張　嶸

（天津市勘察院，天津300191）

基于Matlab平臺(tái)的遙感圖像變化檢測算法改進(jìn)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(jí)的變化檢測、特征級(jí)的變化檢測和目標(biāo)級(jí)的變化檢測3種類型；由不同的數(shù)據(jù)分析機(jī)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(yàn)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(yàn)更適用于基于Matlab平臺(tái)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(xué)技術(shù)的不斷進(jìn)步，人類對(duì)于自然界的認(rèn)識(shí)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(shí)相數(shù)據(jù)是指在不同時(shí)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(shí)現(xiàn)按照設(shè)定的固定周期，對(duì)地球表面同一位置進(jìn)行重復(fù)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(shí)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(gè)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(duì)多時(shí)像的遙感光譜進(jìn)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(jì)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(duì)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(xì)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(huì)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(dá)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(xì)度劃分。筆者選擇的是預(yù)處理后的圖像檢測方式，因此本文將重點(diǎn)放在了變化檢測圖像預(yù)處理之后幾個(gè)步驟上，即圖像變化信息提取與分析、變化檢測精度評(píng)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(gè)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(shí)相的影像中提取具體的變化信息；第二階段是對(duì)圖像變化信息進(jìn)行分析，主要是根據(jù)前面提取到的數(shù)據(jù)進(jìn)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(duì)于整個(gè)檢測來說也是非常關(guān)鍵的，對(duì)于變化檢測工作來說，其結(jié)果具有可評(píng)估性。由于實(shí)際操作過程中諸多變化信息的獲取都存在諸多困難，導(dǎo)致檢測精確度的判定工作變得很復(fù)雜。另外，對(duì)精確度進(jìn)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(píng)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(rèn)為，在特定條件下，要確定準(zhǔn)確的閥值，應(yīng)當(dāng)將元灰度值控制在0左右，當(dāng)元灰度值發(fā)生改變時(shí)，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(duì)當(dāng)前的發(fā)展?fàn)顩r進(jìn)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(jìn)一步對(duì)變化信息和非變化信息作進(jìn)一步的劃分，以這個(gè)標(biāo)準(zhǔn)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(jì)算變化類與未變化類所占比例的高低。

3）相對(duì)于圖像2的圖像1變化及相對(duì)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(chǔ)上，設(shè)定具體的閾值。

二、試驗(yàn)結(jié)果及分析

1.試驗(yàn)結(jié)果評(píng)估方法

評(píng)估試驗(yàn)結(jié)果采用直接目視評(píng)估法，即用眼睛對(duì)比，通過比較原圖像與檢測結(jié)果的重復(fù)率來進(jìn)行評(píng)估；同時(shí)還可以通過漏檢率和虛檢率等其他相關(guān)定性的指標(biāo)進(jìn)行特定衡量。其中漏檢率的檢查重點(diǎn)是變化和未變化兩個(gè)方面，描述的內(nèi)容是沒有被檢測出的變化信息量占實(shí)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(yàn)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(shí)該遙感圖像是經(jīng)過相應(yīng)預(yù)處理后所得到的，如圖1所示。文中所有試驗(yàn)都基于 Matlab平臺(tái)進(jìn)行。

圖1

在進(jìn)行該部分試驗(yàn)時(shí)，首先需要將圖像進(jìn)行傅里葉變換；其次，需要設(shè)計(jì)特定的高斯低通濾波器處理，同時(shí)將處理后的結(jié)果通過反傅里葉方法進(jìn)行不同的變換，得到平滑去噪后的圖像；然后對(duì)其進(jìn)行灰度差值運(yùn)算，得到灰度差值圖像如圖2所示，圖3為所得到的計(jì)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(yàn)方法及結(jié)果分析

1.幾種閾值分割方法試驗(yàn)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(dǎo)出的最小錯(cuò)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(píng)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(píng)估　?。?）

2.基于PCNN的影像回歸變化檢測試驗(yàn)及結(jié)果分析

1）假設(shè)多源遙感影像之間呈線性關(guān)系，通過最小二乘法來進(jìn)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(shí)像遙感影像的回歸殘差圖像，從而減弱多時(shí)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(duì)殘差圖像進(jìn)行分割。

4）對(duì)殘差圖像進(jìn)行數(shù)學(xué)形態(tài)運(yùn)算，結(jié)果如圖9所示，再使用PCNN自動(dòng)波正向傳播進(jìn)行濾波，結(jié)果如圖10所示。

本文算法精度評(píng)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(dòng)波正向傳播后圖像

表2　本節(jié)算法精度評(píng)估　　（%）

3.灰度差值與紋理差值的融合算法試驗(yàn)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(jí)，使用一個(gè)3×3的窗口進(jìn)行計(jì)算。

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

3）計(jì)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(jìn)而得到兩幅不同時(shí)相圖像的紋理差值圖像，如圖11所示。

圖11　紋理差異圖

4）計(jì)算圖像的灰度差值圖像，采用合適的閾值分割方法分別對(duì)紋理差值圖像和灰度差值圖像進(jìn)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(jìn)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(yàn)及結(jié)果分析

具體的實(shí)現(xiàn)過程如下:

1）邊緣特征提取。用Canny算子分別對(duì)兩幅圖像進(jìn)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(dá)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(yīng)特征圖像。采用上述的圖形I1和J1作差運(yùn)算分析:首先確定基準(zhǔn)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(zhǔn)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(gè)不同邊緣差分圖像后，再將相應(yīng)的結(jié)果進(jìn)行疊加，就可以得到整個(gè)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(jìn)行兩個(gè)不同原始圖像的差值運(yùn)算；然后進(jìn)行差值結(jié)果的相應(yīng)閾值處理；最后得到最終的檢測結(jié)果，同時(shí)保存結(jié)果為相應(yīng)的圖形T2。

5）需要對(duì)圖像T1和圖像T2進(jìn)行特定的結(jié)合運(yùn)算。通常是確定基準(zhǔn)圖像為邊緣特征圖像T1，然后采用輪廓圖像T2對(duì)該基準(zhǔn)圖像進(jìn)行相應(yīng)的連接補(bǔ)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(yīng)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(shí)，需要觀察灰度輪廓圖像T2中所對(duì)應(yīng)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(jìn)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(shí)就可能存在相應(yīng)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(diǎn)數(shù)目，觀察其值大小是否為1，如果結(jié)果是1，則需要進(jìn)行填充；如果結(jié)果不是1，該點(diǎn)的填充過程終止結(jié)束。重回到步驟a進(jìn)行分析。

d.檢索進(jìn)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(yàn)成果精度較低，因此只作目視角度的評(píng)估，本文算法只是檢測出了大體的變化信息，一些細(xì)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(shí)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(duì)幾種傳統(tǒng)的遙感影像檢測的改進(jìn)算法，并采用Matlab技術(shù)對(duì)改進(jìn)算法進(jìn)行了試驗(yàn)研究。通過對(duì)1987—1992年的遙感影像數(shù)據(jù)處理的結(jié)果可以看出，改進(jìn)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(jìn)后的算法對(duì)某些細(xì)節(jié)部分的檢測能力略有不足，有待于進(jìn)一步完善。

［1］ 孫海英，李鋒，商慧亮.改進(jìn)的變分自適應(yīng)中值濾波算法［J］.電子與信息學(xué)報(bào)，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(xué)形態(tài)學(xué)濾波在紅外圖像去噪中的應(yīng)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(luò)分類的遙感影像變化檢測［J］.遙感學(xué)報(bào)，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(jì)檢驗(yàn)指導(dǎo)的多閾值圖像自動(dòng)分割算法［J］.電子學(xué)報(bào)，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(xué)學(xué)報(bào)，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(tái)的遙感圖像變化檢測算法改進(jìn)策略［J］.測繪通報(bào)，2016（7）:84-89.