一種基于紋理元的遙感圖像變化檢測(cè)方法
【專利摘要】本發(fā)明提供一種基于紋理元的遙感圖像變化檢測(cè)方法。該方法包括以下步驟：選定兩個(gè)時(shí)相同一地區(qū)配準(zhǔn)好的圖像，對(duì)前一個(gè)時(shí)相的圖像進(jìn)行分割，得到分割結(jié)果；統(tǒng)計(jì)第一幅圖像中分割圖像塊的紋理特征，紋理特征的計(jì)算方法使用紋理元直方圖的方法；以前一個(gè)時(shí)相圖像的分割結(jié)果作為限制邊界，統(tǒng)計(jì)后一個(gè)時(shí)相圖像中各個(gè)分割圖像塊的紋理特征，紋理特征同樣適用紋理元直方圖的方法；把兩個(gè)時(shí)相中的對(duì)應(yīng)圖像塊的紋理特征進(jìn)行相似性比較，距離大于某個(gè)閾值，則認(rèn)為發(fā)生了變化，反之，則認(rèn)為沒有變化；把變化區(qū)域在原始的分割結(jié)果上標(biāo)出，得到基于紋理特征提取的變化檢測(cè)圖像。
【專利說明】一種基于紋理元的遙感圖像變化檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及遙感圖像處理技術(shù)，具體的說，涉及一種基于紋理元的高空間分辨率 遙感圖像面向?qū)ο蟮淖兓瘷z測(cè)方法。

【背景技術(shù)】
[0002] 遙感圖像變化檢測(cè)是指使用某種方法對(duì)同一個(gè)地區(qū)的兩個(gè)不同時(shí)相的遙感圖像 進(jìn)行處理，以期獲得對(duì)地物類型發(fā)生變化的區(qū)域進(jìn)行檢測(cè)。遙感圖像變化檢測(cè)技術(shù)在國土 資源動(dòng)態(tài)監(jiān)測(cè)中有著重要的應(yīng)用，該項(xiàng)技術(shù)能夠迅速發(fā)現(xiàn)土地利用現(xiàn)狀發(fā)生變化的區(qū)域。
[0003] 從大的角度來看，遙感圖像變化檢測(cè)包含兩類方法，監(jiān)督變化檢測(cè)方法以及非監(jiān) 督的變化檢測(cè)方法。監(jiān)督變化檢測(cè)方法是指依賴于用戶進(jìn)行交互，能夠給出某些真實(shí)地物 類型信息的情況。而非監(jiān)督的變化檢測(cè)方法，是指不需要用戶進(jìn)行交互，純粹由計(jì)算機(jī)對(duì)兩 幅圖像進(jìn)行分析獲得結(jié)果的方法。由于非監(jiān)督變化檢測(cè)方法不依賴于人工交互，而變化檢 測(cè)的一個(gè)要求就是希望能夠快速的發(fā)現(xiàn)發(fā)生變化的區(qū)域。因而，非監(jiān)督的變化檢測(cè)方法更 被廣泛使用。
[0004] 在變化檢測(cè)方法中，最常用的方法是變化向量分析法（change vector analysis)。該方法對(duì)不同時(shí)相的遙感圖像的各個(gè)波段的數(shù)據(jù)進(jìn)行差值運(yùn)算，求得每個(gè)像素 在各個(gè)波段上的變化量，由各個(gè)波段的變化量組成變化向量。變化的程度使用變化向量的 歐式距離表示，變化的內(nèi)容使用變化向量的方向進(jìn)行表示。該方法目前是遙感圖像變化檢 測(cè)中應(yīng)用最廣的方法。盡管該方法得到了廣泛的應(yīng)用，但是該方法存在的最大問題是誤變 化信息的檢測(cè)。由于不同成像條件等其他因素影響，某個(gè)區(qū)域在沒有發(fā)生變化的情況下，在 不同的成像時(shí)間下獲取的光譜值會(huì)有所差異。由于是兩個(gè)時(shí)相上的數(shù)據(jù)進(jìn)行差值運(yùn)算，因 而差值也會(huì)較大，進(jìn)而會(huì)被誤認(rèn)為發(fā)生了變化。
[0005] 為了進(jìn)一步提高變化檢測(cè)的準(zhǔn)確度，針對(duì)高空間分辨率遙感圖像，出現(xiàn)了基于對(duì) 象的變化檢測(cè)方法。即首先對(duì)高空間分辨率遙感圖像進(jìn)行圖像分割，以分割后的圖像塊作 為變化檢測(cè)的最小的處理單元。分割后的遙感圖像塊，除了光譜特征外，還可以提取形狀、 紋理等特征，進(jìn)而在多種特征約束下進(jìn)行變化檢測(cè)。另外，對(duì)于高空間分辨率的遙感圖像分 割后的結(jié)果，具有一定的均質(zhì)性，因而在此基礎(chǔ)上得到的變化檢測(cè)結(jié)果能夠避免檢測(cè)出單 個(gè)像元發(fā)生變化的情況。因而，對(duì)于高空間分辨率的遙感圖像，在分割的圖像塊的基礎(chǔ)上進(jìn) 行變化檢測(cè)的方法能夠較好的提高變化檢測(cè)的準(zhǔn)確度。
[0006] 此外，對(duì)于由于不同成像條件造成的兩個(gè)時(shí)相的遙感數(shù)據(jù)有所差異的情況，由于 并沒有發(fā)生變化，因而該區(qū)域的空間結(jié)構(gòu)信息并沒有發(fā)生變化。而紋理信息作為空間結(jié)構(gòu) 信息的一種表達(dá)形式，可以用于變化檢測(cè)，避免誤檢測(cè)的發(fā)生。本項(xiàng)專利提出了使用一種新 型的紋理提取方法：紋理元+紋理元直方圖的方法，進(jìn)行遙感圖像變化檢測(cè)的方法。
[0007] 目前，在遙感圖像處理中，最常用的紋理信息為基于灰度共生矩陣的統(tǒng)計(jì)量，該種 方法的缺點(diǎn)是過多的用戶選擇的參數(shù)，包括計(jì)算灰度共生矩陣的窗口的大小、波段的選擇、 最佳的統(tǒng)計(jì)量的選擇；而基于Gabor濾波器組的紋理提取方法在圖像檢索中受到較廣泛的 應(yīng)用，該方法以濾波器響應(yīng)的均值和方差作為圖像的紋理描述，避免了最佳的統(tǒng)計(jì)量的選 擇問題；但是該方法不能描述由于不同的視角以及不同光照等成像條件形成的紋理差異問 題。
[0008] 在紋理分析的研究歷史中，Julesz 1981年提出了 texton的概念，texon翻譯成 中文，即為"紋理元"。同時(shí)他認(rèn)為紋理元是構(gòu)成紋理圖像可辨別的最小的元素。通俗而言， 數(shù)字圖像是由像素組成的，紋理元之于紋理圖像也有類似的意思。但是如何計(jì)算紋理元一 直沒有給出可以計(jì)算的方法。直到1999年Leung和Malik在解決3D紋理的時(shí)候，給出了 texton可計(jì)算的定義。紋理元可計(jì)算的定義為，先使用一組濾波器組對(duì)圖像進(jìn)行濾波，然后 對(duì)濾波結(jié)果進(jìn)行聚類，聚類算法常用的是kmeans方法。在給出了紋理元的計(jì)算方法之后， 紋理分類比較有效的方法是先計(jì)算一些代表著紋理圖像中常有的各種圖像特征的紋理元， 然后統(tǒng)計(jì)紋理圖像中各種類型紋理元出現(xiàn)的頻數(shù)，即統(tǒng)計(jì)紋理元的直方圖。
[0009] 本專利提出了一種基于紋理元的高空間分辨率遙感圖像面向?qū)ο蟮淖兓瘷z測(cè)方 法；針對(duì)高空間分辨率遙感圖像，本專利提出首先進(jìn)行遙感圖像的分割、然后提取遙感圖像 塊基于紋理元的紋理特征，以圖像塊紋理特征的差異進(jìn)行變化檢測(cè)的方法。


【發(fā)明內(nèi)容】

[0010] 本發(fā)明的目的是提供一種基于紋理元的高空間分辨率的遙感圖像面向?qū)ο蟮淖?化檢測(cè)方法。
[0011] 本發(fā)明的基本思路為：選定兩個(gè)時(shí)相的同一地區(qū)配準(zhǔn)好的圖像，對(duì)前一個(gè)時(shí)相的 圖像進(jìn)行分割，得到分割結(jié)果；統(tǒng)計(jì)前一個(gè)時(shí)相圖像中分割對(duì)象的紋理特征，紋理特征的計(jì) 算方法使用紋理元直方圖進(jìn)行表示；以前一個(gè)時(shí)相圖像分割結(jié)果與后一個(gè)時(shí)相圖像進(jìn)行疊 加分析，得到后一個(gè)時(shí)相圖像的圖像塊范圍；統(tǒng)計(jì)后一個(gè)時(shí)相圖像各個(gè)分割區(qū)域的紋理特 征，紋理特征同樣使用紋理元直方圖進(jìn)行計(jì)算；把兩個(gè)時(shí)相圖像位置上相對(duì)應(yīng)的圖像塊的 紋理直方圖進(jìn)行相似性比較，距離大于或等于某個(gè)閾值，則認(rèn)為發(fā)生了變化，反之，則認(rèn)為 沒有變化；把變化的區(qū)域在原始的分割結(jié)果上標(biāo)出，得到變化檢測(cè)圖像。
[0012] 本發(fā)明充分利用了高空間分辨率遙感圖像的紋理信息，對(duì)于光譜相似但是紋理差 異明顯的地物，該方法能夠有效地進(jìn)行變化信息的檢測(cè)，避免誤檢測(cè)的發(fā)生。
[0013] 本發(fā)明的技術(shù)方案提供的是一種面向?qū)ο蟮倪b感圖像的變化監(jiān)測(cè)方法，該方法基 于高分辨率遙感圖像的紋理元，其特征在于包括以下實(shí)施步驟：
[0014] A選取前一個(gè)時(shí)相的遙感圖像進(jìn)行圖像分割，其中前一個(gè)時(shí)相的遙感圖為兩幅不 同時(shí)相的遙感圖像中時(shí)間上更早的那幅圖像；
[0015] B將步驟A中圖像分割結(jié)果疊加到后一個(gè)時(shí)相的遙感圖像上，得到后一個(gè)時(shí)相圖 像的圖像分割塊；
[0016] C統(tǒng)計(jì)步驟A中各個(gè)區(qū)域的紋理特征，得到代表前一個(gè)時(shí)相圖像中各個(gè)圖像塊紋 理特征，其中紋理特征使用基于紋理元所建立的紋理元直方圖特征；
[0017] D統(tǒng)計(jì)根據(jù)步驟B得到的后一個(gè)時(shí)相遙感圖像上各個(gè)圖像塊的紋理特征，得到各 個(gè)圖像塊的紋理特征；
[0018] E對(duì)步驟C和步驟D中得到的兩組代表不同時(shí)相圖像塊的紋理特征一一進(jìn)行相似 性比較，相似性度量大于某一閾值，則認(rèn)為該圖像塊發(fā)生了變化；反之，則沒有發(fā)生變化；
[0019] F統(tǒng)計(jì)步驟E中所有發(fā)生變化的圖像塊，標(biāo)記得到變化檢測(cè)的圖像。
[0020] 進(jìn)一步，步驟A中進(jìn)行圖像分割的方法采用分水嶺分割法或均值漂移分割算法。
[0021] 進(jìn)一步，步驟C中紋理元是指對(duì)遙感圖像濾波結(jié)果進(jìn)行聚類得到的聚類中心。
[0022] 進(jìn)一步，聚類方法使用Kmeans算法，聚類中心數(shù)目依據(jù)圖像大小進(jìn)行設(shè)置。
[0023] 進(jìn)一步，步驟E中所述的相似性比較，使用直方圖相似性比較的歐式距離。

【專利附圖】

【附圖說明】：
[0024] 圖1是基于多光譜紋理元的高空間分辨率遙感圖像面向?qū)ο蟮淖兓瘷z測(cè)算法流 程圖
[0025] 圖2是計(jì)算紋理元直方圖的算法流程圖
[0026] 圖3是所選用的濾波器組示意圖。

【具體實(shí)施方式】：
[0027] 采用本發(fā)明實(shí)現(xiàn)基于紋理元的遙感圖像面向?qū)ο蟮淖兓瘷z測(cè)的實(shí)施例如圖1所 示，現(xiàn)結(jié)合附圖對(duì)其進(jìn)行描述。
[0028] 本發(fā)明所述的基于紋理元的高空間分辨率遙感圖像面向?qū)ο蟮淖兓瘷z測(cè)的實(shí)現(xiàn) 流程如圖1所示。工作過程為：
[0029] 處理單元100為圖像分割過程。該過程采用圖像分割算法，如分水嶺分割等方法、 均值漂移算法等，對(duì)高空間分辨率的遙感圖像進(jìn)行按照區(qū)域相似性進(jìn)行分割。分割后的結(jié) 果，作為后續(xù)處理的基本單元。后續(xù)的變化檢測(cè)以分割的結(jié)果為最小的處理單元進(jìn)行變化 檢測(cè)。
[0030] 處理單元101為根據(jù)前一個(gè)時(shí)相遙感圖像分割得到的結(jié)果疊加到后一個(gè)時(shí)相的 圖像，進(jìn)而使得后一個(gè)時(shí)相的圖像具有與前一時(shí)相圖像相同的邊界的圖像塊；后續(xù)過程中 的紋理元直方圖統(tǒng)計(jì)是以圖像塊作為基本的統(tǒng)計(jì)單元的。這樣做的目的是建立兩幅圖像的 一一對(duì)應(yīng)關(guān)系，為后續(xù)的變化檢測(cè)做準(zhǔn)備。
[0031] 處理單元102U03分別為對(duì)第一個(gè)時(shí)相的遙感圖像以及第二個(gè)時(shí)相的遙感圖像 以分割得到的圖像塊為基本單元進(jìn)行紋理元直方圖的計(jì)算過程，即建立基于紋理元直方圖 的紋理特征。
[0032] 下面給出構(gòu)建紋理元直方圖的實(shí)施例，如圖2所示，主要步驟如下：
[0033] 步驟201是指選用一組濾波器（包括多個(gè)尺度、多個(gè)方向）對(duì)遙感圖像逐波段進(jìn) 行濾波，在這里我們選用一個(gè)濾波器組，包括：高斯一階導(dǎo)數(shù)濾波器組，包括了六個(gè)方向、三 個(gè)尺度的濾波器；高斯二階導(dǎo)數(shù)濾波器組，包括了六個(gè)方向、三個(gè)尺度的濾波器；八個(gè)高斯 函數(shù)之差（D0G)濾波器組，四個(gè)高斯濾波器組，總共是48個(gè)濾波器。
[0034] 如圖3所示為選用的48個(gè)濾波器，包括三個(gè)尺度六個(gè)方向的高斯一階以及高斯二 階導(dǎo)數(shù)濾波器，四個(gè)不同尺度的高斯低通濾波器組，以及八個(gè)高斯之差濾波器組。
[0035] 二維的高斯函數(shù)濾波器g(x，y)、高斯函數(shù)的一階導(dǎo)數(shù)濾波器g'（X，y)、高斯函數(shù) 的二階導(dǎo)數(shù)濾波器g"（x，y)以及兩個(gè)高斯函數(shù)之差濾波器（D0G)的數(shù)學(xué)表達(dá)分別為：

【權(quán)利要求】
1. 一種基于紋理元的遙感圖像變化檢測(cè)方法，其特征在于包括以下步驟： A選取前一個(gè)時(shí)相的遙感圖像進(jìn)行圖像分割，其中前一個(gè)時(shí)相的遙感圖為兩幅不同時(shí) 相的遙感圖像中時(shí)間上更早的那幅圖像； B將步驟A中圖像分割結(jié)果疊加到后一個(gè)時(shí)相的遙感圖像上，得到后一個(gè)時(shí)相圖像的 圖像分割塊； C統(tǒng)計(jì)步驟A中各個(gè)區(qū)域的紋理特征，得到代表前一個(gè)時(shí)相圖像中各個(gè)圖像塊紋理特 征，其中紋理特征使用基于紋理元所建立的紋理元直方圖特征； D統(tǒng)計(jì)根據(jù)步驟B得到的后一個(gè)時(shí)相遙感圖像上各個(gè)圖像塊的紋理特征，得到各個(gè)圖 像塊的紋理特征； E對(duì)步驟C和步驟D中得到的兩組代表不同時(shí)相圖像塊的紋理特征一一進(jìn)行相似性比 較，相似性度量大于某一閾值，則認(rèn)為該圖像塊發(fā)生了變化；反之，則沒有發(fā)生變化； F統(tǒng)計(jì)步驟E中所有發(fā)生變化的圖像塊，標(biāo)記得到變化檢測(cè)的圖像。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于步驟A中進(jìn)行圖像分割的方法采用分水嶺 分割法或均值漂移分割算法。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于步驟B中對(duì)于后一個(gè)時(shí)相的圖像不需要進(jìn) 行分割，直接使用前一個(gè)時(shí)相圖像的分割結(jié)果對(duì)其進(jìn)行疊加，進(jìn)而得到與前一個(gè)時(shí)相相同 的邊界的圖像塊。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于步驟C中的紋理元是指對(duì)遙感圖像濾波結(jié) 果進(jìn)行聚類得到的聚類中心。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于聚類方法使用Kmeans算法，聚類中心數(shù)目 依據(jù)圖像大小進(jìn)行設(shè)置。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于步驟E中所述的相似性比較，是用直方圖相 似性比較的歐式距離。
【文檔編號(hào)】G06T7/00GK104143191SQ201410363422
【公開日】2014年11月12日 申請(qǐng)日期:2014年7月29日 優(yōu)先權(quán)日:2014年7月29日
【發(fā)明者】霍連志, 唐娉, 趙理君, 鄭柯, 馮崢, 唐亮 申請(qǐng)人:中國科學(xué)院遙感與數(shù)字地球研究所