基于对象级半监督CV模型的遥感影像变化检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110070525A(43)申请公布日2019.07.30(21)申请号201910303873.2(22)申请日2019.04.16(71)申请人湖北省水利水电科学研究院地址430070湖北省武汉市洪山区珞狮南路286号(72)发明人张效康史文中吕志勇(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222代理人俞琳娟(51)Int.Cl.G06T7/00(2017.01)G06T7/30(2017.01)权利要求书2页说明书6页附图8页(54)发明名称基于对象级半监督CV模型的遥感影像变化检测方法(57)摘要本发明提供基于对象级半监督CV模型的遥感影像变化检测方法，包括：对各时相遥感影像进行预处理；将影像叠加后进行多尺度分割，形成同质的影像对象；计算各影像对象的变化强度特征，并对像素进行特征映射，得到变化强度特征图；将对象变化强度特征进行初始聚类，得到隶属度矩阵；采用信息熵度量方法计算每个对象的类别标记信息熵，进而进行类别初始标注，生成类别标记知识；将变化强度特征图作为输入特征，将类别标记知识引入CV模型，构造顾及类别标记知识的能量泛函，建立对象级半监督CV模型；通过求解能量泛函对应的欧拉方程，构造能量约束，引导曲线向目标轮廓的快速演化，实现遥感影像自动变化检测。CN110070525ACN110070525A权利要求书1/2页1.一种基于对象级半监督CV模型的遥感影像变化检测方法，其特征在于，包括以下步骤：步骤1：获取各时相遥感影像，分别对各时段遥感影像进行影像配准和相对辐射校正处理；步骤2：将处理后的各时相遥感影像叠加构成联合影像，对联合影像进行多尺度分割，形成同质的影像对象；步骤3：采用对象级变化向量分析方法计算每个影像对象的变化强度特征，并对像素进行特征映射，得到变化强度特征图；步骤4：采用模糊c-均值聚类算法对步骤3获得的对象变化强度特征进行初始聚类，得到标识每个对象所属类别的隶属度矩阵；步骤5：基于隶属度矩阵，采用信息熵度量方法，按下式计算每个对象的类别标记信息熵：Ek＝-wk,clog2wk,c-wk,ulog2wk,u，式中，wk,c，wk,u分别表示对象k属于“变化”与“不变”的隶属度；Ek表示对象k的类别标记信息熵且Ek∈[0,1)；依据对象类别标记信息熵和变化强度特征进行类别初始标注，生成“变化”与“不变”的类别标记数据集Qc，Qu：式中，ΔT为确定类别标记数据集大小的阈值，将数据集中“变化”与“不变”的类别特征值，作为类别标记先验知识；步骤6：将步骤3所得到变化强度特征图作为输入特征，将步骤5所得的类别标记知识引入CV模型，改进CV模型能量泛函，建立对象级半监督CV模型；改进后的CV模型能量泛函公式为：OSCVglosupregF(c1,c2,φ)＝F+α·F+μ·F，glo22F＝∫Ω|Q-c1|H(φ)dxdy+∫Ω|Q-c2|(1-H(φ))dxdy，sup22F＝Min{[∫Ω|Q-ui|H(φ)dxdy]1×N}+Min{[∫Ω|Q-vj|(1-H(φ))dxdy]1×M}，式中，FOSCV表示所提出的OSCV算法的能量泛函，Fglo为CV模型中的全局能量项，Fsup为引入的半监督能量项，Freg为正则化项，μ为正则化参数，α为类别标记知识贡献度，φ为水平集函数，Ω表示影像域，H(φ)为海维赛德函数的正则化形式，c1和c2分别为演化曲线内部和外部的图像灰度均值，ui、vj分别表示分布为“变化”与“不变”类别标记数据集中的特征值，N表示变化的类别标记数据集的维度，M表示未变化的类别标记数据集的维度；通过求解能量泛函对应的欧拉方程实现曲线演化，水平集演化方程如下式所示：2CN110070525A权利要求书2/2页通过构建顾及类别标记知识的水平集演化方程，对曲线演化构造能量约束，引导曲线向目标轮廓的快速演化，自动提取类别标记知识。2.根据权利要求1所述的基于对象级半监督CV模型的遥感影像变化检测方法，其特征在于：其中，在所述步骤1中，是以第一时相的影像为参考，对该时相的影像进行几何配准，配准精度达到0.5个像素；将第一时相影像同第二时相影像辐射值做匹配，通过直方图匹配方法进行相对辐射校正。3.根据权利要求1所述的基于对象级半监督CV模型的遥感影像变化检测方法，其特征在于：其中，在步骤2中，是采用分形网络演化方法，设定分割尺度、形状参数、紧致度参数，进行多尺度分割，得到同质的影像对象。4.根据权利要求1所述的基于对象级半监督CV模型的遥感影像变化检测方法，其特征在于：其中，在步骤3中，假设两个时相的遥感影像分别为I1和I2，影像对象的变化强度可表示为：式中，B为波段数；Qk为第k个对象的变化强度特征，表示