基于treelet的遥感图像变化检测方法研究.docx

基于treelet的遥感图像变化检测方法研究
摘要：
遥感图像变化检测是遥感技术中的一项重要应用，它在大规模地表覆盖的情况下，能够发现地表变化信息，为资源管理、城市规划及环境监测等提供了有效的工具。然而，由于地表的复杂性和遥感图像的噪声，有效的变化检测一直是一个挑战性问题。因此，本文提出一种基于treelet的遥感图像变化检测方法，该方法通过对图像进行多分辨率分解和卷积核滤波，提取出大尺度、小尺度的结构信息，然后利用二值化和形态学变换进行图像分割，得到变化区域。实验结果表明，该方法在不同的遥感图像集上，都能够有效地检测出地表变化区域，具有较高的检测精度和稳定性。
关键词：遥感图像；变化检测；treelet；多分辨率分解；卷积核滤波；形态学变换
1.引言
遥感图像变化检测是遥感技术中的一项重要应用，它能够在不同时间和地点对地表进行监测，发现地表变化信息，为资源管理、城市规划及环境监测等提供了有效的工具。然而，由于地表的复杂性和遥感图像的噪声，有效的变化检测一直是一个挑战性问题。
近年来，随着计算机图像处理技术的不断发展，越来越多的变化检测方法被提出，其中较为常用的方法有基于像素的方法、基于对象的方法和基于特征的方法等。基于像素的方法主要通过比较同一区域两幅遥感影像的像素值的差异，来检测变化区域。这种方法缺点明显，因为它将邻近像素视为相互独立，忽略了像素间的相互关系。基于对象的方法采用基于对象的图像分割方法来区分变化和不变化的区域。然而，由于对象分割的准确性受到许多因素的影响，如区域边界粗糙，尺寸和形状不一致等因素，这种方法的有效性受到限制。基于特征的方法则是基于从图像中提取的某些特征值进行检测，比如纹理、形状、颜色等。
本文提出了一种基于treelet的遥感图像变化检测方法，它通过将图像进行多尺度分解和卷积核滤波，提取出大尺度、小尺度的结构信息，然后利用二值化和形态学变换进行图像分割，得到变化区域。
2.研究方法
2.1treelet分解
treelet是一种用于分解图像的图像式模型，它能够分解图像的多尺度、多向度的结构信息。treelet分解可以看作是一种基于Mallat算法的多尺度分解，不同的是它使用的划分方式更加适合遥感图像的特性。它将图像分为多个局部区域，每个区域用一组过零点的连续线段来表示。这些过零点的连续线段在一个分支结构上相连接成treelet。通过对每个treelet进行分解，可以提取局部区域的多尺度结构信息。因为treelet分解在处理高分辨率的遥感图像方面有很好的应用，本文将基于treelet的分解作为预处理步骤进行。
2.2滤波器设计
卷积核滤波是一种常用的图像特征提取方法，它能通过滤波器提取图像中的边缘，纹理和灰度等信息。为了提取出变化区域的显著特征，本文采用了一种改进的小波核滤波方法。该方法的滤波核是在小波核滤波器的基础上，加入了对不同大小的结构信息的考虑，能够更好地提取图像中的显著特征。
2.3图像分割
在treelet分解和滤波器设计后，本文将通过二值化和形态学变换来对图像进行分割，以提取出变化区域。本文采用otsu二值化算法来选取阈值，然后利用形态学变换来消除噪声和填补空洞，最终得到变化区域。
3.实验结果
本文在不同遥感图像集上进行了实验，比较了本文提出的方法与其他经典变化检测方法在检测精度和鲁棒性上的表现。实验结果表明，本文提出的方法能够在不同遥感图像集上检测出地表变化区域，具有较高的检测精度和稳定性。
4.结论
本文提出了一种基于treelet的遥感图像变化检测方法，它能够有效地分析多尺度、多向度的图像结构信息，同时采用卷积核滤波和形态学变换，提取出图像中的显著特征，并进行二值化和形态学变换，进而得到变化区域。实验结果表明，本文提出的方法具有较高的检测精度和稳定性，可用于遥感图像变化检测。