一种知识驱动的高空间分辨率遥感影像自动变化检测方法
专利汇可以提供一种知识驱动的高空间分辨率遥感影像自动变化检测方法专利检索，专利查询，专利分析的服务。并且本 发明 针对高空间 分辨率 影像变化检测的应用需求，公开了一种基于多元特征提取与知识驱动的高空间分辨率遥感影像自动变化检测方法。主要包括：S1知识驱动的地表 覆盖 区域分离；S2提取多元遥感影像特征；S3基于多元特征与地物分布知识的变化检测；S4基于形态学和连通域分析的变化检测后处理及矢量化。本方法能够在有效减少传统变化检测方法由于影像空间分辨率过高导致的虚警率，并保持较高的感兴趣变化地物检测 精度 。该方法无需人工干预，计算速度快，可满足海量卫星影像自动化生产的需求。，下面是一种知识驱动的高空间分辨率遥感影像自动变化检测方法专利的具体信息内容。
1.一种知识驱动的高空间分辨率遥感影像自动变化检测方法，其特征在于，包括以下步骤：
步骤1，基于可见光植被指数分离原始高空间分辨率遥感影像中的城市区域和非城市区域，得到二值的掩模图像；
步骤2，对原始高空间分辨率遥感影像进行多元特征提取，包括以下子步骤：
步骤2.1，利用分水岭方法对原始高空间分辨率遥感影像进行分割，并提取面向对象特征，得到面向对象特征影像；所述步骤2.1的实现方式如下，
步骤2.1.1，提取原始影像的梯度影像GI，公式为 其中Ix为水平方向梯度，Iy为垂直方向梯度；
步骤2.1.2，对梯度影像统计灰度累计直方图，首先计算每个灰度值下的像素个数，然后对于灰度i，统计灰度范围在[0,i]之间的像素总数，得到灰度累计直方图，并将灰度累计直方图横轴映射到[0,100]；
步骤2.1.3，根据灰度累计直方图选择阈值GT，将梯度影像中灰度值小于GT的像素灰度值设置为GT；
步骤2.1.4，令M1,M2,...,MR表示图像GI的局部最小值点的坐标集合，C(Mi)为位于局部最小值相联系的汇水盆地内点的坐标集合，min和max代表梯度图像灰度的最小、最大值，T[n]表示灰度小于n的点的坐标集合，令 表示灰度级为n时汇水盆地被水淹没部分的合集，其中Cn(Mi)＝C(Mi)∩T[n]；
步骤2.1.5，开始时设定C[min+1]＝T[min+1]，按照以下规则迭代：令Q代表T[n]中连通分量的集合，对于每个连通分量q∈Q[n]，若q∩C[n-1]为空或q∩C[n-1]包含C[n-1]中的一个连通分量，则将q合并入Q[n-1]构成Q[n]；否则，在q∈Q[n]内构筑水坝；
步骤2.1.6，对于每个独立的分割区域，统计每个区域中的像素灰度均值，作为面向对象均值特征；
步骤2.2，对原始高空间分辨率遥感影像提取形态学建筑物指数，得到形态学特征影像；
步骤3，分别对步骤2.1得到的面向对象特征影像和步骤2.2得到的形态学特征影像进行变化检测，得到两个特征下的两幅初始结果，然后利用步骤1的掩模对两幅初始结果进行融合，获取初始变化检测结果；
步骤4，基于形态学运算对初始变化检测结果进行后处理，获得形态学后处理的结果二值图，然后基于连通域分析对结果二值图进行矢量化，得到最终的变化检测矢量结果。
2.如权利要求1所述的一种知识驱动的高空间分辨率遥感影像自动变化检测方法，其特征在于：所述步骤1的实现方式如下，
步骤1.1，对原始高分辨率影像逐像元计算可见光植被指数，获得VDVI影像，其公式为其中ρg、ρr、ρb分别表示绿、红、蓝三个可见光波段的像元亮度值；
步骤1.2，计算VDVI影像均值，并利用均值将VDVI图像二值化，得到二值的掩模图像M；
其中，二值化规则为，遍历VDVI图像中的每个像素，若该像素灰度值大于均值，则将其标记为1，表示该像素属于非城区；若该像素灰度值小于等于均值，则将其标记为0，表示该像素属于城区。
3.如权利要求2所述的一种知识驱动的高空间分辨率遥感影像自动变化检测方法，其特征在于：所述步骤2.2的实现方式如下，
步骤2.2.1，对于每个像元x，计算波段最大值代表其亮度特性，其公式为
其中K为影像波段数，bandk(x)表示像元x在第k个波段的光谱值，b(x)
表示像元x的亮度特征；
步骤2.2.2，构建MBI指数，利用基于顶帽变换与重构的差分形态学谱来提取建筑物的光谱-空间结构特性，具体包含以下步骤：
1)基于重构的顶帽变换，其公式为： 其中， 表示对亮度
影像做重构开运算，s与d分别表示线性结构元素的长度和方向；
2)基于顶帽变换的形态学谱，其公式为 其中b表示步骤2.2.1
中提取的亮度特征；
3)差分形态学谱，其公式为： 其中Δs为形态学谱间隔；
4)计算形态学建筑物指数，其公式为： 其中D和S表示形态学谱方
向数和尺度数。
4.如权利要求3所述的一种知识驱动的高空间分辨率遥感影像自动变化检测方法，其特征在于：所述步骤3的实现方式如下，
步骤3.1，对步骤2.1和步骤2.2得到的不同特征影像，分别利用变化向量分析法提取影像变化特征，公式为 其中m表示第m幅特征影像， 表示两个时
相对应特征影像，b为影像第b波段，n是波段总数；
步骤3.2，针对每幅特征影像m，分别利用k-均值聚类方法将影像二值化，未变化像素标记为0，变化像素标记为1，得到不同特征下变化检测结果，其中进一步包括：
步骤3.2.1，从差值影像中CIm随机取k个像素，作为k个簇的各自的中心；
步骤3.2.2，分别计算剩下的像素特征到k个簇中心的相异度，公式为：
将这些像素分别划归到相异度最低的簇，其中Xb、Yb分别表示像素特征
向量和聚类中心特征向量，n为特征向量维度；
步骤3.2.3，根据聚类结果，重新计算k个簇各自的中心，计算方法是取簇中所有像素各自维度的算术平均数；
步骤3.2.4，将CIm中全部像素按照新的中心重新聚类；
步骤3.2.5，重复步骤3.2.2～3.2.4，直到聚类结果不再变化；
步骤3.3，利用步骤1中得到的掩模M将不同特征下变化检测结果融合，得到初始变化检
1 2 1 2
测结果，公式为CMinit＝CMM+CM (1-M)，其中CM、CM分别代表步骤2.1、步骤2.2提取特征下由步骤3.2得到的变化检测中间结果。
5.如权利要求4所述的一种知识驱动的高空间分辨率遥感影像自动变化检测方法，其特征在于：所述步骤4中基于形态学运算对初始变化检测结果进行后处理，获得形态学后处理的结果二值图的实现方式如下，
步骤4.1.1，对步骤3的初始变化检测结果进行腐蚀操作：逐像素扫描二值图像，用3×3的结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1，否则为0，记经过腐蚀运算的二值图为CMerode；
步骤4.1.2，对腐蚀后的二值图CMerode进行开运算操作：先逐像素扫描CMerode，用3×3的结构元素与其覆盖的CMerode做“与”操作，如果都为1，结果图像的该像素为1，否则为0，记得到的中间结果为CMm；再一次逐像素扫描CMm，用3×3的结构元素与其覆盖的CMm做“与”操作，如果都为0，结果图像的该像素为0，否则为1，记经过形态学后处理的结果二值图为CMpost。
6.如权利要求5所述的一种知识驱动的高空间分辨率遥感影像自动变化检测方法，其特征在于：所述步骤4中基于连通域分析对结果二值图进行矢量化，得到最终的变化检测矢量结果的实现方式如下，
步骤4.2.1，基于递归连通域分析方法，搜索并标记CMpost中变化地物的连通域，其中变化地物象元指为1，逐像素遍历二值图CMpost，将未标记白色像素CMpost[i]作为种子，压入堆栈，标记连通域的label＝k，连通域的像素个数初始值N[k]＝0，标记种子像素mask[i]＝k，按顺序检查当前像素的四邻域像素是否存在白色未标记像素，如果存在，将该像素压入栈堆，记录连通域的像素个数N[k]＝N[k]+1；比较并记录当前连通域的最小矩形包围盒坐标(Xmin,Xmax,Ymin,Ymax)，依次从栈堆中取出顶部元素，以其作为新种子，递归搜索整幅图像，直至堆栈中无元素为止，即搜索得到一个连通域k；
步骤4.2.2，重复步骤4.2.1直到CMpost中的所有白色像素都被标记，即可得到所有连通域；
步骤4.2.3，根据应用需求中的最小图斑面积Smin和影像空间分辨率R设定连通域的像元数量下限Nmin＝Smin÷(R2)，遍历所有连通域，筛选并删除变化像元数量小于设定阈值Nmin的连通域；
步骤4.2.4，基于最小矩形包围盒方法，根据各个连通域坐标(Xmin,Xmax,Ymin,Ymax)提取矩形包围盒的4个顶点(Xmin,Ymin),(Xmax,Ymax)，(Xmin,Ymax),(Xmax,Ymin)，即可得到各个连通域的矢量边界，通过对矢量图进行二值化和再次矢量化，通过合并重叠的矢量得到最终的变化检测矢量结果CMvector。
一种知识驱动的高空间分辨率遥感影像自动变化检测方法
技术领域
背景技术
发明内容
的像元数量下限Nmin＝Smin÷(R)，遍历所有连通域，筛选并删除变化像元数量小于设定阈值Nmin的连通域；
具体实施方式
向量和聚类中心特征向量，n为特征向量维度；
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 腹部外科手术导航配准方法及系统 | 2020-05-08 | 106 |
| 牙齿图像的软硬组织检测方法 | 2020-05-08 | 620 |
| 一种基于机器视觉的电池连接器质量检测方法 | 2020-05-13 | 392 |
| 细胞图像分割方法、装置、计算机设备和存储介质 | 2020-05-14 | 345 |
| 一种基于渣片图像识别获取围岩类别的方法 | 2020-05-16 | 125 |
| 一种基于颗粒密集度的纹理特征度量方法 | 2020-05-17 | 782 |
| 一种知识驱动的高空间分辨率遥感影像自动变化检测方法 | 2020-05-13 | 231 |
| 一种基于空间混合模型的颅脑磁共振图像分割方法 | 2020-05-13 | 41 |
| 一种基于分水岭的极化SAR影像超像素分割方法 | 2020-05-14 | 145 |
| 一种基于对抗学习的非感应式餐盘图像数据自动标注方法 | 2020-05-16 | 910 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
