應(yīng)用前景。
文檔編號(hào)G06K9/62GK102930288SQ201210366870
公開(kāi)日2013年2月13日 申請(qǐng)日期2012年9月28日 優(yōu)先權(quán)日2012年9月28日
發(fā)明者向世明, 孟高峰, 霍春雷, 潘春洪 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所