基于UDWT融合和聚类的多时相遥感图像变化检测.docx

基于UDWT融合和聚类的多时相遥感图像变化检测
刘小艳，覃亚丽

（浙江工业大学信息工程学院光纤通信与信息工程研究所,浙江杭州310023）
摘要：针对多时相遥感影像变化检测问题，提出了是你首先提出的？
一种基于小波融合和模糊聚类的变化检测方法。该方法利用差值图和对数比值图分别进行非抽样小波变化（UndecimatedDiscreteWavelettransform，UDWT），然后将小波系数进行融合，并将融合后的系数用多尺度序列表示。最后利用模糊局部信息C均值聚类（FuzzyLocal-informationC-meansClustering，FLICM）对多尺度特征向量进行聚类分析。FLICM加入了空间邻域信息，对噪声有较好的鲁棒性。实验结果证实了该算法效率更高与谁比？
。

关键词：小波融合；非抽样小波变换；模糊局部信息C均值聚类；空间邻域信息
中图分类号：TP751.1文献标识码：A

ChangeDetectionofMulti-temporalRemoteSensingDataBasedonUDWTandFLICM
LIUXiao-yan，QINYa-li
（InstituteofFiberCommunication&InformationEngineering,CollegeofInformationEngineering,ZhejiangUniversityofTechnology,HangzhouZhejiang310023，China）

Abstract:Thispaperproposesanoveltechniqueforchangedetectioninmultitemporalsatelliteimages,whichisbasedonwaveletfusionandfuzzyclustering.Firstly,thedifferenceimagesbydifferencingoperationandlog-ratiooperationaredecomposedusingUDWT,then,waveletcoefficientarefusedtoobtainmultiscalerepresentation.ThefinalchangedetectionmapisachievedbyclusteringthemultiscalefeaturevectorsusingFLICMalgorithm.FLICMclusteringconsidersthespatial-contextualinformation,ithasgoodrobustnessfornoise.Experimentalresultsshowthattheproposedapproachismoreefficient.
Keywords:waveletfusion；undecimateddiscretewavelettransform(UDWT)；fuzzylocal-informationC-meansclustering(FLICM)；thespatial-contextualinformation
1引言
变化检测是遥感应用的重要内容之一。近年来，随着人类活动的加剧，全球环境发生了很大的变化，致使研究的兴起，基于遥感图像的变化检测在许多领域得到了广泛应用，如城市扩展、植被变化、湿地变化[1]、灾害检测[2][，3]等。通常，变化检测是指对涉及到的已配准的同一区域内的遥感图像必须是不同时间同一区域内的遥感图像检测其变化。在变化检测的处理技术方面，基于监督变化检测需要地表真实数据作为训练集，而得到地面参考数据是一件很困难的任务，并且受分类器制约的影响非常大。无监督变化检测方法不需要任何先验信息，就可以对两幅多时相图像直接进行比较。所以，无监督的变化检测方法在许多实际应用方面受到青睐，是目前实际应用中更常用的方法。
最常用的无监督的变化检测方法一般分为两步[4]。第一，获取差异影像；第二，对差异影像分析和处理检测变化区域的位置。区分差异影像中变化和非变化问题可以看为图像分割问题。常用的方法是对差异图的灰度直方图去取阈值来提取变化信息，但该方法过于依赖差异影像数据的统计模型。因此本文提出了？
一种自由分布的？
变化检测方法，该方法结合差值图和对数比值图各自特点，利用非抽样小波多尺度融合得到新的多尺度序列，然后对该特征矢量利用FLICM分为变化类和非变化类，得到最后的检测结果。
2变化检测技术
变化检测流程图如图1所示。

图1变化检测流程图图画的有问题

2.1差异影像获取
图像校正以后，分别采用差值法和对数比值法对两时相进行处理得到差异影像。两种方法的计算公式如下：
（1）
（2）
和分别表