一種圖像變化檢測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種圖像變化檢測(cè)方法，應(yīng)用于同一地區(qū)不同時(shí)期的遙感圖像變化區(qū)域檢測(cè)問(wèn)題，所述方法包括：通過(guò)對(duì)所述圖像的對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波得到初始差異圖；通過(guò)對(duì)上述初始差異圖進(jìn)行頻率調(diào)諧顯著性區(qū)域檢測(cè)得到顯著圖；通過(guò)對(duì)所述顯著圖進(jìn)行局部熵計(jì)算得到加熵顯著圖；根據(jù)小波變換法融合初始差異圖和加熵顯著圖得到融合圖；通過(guò)最大類間方差法對(duì)融合圖進(jìn)行分割得到最終的變化檢測(cè)結(jié)果圖。本發(fā)明將顯著性檢測(cè)模型引入到變化檢測(cè)問(wèn)題中，對(duì)差異圖和顯著圖進(jìn)行融合，在保留圖像細(xì)節(jié)的基礎(chǔ)上最大程度地突出變化區(qū)域，利于進(jìn)一步提取和分析。實(shí)驗(yàn)結(jié)果表明，本發(fā)明方法能夠有效地降低誤檢率，提高了變化檢測(cè)結(jié)果的精度。
【專利說(shuō)明】
-種圖像變化檢測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其設(shè)及一種圖像變化檢測(cè)方法。
【背景技術(shù)】
[0002] 遙感圖像變化檢測(cè)技術(shù)是通過(guò)提取、分析和判別多時(shí)相遙感圖像中的同一目標(biāo)或 區(qū)域，來(lái)獲取其中的變化信息。遙感圖像變化檢測(cè)技術(shù)從人類獲得多時(shí)相的航拍照片開(kāi)始， 就成為遙感研究的重要方向，從早期的人工目視解譯、膠片重疊等方法，到計(jì)算機(jī)自動(dòng)進(jìn)行 分析處理，變化檢測(cè)技術(shù)取得了很大進(jìn)步。隨著各國(guó)高分辨率遙感衛(wèi)星的次第發(fā)射W及對(duì) 全球環(huán)境變化的關(guān)注，遙感圖像變化檢測(cè)技術(shù)的研究成為遙感技術(shù)研究的熱點(diǎn)領(lǐng)域之一。
[0003] 在利用計(jì)算機(jī)進(jìn)行遙感圖像變化檢測(cè)之前，主要通過(guò)人工的方法對(duì)遙感圖像進(jìn)行 觀察、比較和分析、標(biāo)注，盡管效率低，但能夠保證檢測(cè)結(jié)果的精度。隨著計(jì)算機(jī)技術(shù)的發(fā) 展，遙感圖像自動(dòng)變化檢測(cè)的相關(guān)研究逐漸增多，提出了多種實(shí)現(xiàn)方法，但是相對(duì)于人工判 另IJ，計(jì)算機(jī)始終存在局限性，檢測(cè)結(jié)果的精度收到限制。因此，研究高效可行的圖像變化檢 測(cè)算法具有十分重要的理論和研究?jī)r(jià)值。
[0004] 在計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域，視覺(jué)注意力模型的研究得到了很大的發(fā)展。使用 計(jì)算機(jī)進(jìn)行人類視覺(jué)注意力系統(tǒng)模擬的模型，能夠?qū)⑷搜鬯苡^察到的感興趣區(qū)域從一幅 圖像中提取出來(lái)，而對(duì)于變化檢測(cè)問(wèn)題，通常變化區(qū)域的面積小于非變化區(qū)域的面積，因 此，變化區(qū)域能夠被視覺(jué)注意力模型當(dāng)作顯著區(qū)域被進(jìn)一步突出。近年來(lái)，已有學(xué)者從不同 的角度對(duì)視覺(jué)注意力模型應(yīng)用于圖像變化檢測(cè)進(jìn)行了探討，典型方法有W下兩種：（1)基于 ITTI模型的遙感圖像變化檢測(cè)方法，該方法通過(guò)模擬人眼視覺(jué)注意機(jī)制，來(lái)進(jìn)行變化檢測(cè) 研究；（2)基于視覺(jué)注意和上下文的非監(jiān)督變化檢測(cè)方法，能夠有效降低噪聲對(duì)變化檢測(cè)的 影響。但是，W上兩種方法都是直接對(duì)顯著圖進(jìn)行分割得到檢測(cè)結(jié)果，并且由于采用的ITTI 視覺(jué)注意力模型要做下采樣處理，故降低了分辨率，顯著圖中變化區(qū)域輪廓不明顯，所W檢 測(cè)精度受到限制。

【發(fā)明內(nèi)容】

[0005] 有鑒于上述問(wèn)題，本發(fā)明期望提供一種圖像變化檢測(cè)方法，W降低誤檢率，提高變 化檢測(cè)結(jié)果的精度。
[0006] 本發(fā)明實(shí)施例的技術(shù)方案是運(yùn)樣實(shí)現(xiàn)的：
[0007] -種圖像變化檢測(cè)方法，應(yīng)用于同一地區(qū)不同時(shí)期的遙感圖像，其特征在于，包括 W下步驟：
[000引通過(guò)對(duì)所述遙感圖像的對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波得到初始差異圖；
[0009] 通過(guò)對(duì)所述初始差異圖進(jìn)行頻率調(diào)諧顯著性區(qū)域檢測(cè)得到顯著圖；
[0010] 通過(guò)對(duì)所述顯著圖進(jìn)行局部賭計(jì)算得到加賭顯著圖；
[0011] 根據(jù)小波變換法融合所述初始差異圖和加賭顯著圖得到融合圖；
[0012] 通過(guò)最大類間方差法對(duì)所述融合圖進(jìn)行分割得到最終的變化檢測(cè)結(jié)果圖。
[0013] 上述方案中，所述通過(guò)對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波得到初始差異圖的步驟，過(guò) 程為：
[0014] 對(duì)已配準(zhǔn)的兩幅遙感圖像進(jìn)行計(jì)算，得到對(duì)數(shù)比值差異圖；
[0015] 對(duì)所述對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波，得到初始差異圖。
[0016] 上述方案中，所述對(duì)數(shù)比值差異圖的計(jì)算公式為：
[0017]
[001引其中，&和拉分別為已配準(zhǔn)的兩幅遙感圖像，Dl為所求得的對(duì)數(shù)比值差異圖。
[0019] 上述方案中，所述雙邊濾波的公式為：
[0020]
[0021] 其中，Dl(X)為像素點(diǎn)X的對(duì)數(shù)比值差異圖，Di(X)為像素點(diǎn)X的初始差異圖；
[0022] 丑:中.歸一化累擲HxH+當(dāng)公古九，
[0023] 其中，基于空間距離的高斯權(quán)重cU，x)的計(jì)算公式天
[0024] 巧中，某干像素間巧似忡度的高斯權(quán)軍S(化化），化(X))的計(jì)算公式為：
[0025] 其中，da, X)和S(化化），化(X))分別表示圖像像素點(diǎn)之間的空間距離和灰度距離， Od和Or分別表示控制空間距離的參數(shù)和控制灰度距離的參數(shù)。
[0026] 上述方案中，所述通過(guò)對(duì)所述初始差異圖進(jìn)行頻率調(diào)諧顯著性區(qū)域檢測(cè)得到顯著 圖的步驟，包括：
[0027] 步驟1:使用高斯濾波器對(duì)所述初始差異圖進(jìn)行平滑處理；
[002引步驟2:將平滑處理后的圖像從RGB顏色空間轉(zhuǎn)換到Lab顏色空間，W獲得亮度特征 和顏色特征；
[0029] 步驟3:計(jì)算各亮度特征和顏色特征在整幅圖像上的均值；
[0030] 步驟4:在各亮度特征和顏色特征下，計(jì)算每個(gè)像素點(diǎn)與整幅圖像均值之間的距 離；
[0031] 步驟5:融合所有亮度特征和顏色特征，得到每個(gè)像素點(diǎn)的最終顯著性值，從而得 到顯著圖。
[0032] 上述方案中，所述通過(guò)對(duì)所述顯著圖進(jìn)行局部賭計(jì)算得到加賭顯著圖，求取過(guò)程 為：
[0033] 確定局部窗口的范圍，定義為MXN;
[0034] 計(jì)算所述局部窗口M X N內(nèi)的灰度分布，記為Pij;
[0035] 利用所述灰度分布PU計(jì)算圖像中像素點(diǎn)（i，j)的局部賭，公式為：
[0036] 得到全圖局部賭，記為加賭顯著圖。
[0037] 上述方案中，所述根據(jù)小波變換法融合所述初始差異圖和加賭顯著圖得到融合 圖，方法如下：
[0038] 選擇化ar小波基對(duì)所述初始差異圖和加賭顯著圖分別進(jìn)行小波變換，分解層數(shù)為 兩層；
[0039] 使用加權(quán)平均法對(duì)小波變換后的圖像進(jìn)行融合；
[0040] 對(duì)融合后的圖像進(jìn)行反變換，得到最終融合圖。
[0041 ]上述方案中，所述加權(quán)平均法的融合規(guī)則為：
[0042] 低頻系數(shù)公式為：Cj+l,F(m，n)=0.75XCj+l,I(m，n)+0.25XCj+l,s(m，n)，其中，Cj+l,F (m，n)，Cj+i,i(m，n)和Cj+i,s(m，n)分別表示融合圖化、初始差異圖化和加賭顯著圖化在像素點(diǎn) (m，n)處的第j+1層的小波變換近似系數(shù)；
[0043] 高頻系數(shù)為加賭顯著圖經(jīng)小波變換后的高頻系數(shù)。
[0044] 有益效果:本發(fā)明的方法基于顯著性檢測(cè)和小波融合，將基于頻率調(diào)諧的顯著性 檢測(cè)模型引入到變化檢測(cè)問(wèn)題中，該模型不用進(jìn)行下采樣的計(jì)算，輸出的顯著圖和原始圖 像大小一致，同時(shí)，該方法將差異圖與顯著圖進(jìn)行融合，不僅保留了變化信息的細(xì)節(jié)，同時(shí) 突出了變化區(qū)域，有利于下一步的提取。實(shí)驗(yàn)結(jié)果表明，本發(fā)明方法能夠有效地降低誤檢 率，提高了變化檢測(cè)結(jié)果的精度。
【附圖說(shuō)明】
[0045] 圖1為本發(fā)明實(shí)施例提供的圖像變化檢測(cè)方法的流程圖；
[0046] 圖2為具體實(shí)施方案中在化tawa真實(shí)遙感圖像數(shù)據(jù)集中五種方法變化檢測(cè)結(jié)果對(duì) 比圖，（a)~(e)分別表示SOBO方法、LOGO方法、NOENO方法、ITTI方法和本發(fā)明方法。
[0047] 為了能明確實(shí)現(xiàn)本發(fā)明的實(shí)施例的結(jié)構(gòu)，在圖中標(biāo)注了特定的尺寸、結(jié)構(gòu)和器件， 但運(yùn)僅為示意需要，并非意圖將本發(fā)明限定在該特定尺寸、結(jié)構(gòu)、器件和環(huán)境中，根據(jù)具體 需要，本領(lǐng)域的普通技術(shù)人員可W將運(yùn)些器件和環(huán)境進(jìn)行調(diào)整或者修改，所進(jìn)行的調(diào)整或 者修改仍然包括在后附的權(quán)利要求的范圍中。
【具體實(shí)施方式】
[0048] 在W下的描述中，將描述本發(fā)明的多個(gè)不同的方面，然而，對(duì)于本領(lǐng)域內(nèi)的普通技 術(shù)人員而言，可W僅僅利用本發(fā)明的一些或者全部結(jié)構(gòu)或者流程來(lái)實(shí)施本發(fā)明。為了解釋 的明確性而言，闡述了特定的數(shù)目、配置和順序，但是很明顯，在沒(méi)有運(yùn)些特定細(xì)節(jié)的情況 下也可W實(shí)施本發(fā)明。在其他情況下，為了不混淆本發(fā)明，對(duì)于一些眾所周知的特征將不再 進(jìn)行詳細(xì)闡述。
[0049] -、發(fā)明方案
[0050] 為了解決現(xiàn)有圖像變化檢測(cè)方法存在的技術(shù)問(wèn)題，本發(fā)明實(shí)施例期望提供一種圖 像的變化檢測(cè)方法，應(yīng)用于同一地區(qū)不同時(shí)期的兩幅遙感圖像，如圖1所示，所述方法包括 W下步驟：
[0051] (1)通過(guò)對(duì)兩幅遙感圖像的對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波得到初始差異圖；
[0052] 本步驟中，首先對(duì)已配準(zhǔn)的兩幅遙感圖像進(jìn)行計(jì)算，得到對(duì)數(shù)比值差異圖；然后對(duì) 上述對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波，在有效去除噪聲的基礎(chǔ)上，保留了圖像邊緣信息，從而 得到初始差異圖。
[0053] (2)通過(guò)對(duì)上述初始差異圖進(jìn)行頻率調(diào)諧顯著性區(qū)域檢測(cè)得到顯著圖；
[0054] 在初始差異圖中，變化區(qū)域像素具有較大值，非變化區(qū)域像素值接近于零值，并且 通常變化區(qū)域在整幅圖像中所占面積比較小，因此，變化區(qū)域能夠被視覺(jué)注意力模型當(dāng)作 顯著區(qū)域而檢測(cè)出來(lái)。
[0055] 基于此，本發(fā)明實(shí)施例將頻率調(diào)諧顯著性區(qū)域檢測(cè)方法引入到變化檢測(cè)領(lǐng)域，來(lái) 模擬人類視覺(jué)對(duì)變化區(qū)域的感知，W彌補(bǔ)計(jì)算機(jī)相對(duì)于人類大腦存在的局限性，提高檢測(cè) 結(jié)果的精度。該方法具體實(shí)施步驟為:首先對(duì)圖像進(jìn)行高斯平滑處理，然后將Lab顏色空間 作為圖像特征，計(jì)算每個(gè)顏色通道中某個(gè)像素與整幅圖像的平均色差之間的歐幾里得距 離，最后將運(yùn)3個(gè)通道值相加，得到的結(jié)果作為該像素的顯著性值。
[0056] (3)通過(guò)對(duì)所述顯著圖進(jìn)行局部賭計(jì)算得到加賭顯著圖；
[0057] 局部賭反映了圖像灰度的離散程度，而與圖像的灰度均值無(wú)關(guān)，依照局部賭值，可 W從圖像中把相對(duì)均勻的目標(biāo)分割出來(lái)。
[0058] 在生成的顯著圖中，變化區(qū)域進(jìn)一步地突出，但是一些小目標(biāo)和邊緣信息隨之減 弱，為了彌補(bǔ)該缺點(diǎn)造成的結(jié)果不準(zhǔn)確，本發(fā)明實(shí)施例對(duì)顯著圖進(jìn)行局部賭計(jì)算，得到加賭 顯著圖，具體實(shí)現(xiàn)方式為:確定局部窗口的范圍，計(jì)算該局部窗口內(nèi)的灰度分布，利用上述 灰度分布計(jì)算圖像上所有點(diǎn)的局部賭。
[0059] (4)根據(jù)小波變換法融合初始差異圖和加賭顯著圖得到融合圖；
[0060] 小波變換是一種多尺度的分析方法，具有時(shí)頻局部化和多分辨率特性，因而它可 W同時(shí)進(jìn)行時(shí)域和頻域的分析。
[0061] 為了得到既能突出變化區(qū)域，又可W保留細(xì)節(jié)信息及邊緣信息的差異圖，本發(fā)明 實(shí)施例使用基于小波變換的融合方法來(lái)融合初始差異圖和加賭顯著圖，該融合方法減少了 層間的相關(guān)性，能夠獲得所需的融合效果，具體實(shí)現(xiàn)方式為:首先選擇化ar小波基對(duì)圖像進(jìn) 行小波變換，再使用加權(quán)平均法對(duì)上述小波變換后的圖像進(jìn)行融合，最后對(duì)融合圖像進(jìn)行 反變換，得到融合圖。
[0062] (5)通過(guò)最大類間方差法對(duì)融合圖進(jìn)行分割得到最終的變化檢測(cè)結(jié)果圖。
[0063] 具體地，步驟(1)包括：
[0064] (Ia)對(duì)已配準(zhǔn)的兩幅遙感圖像進(jìn)行計(jì)算，得到對(duì)數(shù)比值差異圖；
[0065] Xi和拉為已配準(zhǔn)的兩幅遙感圖像，分別代表不同時(shí)間、同一地理位置所獲得的遙感 圖像。按照W下公式得到對(duì)數(shù)比值差異圖化：
[0066]
[0067] (化)對(duì)上述對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波，得到初始差異圖。
[0068] 雙邊濾波算法除了使用像素間幾何上的靠近程度外，還考慮了像素之間像素值的 差異，因此，雙邊濾波不僅能夠有效地去除圖像噪聲，同時(shí)還保留了邊緣信息。同時(shí)，由于圖 像噪聲對(duì)變化檢測(cè)的結(jié)果有很大的影響，而傳統(tǒng)的低通濾波器在濾波的過(guò)程中又會(huì)不可避 免地丟失邊緣信息，因此本發(fā)明選用雙邊濾波對(duì)對(duì)數(shù)比值差異圖進(jìn)行降噪，得到初始差異 圖。
[0070]
[00例已知，Dl(X)為像素點(diǎn)X的對(duì)數(shù)比值差異圖，Di(X)為像素點(diǎn)X的初始差異圖，雙邊濾 波過(guò)程表示為：
[0073] 其中，基于巧間距離的高斯權(quán)重cU，x)的計(jì)算公式為：
[0071]
[0072]
[0074]
[0075] 其中，基于像素間相似性度的高斯權(quán)重S(化化），化(X))的計(jì)算公式為：
[0077」 具甲，像奈間置間化尚卿像奈化尚護(hù)」訂昇公式為：
[0076；
[007引
[0079] 其中，Od為控制空間距離的參數(shù)，Or為控制灰度距離的參數(shù)。
[0080] 具體地，步驟(2)包括：
[0081 ] (2a)伸巧高斯濾妮器對(duì)輪入圖像I進(jìn)行平滑處理，得到輸出圖像Ig,公式為：
[0082]
[0083] 式中，（i，j )表示像素坐標(biāo)，符號(hào)敏表示卷積運(yùn)算，G表示高斯濾波器濾波算子，其 尺度大小一般選擇為3 X 3;
[0084] (2b)將圖像Ig從RGB顏色空間轉(zhuǎn)換到Lab顏色空間，從而獲得亮度特征L和顏色特 征a, b，特別地，對(duì)于待灰度遙感圖像來(lái)說(shuō)，僅需使用一維的灰度特征作為亮度特征來(lái)進(jìn)行 計(jì)算；
[0085] (2c)計(jì)算每個(gè)特征在整幅圖像上的均值，公式為：
[0089]其中，彩色圖像I的大小為HXW，其中H為高度，W為寬度。
[0086]
[0087]
[008引
[0090] (2d)在各特征下，計(jì)算每個(gè)像素點(diǎn)與整幅圖像均值之間的距離，公式為：
[0091] SlQ, j) = (X(i, j)-UL)2
[0092] Sa(i，j) = (a(i，j)-Ua)2
[0093] Sb(i，j) = (b(i，j)-叫）2
[0094] (2e)融合上述所有特征，得到每個(gè)像素點(diǎn)的最終顯著性值，公式為：
[0095] S(i，j)=SL(i，j)+Sa(i，j)+Sb(i，j)
[0096] 最后得到顯著圖。
[0097] 具體地，步驟(3)包括：
[0098] 設(shè)DsQ，j)為顯著圖中像素點(diǎn)（i，j)處的灰度，對(duì)于圖像中一個(gè)MXN大小的局部窗 口，定或其局部'協(xié)為，
[0099]
[0100] I：為：
[0101]
[0102] 推廣得到全圖局部賭，記為加賭顯著圖。
[0103] 具體地，步驟(4)包括：
[0104] (4a)選擇化ar小波基對(duì)圖像進(jìn)行小波變換，分解層數(shù)為兩層，采用二維Mallat算 偏？ _要完加1下.
[0105]
[0106] 其中，Hr、Gr分別表示鏡像共輛濾波器H和G在行上的作用分量，出、Gc分別表示鏡像 共輛濾波器H和G在列上的作用分量，Cj為第j層的小波系數(shù)，Cw為第j+1層的小波變換近似 系數(shù)，為計(jì)算得到的小波變換細(xì)節(jié)系數(shù)，分別表示行方向、列方向和對(duì) 角線方向的細(xì)節(jié)。
[0107] 進(jìn)行二維小波變換時(shí)，首先進(jìn)行行方向的一維小波變換，得到左右兩張子圖，再對(duì) 兩張子圖分別進(jìn)行列方向的一維小波變換，共得到四張變換后圖像，分別代表低頻分量、水 平方向高頻分量、垂直方向高頻分量W及對(duì)角線方向高頻分量。
[0108] (4b)使用加權(quán)平均法對(duì)上述小波變換后圖像進(jìn)行融合，融合規(guī)則為：
[0109] 低頻系數(shù)公式：
[0110] Cj+i'F(m，n) = 0.75 XCj+1'i(m，n)+0.化 XCj+i's(m，n)
[0111 ] 其中，Cj+i,F(m，n)，Cj+i,i(m，n)和Cj+i,s(m，n)分別表不融合圖Df、初始差異圖Di和加 賭顯著圖化在像素點(diǎn)(m，n)處第j+1層的小波變換近似系數(shù)；
[0112] 高頻系數(shù)即為加賭顯著圖經(jīng)小波變換后的高頻系數(shù)。
[0113] M一對(duì)融!會(huì)図?xiàng)l袖:軒亦拍L _值至Il縣激融!會(huì)図舌於]管油
[0114]
[011引其中辦麻為H，G的共輛轉(zhuǎn)置矩陣。
[0116] 具體地，步驟(5)的實(shí)現(xiàn)方法為：
[0117] 由于最大類間方差法在圖像處理領(lǐng)域的廣泛應(yīng)用及穩(wěn)健表現(xiàn)，本發(fā)明采用該方法 來(lái)對(duì)融合后的圖像進(jìn)行分割，進(jìn)而提取出變化區(qū)域。
[011引二、實(shí)驗(yàn)驗(yàn)證
[0119] (1)實(shí)驗(yàn)數(shù)據(jù)說(shuō)明
[0120] 本實(shí)驗(yàn)采用五組遙感圖像數(shù)據(jù)集，包括模擬數(shù)據(jù)集及基準(zhǔn)變化圖和真實(shí)遙感圖像 數(shù)據(jù)集。其中，真實(shí)遙感圖像數(shù)據(jù)集包括Mexico數(shù)據(jù)集、Sardinia數(shù)據(jù)集、Bern數(shù)據(jù)集和 Ottawa數(shù)據(jù)集和它們的基準(zhǔn)變化圖。
[0121] (2)驗(yàn)證方法說(shuō)明
[0122] 對(duì)W下五種遙感圖像變化檢測(cè)方法進(jìn)行對(duì)比實(shí)驗(yàn)：
[0123] a)為了體現(xiàn)本發(fā)明方法良好的差異圖構(gòu)造能力，將由圖像差值法獲得的差異圖直 接進(jìn)行大津闊值分割得到的結(jié)果與本發(fā)明方法的結(jié)果進(jìn)行比較。圖像差值圖進(jìn)行大津闊值 分割的方法記為SUBO方法。
[0124] b)為了說(shuō)明本發(fā)明方法改進(jìn)了傳統(tǒng)對(duì)數(shù)比值差異圖構(gòu)造方法，將由對(duì)數(shù)比值法獲 得的差異圖直接進(jìn)行大津闊值分割得到的結(jié)果與本發(fā)明方法的結(jié)果進(jìn)行比較。對(duì)數(shù)比值法 進(jìn)行大津闊值分割的方法記為L(zhǎng)OGO方法。
[0125] C)為了體現(xiàn)本發(fā)明方法對(duì)顯著圖計(jì)算局部賭的作用，將不加賭法獲取的差異圖直 接進(jìn)行大津闊值分割得到的檢測(cè)結(jié)果與本發(fā)明方法的結(jié)果進(jìn)行對(duì)比，該方法記為NOENO方 法。
[0126] d)為了說(shuō)明本發(fā)明方法進(jìn)行變化檢測(cè)的效果，將基于視覺(jué)注意機(jī)制ITTI模型的方 法與本發(fā)明方法進(jìn)行對(duì)比，該方法記為ITTI方法。
[0127] e)本發(fā)明所述的基于顯著性和小波融合的變化檢測(cè)方法。
[0128] (3)實(shí)驗(yàn)結(jié)果及分析
[0129] 分別使用上述五種方法在五組遙感圖像數(shù)據(jù)集上進(jìn)行測(cè)試。圖2所示為使用五種 方法在化tawa真實(shí)SAR圖像數(shù)據(jù)集上進(jìn)行變化檢測(cè)得到的結(jié)果圖像，從圖中可W直觀地看 出：SUBO方法的虛警過(guò)多檢測(cè)效果較差;L0G0、N0EN0方法的效果較為接近，存在一定的虛警 和噪聲點(diǎn)；ITTI方法虛警數(shù)較少，但存在較多漏檢的情況，丟失了很多變化區(qū)域的細(xì)節(jié)信 息;而本發(fā)明所述方法在背景噪聲的抑制和變化區(qū)域輪廓及內(nèi)部細(xì)節(jié)的檢測(cè)等方面都要優(yōu) 于其他四種方法。
[0130] 夫1節(jié)種方巧對(duì)節(jié)紐違胎掛據(jù)隹的結(jié)罷忡能評(píng)價(jià)夫
[0131]
[0132]
[0133] 從數(shù)據(jù)角度分析，如表1所示，對(duì)于模擬遙感圖像數(shù)據(jù)集，五種方法的檢測(cè)結(jié)果正 確率都比較高，其中ITTI方法和本發(fā)明所述方法表現(xiàn)最優(yōu);對(duì)于真實(shí)遙感圖像數(shù)據(jù)集，本發(fā) 明的方法體現(xiàn)出較強(qiáng)的優(yōu)越性：由實(shí)驗(yàn)結(jié)果數(shù)據(jù)可W看出，在保證漏檢數(shù)在可接受范圍內(nèi) 的同時(shí)，本發(fā)明所述方法的虛警數(shù)較少，在上述四個(gè)真實(shí)遙感圖像數(shù)據(jù)集中總錯(cuò)誤數(shù)最少、 正確率表現(xiàn)最優(yōu)。
[0134] 表2五種方法在五組實(shí)驗(yàn)數(shù)據(jù)集上的平均正確率表 「01351
[0136] 再由表2可知，在五個(gè)實(shí)驗(yàn)數(shù)據(jù)集上，本發(fā)明方法的平均正確率分別比洲BO方法、 LOGO方法、NOENO方法和口TI方法高5.92%、0.36%、0.43和0.56%，說(shuō)明了本發(fā)明方法能夠 有效地提高變化檢測(cè)結(jié)果的精確度。
[0137] 由上述的實(shí)驗(yàn)結(jié)果分析可知，本發(fā)明提出的基于顯著性檢測(cè)和小波融合的遙感圖 像變化檢測(cè)方法可W減少漏檢數(shù)，能夠有效地檢測(cè)到變化信息，并且在真實(shí)遙感圖像數(shù)據(jù) 集上表現(xiàn)出更強(qiáng)的優(yōu)越性，適宜于實(shí)際應(yīng)用。
[0138] S、方案及實(shí)驗(yàn)總結(jié)
[0139] 本發(fā)明將基于頻率調(diào)諧的顯著性檢測(cè)模型引入到遙感圖像的變化檢測(cè)問(wèn)題中，提 出了一種基于顯著性檢測(cè)和小波融合的遙感圖像變化檢測(cè)方法，運(yùn)種方法將對(duì)數(shù)比值差異 圖和加賭顯著圖進(jìn)行融合，從而得到一幅既能有效地突出變化區(qū)域，又能保留細(xì)節(jié)及邊緣 信息的差異圖，為后續(xù)的變化區(qū)域提取提供了有利的條件。實(shí)驗(yàn)結(jié)果表明，本發(fā)明方法能夠 有效地降低誤檢率，提高了變化檢測(cè)結(jié)果的精度。
[0140] 在本申請(qǐng)所提供的具體實(shí)施方案中，應(yīng)該理解到，所掲露的方法，可W通過(guò)其它的 方式實(shí)現(xiàn)。
[0141] 本領(lǐng)域普通技術(shù)人員可W理解:實(shí)現(xiàn)上述方法實(shí)施例的全部或部分步驟可W通過(guò) 程序指令相關(guān)的硬件來(lái)完成，前述的程序可W存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序 在執(zhí)行時(shí)，執(zhí)行包括上述方法實(shí)施例的步驟;而前述的存儲(chǔ)介質(zhì)包括:移動(dòng)存儲(chǔ)設(shè)備、只讀 存儲(chǔ)器（Read-Only Memoir ,ROM)、隨機(jī)存取存儲(chǔ)器（Random Access Memory ,RAM)、磁碟或 者光盤等各種可W存儲(chǔ)程序代碼的介質(zhì)。
[0142] W上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何 熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明掲露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵 蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)W所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種圖像變化檢測(cè)方法，應(yīng)用于同一地區(qū)不同時(shí)期的遙感圖像，其特征在于，包括以 下步驟： 通過(guò)對(duì)所述遙感圖像的對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波得到初始差異圖； 通過(guò)對(duì)所述初始差異圖進(jìn)行頻率調(diào)諧顯著性區(qū)域檢測(cè)得到顯著圖； 通過(guò)對(duì)所述顯著圖進(jìn)行局部熵計(jì)算得到加熵顯著圖； 根據(jù)小波變換法融合所述初始差異圖和加熵顯著圖得到融合圖； 通過(guò)最大類間方差法對(duì)所述融合圖進(jìn)行分割得到最終的變化檢測(cè)結(jié)果圖。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波得 到初始差異圖的步驟，過(guò)程為： 對(duì)已配準(zhǔn)的兩幅遙感圖像進(jìn)行計(jì)算，得到對(duì)數(shù)比值差異圖； 對(duì)所述對(duì)數(shù)比值差異圖進(jìn)行雙邊濾波，得到初始差異圖。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)數(shù)比值差異圖的計(jì)算公式為：其中，心和辦分別為已配準(zhǔn)的兩幅遙感圖像，Dl為所求得的對(duì)數(shù)比值差異圖。4. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述雙邊濾波的公式為：其中，DUx)為像素點(diǎn)X的對(duì)數(shù)比值差異圖，D:(x)為像素點(diǎn)X的初始差異圖； 其中，歸一化系數(shù)k(x)計(jì)算公式為其中，基于空間距離的高斯權(quán)重cU，x)的計(jì)算公式為其中，基于像素間相似性度的高斯權(quán)重s(DlU)，Dl(x))的計(jì)算公式為：其中，(Κξ，χ)和S(DlU)，Dl(x))分別表示圖像像素點(diǎn)之間的空間距離和灰度距離，〇d和 分別表示控制空間距離的參數(shù)和控制灰度距離的參數(shù)。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)對(duì)所述初始差異圖進(jìn)行頻率調(diào)諧 顯著性區(qū)域檢測(cè)得到顯著圖的步驟，包括： 步驟1:使用高斯濾波器對(duì)所述初始差異圖進(jìn)行平滑處理； 步驟2:將平滑處理后的圖像從RGB顏色空間轉(zhuǎn)換到Lab顏色空間，以獲得亮度特征和顏 色特征； 步驟3:計(jì)算各亮度特征和顏色特征在整幅圖像上的均值； 步驟4:在各亮度特征和顏色特征下，計(jì)算每個(gè)像素點(diǎn)與整幅圖像均值之間的距離； 步驟5:融合所有亮度特征和顏色特征，得到每個(gè)像素點(diǎn)的最終顯著性值，從而得到顯 著圖。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)對(duì)所述顯著圖進(jìn)行局部熵計(jì)算得 到加熵顯著圖，求取過(guò)程為： 確定局部窗口的范圍，定義為MXN; 計(jì)算所述局部窗口 Μ X N內(nèi)的灰度分布，記為pij; 利用所述灰度分布PU計(jì)算圖像中像素點(diǎn)（i，j)的局部熵，公式為：得到全圖局部熵，記為加熵顯著圖。7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)小波變換法融合所述初始差異圖 和加熵顯著圖得到融合圖，方法如下： 選擇Haar小波基對(duì)所述初始差異圖和加熵顯著圖分別進(jìn)行小波變換，分解層數(shù)為兩 層； 使用加權(quán)平均法對(duì)小波變換后的圖像進(jìn)行融合； 對(duì)融合后的圖像進(jìn)行反變換，得到最終融合圖。8. 根據(jù)權(quán)利要求7所述的方法，其特征在于，所述加權(quán)平均法的融合規(guī)則為： 低頻系數(shù)公式為：(^+1,卩(111，11)=0.75\(^+1,1(111，11)+0.25\(^ +1,5(111，11)，其中，(^+1,卩(111， n)，Cj+i,i(m，n)和Cj+i,s(m，n)分別表不融合圖Df、初始差異圖Di和加熵顯著圖Ds在像素點(diǎn)(m， η)處的第j+1層的小波變換近似系數(shù)； 高頻系數(shù)為加熵顯著圖經(jīng)小波變換后的高頻系數(shù)。
【文檔編號(hào)】G06T7/00GK105957054SQ201610245590
【公開(kāi)日】2016年9月21日
【申請(qǐng)日】2016年4月20日
【發(fā)明人】張浩鵬, 姜志國(guó), 黃潔, 史振威, 謝鳳英, 趙丹培, 尹繼豪, 羅曉燕
【申請(qǐng)人】北京航空航天大學(xué)