[发明专利]基于区域和Kmeans聚类的遥感图像变化检测方法

说明书

技术领域

本发明属于图像处理技术领域，涉及光学遥感图像变化检测，具体地说是一种基于区域和Kmeans聚类的遥感图像变化检测方法，适用于遥感图像处理和分析。

背景技术

遥感图像变化检测就是提取两个时相遥感图像中发生变化的区域，已广泛应用于经济和社会的诸多领域，如土地资源监测、水体监测、环境监测、林业监测、农业调查、植被覆盖和气象监测、灾害监测与评估、城市管理规划甚至军事侦察和战场估计等领域。

实际应用中，如土地覆盖的变化、土地退化和沙漠化的变化、江河湖泊的变化、森林植被变化、农作物等的变化在遥感图像上呈现的都不是单个或两三个像素点或块的变化，而是面积大小形状不同的区域变化，即便是存在较多小面积的变化区域的城市管理规划、灾害监测等，其变化区域的面积也是足可以形成连通的小区域的。遥感图像的分辨率逐渐提高，真实变化区域的连通像素随之增多，基于区域的遥感图像变化检测方法也越显重要。人眼并非是逐像素地读取和理解图像的信息，而是基于区域进行的。对于两时相图像比较获得差异图像，其中的变化区域是遥感图像分析和解译的重点区域，是视觉上的重要区域。

为了能有效检测两时相遥感图像的变化信息和提高变化检测的精确度，从区域和视觉注意的角度来进行变化检测则是解决此问题的一个有效途径。2012年万红林等在文献“在感兴趣的区域层面上进行SAR图像变化检测方法研究.”（测绘学报,2012,41(2):239-245.）提出了一种在感兴趣的区域层面上进行SAR图像变化检测方法。该方法首先对差异图像提取感兴趣区域；然后将每一个感兴趣区域看作一个数据点并计算其特征，根据阈值标准的阈值技术对所有数据点分割，得到最终的变化检测结果。该方法要求提取的感兴趣区域必须含有非变化区域，否则会将变化区域错分为非变化区域，大大降低检测效果；该方法用FCM聚类提取感兴趣区存在较多的漏检，造成较大的传递误差和丢失过多的变化信息。2010年张敏在西安电子科技大学在其专利申请“基于显著性度量的遥感图像变化检测方法”（专利申请号:201210051159.7，公开号:CN102629377A）中提出了一种基于Chi-square距离和显著性度量的遥感图像变化检测方法。该方法首先对差值图进行显著性度量得到差异影像，分别对差异影像和基于Chi-square距离的差异图像进行分割，利用Chi-square距离差异图像的分割结果修正差异影像的分割结果，得到最终的变化检测结果。该方法可以抑制伪变化信息的生成，通过修正使得变化区域的定位更准确，但是这种方法由于存在较多的漏检，不能很好地保持变化区域的边缘。

发明内容

本发明的目的在于针对上述遥感图像变化检测方法中的不足，提出一种基于区域和Kmeans聚类的遥感图像变化检测方法，以减少漏检，精确定位变化区域边缘，提高变化检测的精度。

本发明的实现方案，包括如下步骤：

(1)读入两幅遥感图像X₁和X₂，并对X₁和X₂进行邻域均值滤波，得到滤波后的图像Y₁和Y₂；

(2)根据滤波后的图像Y₁和Y₂，构造差异图像：Y=|Y₁-Y₂|；

(3)利用最大熵原理计算差异图像Y的最大熵阈值T；

(4)由差异图像Y中灰度值不小于最大熵阈值T的像素形成若干个连通区域，并将每一个连通区域看作一个感兴趣区域ROI，并将所有感兴趣区域构成一个感兴趣区域集合{ROI}；

(5)将差异图像Y中灰度值小于α*T的像素作为肯定非变化像素，并将差异图像Y中所有肯定非变化像素构成一个肯定非变化像素集合NRset，将该肯定非变化像素集合NRset看作一个肯定非变化区域NR，其中，0<α<1；

(6)计算感兴趣区域集合{ROI}中各个感兴趣区域的区域灰度均值G、区域灰度最大值M和感兴趣区域的核心区域灰度均值K，并将这三个特征构成的向量[G,M,K]作为该感兴趣区域的特征向量；

(7)计算肯定非变化区域NR的区域灰度均值U、区域灰度最大值V和肯定非变化区域的核心区域灰度均值S，并将这三个特征构成的向量[U,V,S]作为肯定非变化区域的特征向量；

(8)将肯定非变化区域NR和感兴趣区域集合{ROI}中各个感兴趣区域作为待分类区域集合R={ROI}∪NR,∪为取并集符号；