[发明专利]基于treelet特征融合的遥感图像变化检测方法

摘要

本发明公开了一种基于treelet特征融合的遥感图像变化检测方法，主要解决现有技术中的单一类型差异图检测精度低，适用范围窄的问题。其实现步骤为：(1)输入两时相遥感图像X1和X2；(2)计算两幅图像的差值图，对数比值图和均值比图；(3)获取由三幅不同差异图中像素的邻域向量组成的样本矩阵；(4)用treelet方法对样本矩阵进行特征提取，得到特征向量矩阵；(5)采用Kmeans方法将特征向量矩阵聚为两类，根据聚类结果得到变化检测结果。本发明具有操作简单，抗噪性能好和检测精度高的优点，可普遍应用于环境监测、农业研究、灾害评估等领域。

主权项

一种基于treelet特征融合的遥感图像变化检测方法，包括如下步骤：(1)读入在不同时刻从同一地区获取的两幅遥感图像X1和X2；(2)获取两幅遥感图像的差异图：(2a)计算两幅遥感图像对应像素灰度值的差，并进行归一化，得到差值图Xd1；(2b)计算两幅遥感图像对应像素灰度值的商，并对商取对数后，再进行归一化，得到对数比值图Xd2；(2c)计算两幅遥感图像的均值比，并归一化，得到均值比图Xd3；(3)将差值图Xd1，对数比值图Xd2和均值比图Xd3中每个像素所在的h×h邻域小块作为该像素的邻域向量，将位于该3幅图像相同位置处像素的邻域向量合为一个样本向量，用所有样本向量组成样本矩阵；(4)用treelet变换对样本矩阵进行特征提取，得到特征向量矩阵；(5)从差值图Xd1，对数比值图Xd2，均值比图Xd3中任取一幅，用K‑means方法，根据特征向量矩阵将所取出差异图聚成不同的两类，分别计算这两个不同类别的均值，定义均值较大的那一类为变化类，均值较小的那一类为非变化类，由此得到最终的变化检测结果。