基于Matlab平臺的遙感圖像變化檢測算法改進策略

張　嶸

（天津市勘察院，天津300191）

基于Matlab平臺的遙感圖像變化檢測算法改進策略

張嶸

（天津市勘察院，天津300191）

利用多源遙感影像獲得變化的地物信息的過程稱為變化檢測。變化檢測的方法多種多樣，由影像分析的層次不同分為像素級的變化檢測、特征級的變化檢測和目標級的變化檢測3種類型；由不同的數(shù)據(jù)分析機理，變化檢測又可分為非監(jiān)督類變化檢測和監(jiān)督類變化檢測。試驗證明，基于邊緣特征與灰度差值法相結(jié)合的變化檢測試驗更適用于基于Matlab平臺的遙感圖像變化檢測。

圖像處理；圖像閾值分割；變化檢測；算法研究

隨著科學技術(shù)的不斷進步，人類對于自然界的認識不斷加深，利用資源及改造自然的能力有了很大的提升。多時相數(shù)據(jù)是指在不同時間獲取的同一地區(qū)的一組影像、地圖或其他地理數(shù)據(jù)。借助遙感技術(shù)可以實現(xiàn)按照設定的固定周期，對地球表面同一位置進行重復跟蹤訪問，且能夠提供不同分辨率的圖像，從而能夠提供多時相遙感影像數(shù)據(jù)，通過遙感技術(shù)獲取影像資料是環(huán)境監(jiān)測、資源變化研究的一個重要手段。

一、變化檢測基本方法研究

1.遙感變化檢測技術(shù)方法概述

1）直接比較法。直接比較法是指在分類之前直接對多時像的遙感光譜進行全面分析，通過相關(guān)信息確定引起光譜變化的主要因素，然后采用人工計算形式分析光感變化過程。

2）分類后比較法。本文在利用分類方式對影像加以分類后，通過使用分類后比較法，從中得出信息變化檢測的變化規(guī)律。

2.遙感變化檢測的基本流程

雖然目前遙感技術(shù)已經(jīng)較為成熟，精細程度也有了顯著提高，傳感器在生產(chǎn)中的作用越來越重要，然而，它還是會受到外界因素的干擾。變化檢測的目的是要在諸多不確定因素中正確檢測出變化區(qū)域的完整信息，為了達到這一要求，變化檢測需要經(jīng)過一系列的流程操作，大體由4部分組成:數(shù)據(jù)信息的獲取、圖像處理、信息變化檢測及精細度劃分。筆者選擇的是預處理后的圖像檢測方式，因此本文將重點放在了變化檢測圖像預處理之后幾個步驟上，即圖像變化信息提取與分析、變化檢測精度評估。

（1）遙感圖像變化檢測

遙感圖像的變化檢測主要分為兩個階段:第一階段是變化信息提取，主要是采用特定的方法從多幅不同時相的影像中提取具體的變化信息；第二階段是對圖像變化信息進行分析，主要是根據(jù)前面提取到的數(shù)據(jù)進行分析，為接下來的二次分析創(chuàng)造條件。

（2）檢測精確度的判斷

遙感圖像變化檢測精度的確定對于整個檢測來說也是非常關(guān)鍵的，對于變化檢測工作來說，其結(jié)果具有可評估性。由于實際操作過程中諸多變化信息的獲取都存在諸多困難，導致檢測精確度的判定工作變得很復雜。另外，對精確度進行判斷的過程中，還存在外部因素的干擾，且不同檢測方式的結(jié)果也不同。現(xiàn)階段，目視評估法是相關(guān)研究領(lǐng)域使用平率最高的檢測方式，但是該方式的精確度有待提高。

3.閾值確定方法

閥值和檢測結(jié)果之間具有密切的聯(lián)系。從現(xiàn)有的研究資料來看，大多數(shù)研究人員都是借助人工分析的方式來確定閥值的。筆者認為，在特定條件下，要確定準確的閥值，應當將元灰度值控制在0左右，當元灰度值發(fā)生改變時，所形成的數(shù)據(jù)都是變化檢測數(shù)據(jù)的記錄范圍。本文對當前的發(fā)展狀況進行了全面分析，指出在獲取全面的圖像信息資料之后，可以進一步對變化信息和非變化信息作進一步的劃分，以這個標準為依據(jù)，完成以下過程:

1）根據(jù)圖像變化范圍，確定灰度值的大小。

2）根據(jù)灰度值大小，計算變化類與未變化類所占比例的高低。

3）相對于圖像2的圖像1變化及相對于圖像1的圖像2變化是圖像變化的兩種主要形式。為了確保檢測的全面性，在上述操作的基礎上，設定具體的閾值。

二、試驗結(jié)果及分析

1.試驗結(jié)果評估方法

評估試驗結(jié)果采用直接目視評估法，即用眼睛對比，通過比較原圖像與檢測結(jié)果的重復率來進行評估；同時還可以通過漏檢率和虛檢率等其他相關(guān)定性的指標進行特定衡量。其中漏檢率的檢查重點是變化和未變化兩個方面，描述的內(nèi)容是沒有被檢測出的變化信息量占實際變化信息量的權(quán)重；虛檢率描述的內(nèi)容是檢測結(jié)果中偽變化信息量所占的權(quán)重，也就是“偽變化”所發(fā)生的概率。

2.試驗數(shù)據(jù)

本文所使用的原始圖像是SPOT衛(wèi)星分別于1987年和1992年拍攝的全色波段相同地區(qū)多源頭的遙感影像，其中圖像的大小尺寸是512×512像素，同時該遙感圖像是經(jīng)過相應預處理后所得到的，如圖1所示。文中所有試驗都基于 Matlab平臺進行。

圖1

在進行該部分試驗時，首先需要將圖像進行傅里葉變換；其次，需要設計特定的高斯低通濾波器處理，同時將處理后的結(jié)果通過反傅里葉方法進行不同的變換，得到平滑去噪后的圖像；然后對其進行灰度差值運算，得到灰度差值圖像如圖2所示，圖3為所得到的計算不同差值的濾波圖像的不同灰度分布情況；最后，通過本文中介紹過的閾值方法處理所要分析的圖像（如圖4所示），即為最后獲得的檢測結(jié)果。

圖2　參考變化圖

圖3　差異圖

圖4　4種閾值分割算法結(jié)果

三、試驗方法及結(jié)果分析

1.幾種閾值分割方法試驗及結(jié)果分析

檢測差異圖像的灰度直方圖可以看出其呈雙峰，因此由貝葉斯理論推導出的最小錯分概率分類閾值可以考慮。檢測結(jié)果如圖5—圖6所示，精度評估見表1。

圖5　差異圖的灰度分布

圖6　變化檢測結(jié)果

表1　幾種閾值分割算法精度評估　?。?）

2.基于PCNN的影像回歸變化檢測試驗及結(jié)果分析

1）假設多源遙感影像之間呈線性關(guān)系，通過最小二乘法來進行回歸，圖7為1992年SPOT衛(wèi)星影像圖回歸后圖像。

2）求出兩時像遙感影像的回歸殘差圖像，從而減弱多時相數(shù)據(jù)中由于大氣條件和太陽高度角的不同所帶來的不利影響，圖8為回歸殘差圖像。

3）采用PCNN算法對殘差圖像進行分割。

4）對殘差圖像進行數(shù)學形態(tài)運算，結(jié)果如圖9所示，再使用PCNN自動波正向傳播進行濾波，結(jié)果如圖10所示。

本文算法精度評估結(jié)果見表2。

圖7　回歸影像

圖8　回歸殘差圖

圖9　分割后二值圖像

圖10　PCNN自動波正向傳播后圖像

表2　本節(jié)算法精度評估　?。?）

3.灰度差值與紋理差值的融合算法試驗及結(jié)果分析

1）為保證處理速度，先將圖像壓縮量化為16級，使用一個3×3的窗口進行計算。

2）計算每一窗口下距離為1，角度分別為0、45°、90°、135°的4個灰度共生矩陣。

3）計算每一灰度共生矩陣的特征值，為簡潔起見，本文只求取圖像熵的特征值。將該窗口的熵特征賦值給窗口下圖像的中心像素，窗口依次在圖像上平移，從而得到整幅圖像的紋理特征圖像。進而得到兩幅不同時相圖像的紋理差值圖像，如圖11所示。

圖11　紋理差異圖

4）計算圖像的灰度差值圖像，采用合適的閾值分割方法分別對紋理差值圖像和灰度差值圖像進行分割，該部分采用的是最大類間差閾值分割方法，最后將兩幅二值圖像進行融合，得到圖像如圖12所示。

圖12　變化檢測結(jié)果

4.基于邊緣特征與灰度差值法相結(jié)合的變化檢測試驗及結(jié)果分析

具體的實現(xiàn)過程如下:

1）邊緣特征提取。用Canny算子分別對兩幅圖像進行邊緣特征提取，提取到的邊緣特征保存為圖形I和J，如圖13—圖14所示。

2）由于邊緣特征存在不連續(xù)性，本文需要膨脹處理該形體，從而達到連續(xù)性的邊緣特征，圖形I1 和J1分別為采用膨脹處理后的結(jié)果，如圖15—圖16所示。

3）提取邊緣差分的相應特征圖像。采用上述的圖形I1和J1作差運算分析:首先確定基準圖像為圖像 J1，求取圖像 I1與其所屬的邊緣差分圖像——I2；接著確定基準圖像為圖像I1，求取圖像J1與其所屬的邊緣差分圖像——J2；求取了兩個不同邊緣差分圖像后，再將相應的結(jié)果進行疊加，就可以得到整個過程所屬的邊緣差分的圖像；最后保存為T1，具體結(jié)果如圖17所示。

4）求取不同灰度差值的輪廓。首先進行兩個不同原始圖像的差值運算；然后進行差值結(jié)果的相應閾值處理；最后得到最終的檢測結(jié)果，同時保存結(jié)果為相應的圖形T2。

5）需要對圖像T1和圖像T2進行特定的結(jié)合運算。通常是確定基準圖像為邊緣特征圖像T1，然后采用輪廓圖像T2對該基準圖像進行相應的連接補充，具體結(jié)果如圖18所示。具體的操作流程如下:

a.需要采取像元檢索相應的邊緣特征差分圖像T1所屬的圖像矩陣。

b.如果像元值大小是1時，需要觀察灰度輪廓圖像T2中所對應像元的值大小是否也為1，如果是1，則邊緣特征差分圖像可以采用連續(xù)的輪廓進行填充，這也符合輪廓圖像基本連續(xù)的性質(zhì)。

c.如果不是1，則圖像配置時就可能存在相應的誤差，本文中需要采取緩沖處理，具體步驟如下:判斷輪廓圖像所屬像元的像元點數(shù)目，觀察其值大小是否為1，如果結(jié)果是1，則需要進行填充；如果結(jié)果不是1，該點的填充過程終止結(jié)束。重回到步驟a進行分析。

d.檢索進行直到邊緣特征差分圖像T1所屬的最后的像元終止結(jié)束。最后的變化檢測結(jié)果即為輸出圖像T1。

圖13　特征提取后圖像I

圖14　特征提取后圖像J

圖15　膨脹處理后圖像

圖16　膨脹處理后圖像

圖17　邊緣特征差分圖像

圖18　變化檢測結(jié)果

第3節(jié)和第4節(jié)的試驗成果精度較低，因此只作目視角度的評估，本文算法只是檢測出了大體的變化信息，一些細節(jié)部分沒有突出，且含有大量噪聲。但是該部分的算法目的是突出變化信息的特征性質(zhì)，從而改善常規(guī)的直接分類前變化檢測算法無法突出地物特征信息這一短板。第3節(jié)在檢測出變化信息的同時反映了變化地物的紋理特征，而第4節(jié)的成果，則很好地突出了變化地物的邊緣特征。

四、結(jié)束語

本文提出了對幾種傳統(tǒng)的遙感影像檢測的改進算法，并采用Matlab技術(shù)對改進算法進行了試驗研究。通過對1987—1992年的遙感影像數(shù)據(jù)處理的結(jié)果可以看出，改進后的算法不僅檢測出大體變化的特征性質(zhì)，而且可以改善常規(guī)的直接分類前變化檢測算法無法突出地物特征信息這一短板。但結(jié)果也顯示改進后的算法對某些細節(jié)部分的檢測能力略有不足，有待于進一步完善。

［1］ 孫海英，李鋒，商慧亮.改進的變分自適應中值濾波算法［J］.電子與信息學報，2011，33（7）:1743-1747.

［2］ 趙磊，王斌，張立明.基于分割窗的無監(jiān)督多通道遙感圖像變化檢測［J］.信息與電子工程，2010，8（2）: 173-179.

［3］ 董怡，金偉其，張淼.數(shù)學形態(tài)學濾波在紅外圖像去噪中的應用研究［J］.激光與紅外，2007，37（8）:795-798.

［4］ 陳雪，馬建文，戴芹.基于貝葉斯網(wǎng)絡分類的遙感影像變化檢測［J］.遙感學報，2005，9（6）:667-672.

［5］ 高新波，李潔，姬紅兵.基于加權(quán)模糊c均值聚類與統(tǒng)計檢驗指導的多閾值圖像自動分割算法［J］.電子學報，2004，32（4）:661-664.

［6］ 毛士藝，趙巍.多傳感器圖像融合技術(shù)綜述［J］.北京航空航天大學學報，2002，28（5）:512-518.

On the Algorithm Improvement for RS Image Change Detection Based on Matlab

ZHANG Rong

10.13474/j.cnki.11-2246.2016.0230.

P231

B

0494-0911（2016）07-0084-06

2015-12-02；

2016-01-08

張 嶸（1972—），男，工程師，主要從事工程測量工作。E-mail:renxiang0207@126.com

引文格式：張嶸.基于Matlab平臺的遙感圖像變化檢測算法改進策略［J］.測繪通報，2016（7）:84-89.