專利名稱：基于主成份廣義逆變換的圖像變化檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域的方法，具體是一種基于主成份廣義逆變 換的圖像變化檢測方法。
背景技術(shù)：
隨著航天技術(shù)、傳感器技術(shù)、計算機技術(shù)及相關(guān)科學(xué)的迅速發(fā)展，遙感技術(shù)在社會 生活和經(jīng)濟建設(shè)中發(fā)揮越來越重要的作用。變化檢測是從同一地域不同時期的遙感圖像數(shù) 據(jù)中定量分析和確定地表變化的過程。在更新地理數(shù)據(jù)、評估災(zāi)害、預(yù)測災(zāi)害發(fā)展趨勢、土 地覆蓋/利用檢測、新一代智能型對地觀測衛(wèi)星等方面有著廣泛的應(yīng)用前景。通常情況下，變化檢測是對未知目標區(qū)域進行的，而且由于遙感圖像自身的一些 特點，如信息與噪聲的共生性、方位不一致和光照不均勻等，使得圖像數(shù)據(jù)帶有一定的模糊 性和不確定性。因此在有噪聲或者圖像質(zhì)量差的情況下準確的檢測出圖像中的變化區(qū)域是 一項長期而重要的任務(wù)。經(jīng)過近幾十年的發(fā)展，遙感圖像變化檢測方法一直處于不斷改進和發(fā)展中，很多 學(xué)者在這方面做了大量的研究。根據(jù)算法的實現(xiàn)途徑不同，大致可以分為三大類(1)基于 光譜像元進行簡單代數(shù)運算的方法。這類方法簡單，主要問題是如何確定閾值來分割變化 目標。Paul L. Rosin 于 1998 年在 Sixth International Conference on Computer Vision 上發(fā)表論文^Thresholding for change detection (變化檢測中閾值的確定)。主要工作是 針對基于圖像做差分檢測方法中閾值的確定，論文中對噪聲和信息分別建模，提出了四種 選擇閾值來有效提取變化區(qū)域的方法。( 基于圖像分類的方法。Civco等于2002年發(fā)表 論文 A Comparison of Land Useand Land Cover Change Detection Methods (土地使用 和土地覆蓋變化檢測方法的比較)。文章中對每個時相的遙感影像進行校正和分類，使用 變化檢測矩陣，對兩幅分類圖進行逐像元比較來獲取具體的變化類型。該方法要求分類盡 可能準確，分類誤差影響最終檢查誤差。( 基于多變量分析的數(shù)據(jù)變換的方法。Guiting Wang 等于 2009 年在 2nd Asian-Pacific Conference on Synthetic Aperture Radar 上發(fā) 表論文 Change detection in SAR image based on multiscale product and PCA(基于 多尺度和主成份分析變化檢測在SAR圖像中的應(yīng)用)。論文中首先對圖像進行多尺度小波 變換，然后為了增強變化信息和減少噪聲的干擾，通過主成份變換的方法合并多尺度處理 后的結(jié)果。目前這些變化檢測方法一般是針對具體的應(yīng)用提出的，并沒有一種通用的變化 檢測方法能應(yīng)用于所有的場合。
發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提供一種基于主成份廣義逆變換的圖像變 化檢測方法，在主成份廣義逆變換后的特征空間里對圖像進行差分檢測，有效的抑制了噪 聲，降低了圖像模糊扭曲等對檢測精度下降的影響，提高了檢測精度。本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，本發(fā)明通過對待檢測圖像重新組織數(shù)據(jù)后進
3行兩個特征空間中的變換，并在變換后的特征空間里進行更新波段差分處理以獲取變化成 分，再通過自動閾值確定方法來提取變化區(qū)域，實現(xiàn)圖像變化檢測。所述的重新組織數(shù)據(jù)是指將原始圖像的波段數(shù)據(jù)按照行的方式轉(zhuǎn)化為列向量Vk (t) [n] = (i-1) Xlength+j，然后將1個列向量組織成矩陣M，并求出其轉(zhuǎn)置矩 陣 Μτ。M= [V1(U)^2(U), -,V1(tl),V1(t2),V2(t2), ...,vHt〗)]，其中待檢測圖像分 別為#(山,4((2),丨，j，k分別代表圖像的行、列和波段數(shù)，波段總數(shù)為1，width和length 分別為圖像的寬度像素數(shù)和長度像素數(shù)，單位為自然常數(shù)，t e {tl，t2}，i e {1,2,…，
width}, j e {1,2,…，length}，ke {1,2, ...，1}。所述的矩陣M的物理意義為k維空間里的widthX length個點，Mt為 widthX length維空間里的k個點。所述的兩個特征空間中的變換是指PCA(Principal component analysis主成份 分析)變換和PCA廣義逆變換，其中 PCA變換是指對轉(zhuǎn)置矩陣Mt進行PCA變換，在widthX length維空間里通過對Mt 協(xié)方差矩陣進行對角化找到前m個主成份，1，通過變換后得到特征空間矩陣P，將原始 空間中組織后的數(shù)據(jù)Mt映射到主成份特征空間中，得到新的數(shù)據(jù)DATApffl, DATApca = Mt · P， 其中P為主成分變換后得到的特征空間矩陣。PCA廣義逆變換是指通過廣義逆矩陣Q，將正特征空間里的數(shù)據(jù)，映射到廣義逆 特征空間中，得到新空間中的數(shù)據(jù)DATAap。，DATAapc = DATApca · Q，其中Q為廣義逆矩陣。所述的更新波段差分處理是指對于波段總數(shù)大于1時，直接選擇最大的特征值 對應(yīng)的波段求差值向量或?qū)⒍嗖ǘ魏铣珊笄蟛钪迪蛄?，然后再將差值向量還原到圖像。如 DIFF = DATA(1, )-DATA (2, ), DIFFimage = DIFF (j+(i_l) X length)，其中DATA(1，), DATA (2，)分別為變化前后的最大特征值對應(yīng)波段向量，DIFF為差值向量，DIFFimage為差值 向量轉(zhuǎn)化后的差值圖像。所述的提取變化區(qū)域是指采用基于OTSU(最大類間方差法)的自動閾值方法得 到的閾值加上一定的偏移來分離變化區(qū)域和非變化區(qū)域，具體是指通過基于OTSU的閾值 分割方法，得到待分割圖像的閾值threshold，然后采用thresh0ld+thresh0ld*5%將圖像 二值化得到變化區(qū)域和非變化區(qū)域。本發(fā)明選擇主成份逆變換后的空間進行差分檢測，主要解決受噪聲干擾，圖像模 糊扭曲等因素的引起檢測精度低的問題。傳統(tǒng)基于像元簡單做差分的變化檢測方法，受噪 聲的干擾比較大。基于PCA變換的變換檢測方法將原始數(shù)據(jù)變換到特征空間，降低了對噪 聲干擾的影響，突出了變化區(qū)域的信息，具有較好的檢測性能。本發(fā)明相對于上述兩種變化 檢測方法具有更優(yōu)的性能，在圖像受噪聲干擾、圖像模糊、圖像變形扭曲、圖像低分辨率等 方面具有更高的檢測精度。
圖1待檢測圖像；圖中(a)為變化前圖像(b)為配準后圖像(C)為變化后圖像。圖2經(jīng)過多種干擾處理后的圖像；圖中(a)為高斯噪聲處理(b)為窗口大小9女9高斯模糊處理(c)為窗口大小13 * 13高斯模糊處理(d)為6像素采樣處理(e) 10像素采樣處理。圖3三種檢測方法檢測的結(jié)果圖；圖中(al) (bl) (cl) (dl) (el)依次為高斯噪聲處理、窗口大小9 ★ 9高斯模糊處 理、窗口大小13 ★ 13高斯模糊處理、6像素采樣處理、10像素采樣處理下像元差分方法檢 測結(jié)果圖(a2) (b2) (c2) (d2) (e2)依次為高斯噪聲處理、窗口大小9 * 9高斯模糊處理、窗 口大小13 ★ 13高斯模糊處理、6像素采樣處理、10像素采樣處理下基于PCA變換方法檢測 結(jié)果圖(a3) (b3) (c3) (d3) (e3)依次為高斯噪聲處理、窗口大小9女9高斯模糊處理、窗口 大小13女13高斯模糊處理、6像素采樣處理、10像素采樣處理下本發(fā)明方法檢測結(jié)果圖。圖4三種檢測方法檢測性能比較圖。
具體實施例方式下面對本發(fā)明的實施例作詳細說明，本實施例在以本發(fā)明技術(shù)方案為前提下進行 實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施 例。本實施例包括以下步驟第一步，圖像數(shù)據(jù)的重新組織。圖像是兩期航空拍攝的機場影像，影像大小為410 女四4，如圖1所示，其中圖1 (a)是變化前圖像，圖1 (b)是經(jīng)過配準后的圖像，圖1 (c)是變 化后的圖像(人工處理過)。為了測試模型對噪聲等的魯棒性，對變化前圖像進行手動加 工合成一組圖像，如圖2所示，其中圖2(a)是加入高斯噪聲處理后的圖像、圖2(b)是經(jīng)過 窗口大小9 * 9高斯模糊處理后的圖像、圖2(c)是經(jīng)過窗口大小13女13高斯模糊處理后 的圖像、圖2(d)是經(jīng)過6像素采樣處理后的圖像、圖2(e)是經(jīng)過10像素采樣處理后的圖 像。一共5組實驗。對每組實驗中的變化前和變化后的圖像分別轉(zhuǎn)化為120540維的列向 量。然后把每組實驗中的這兩個列向量組織為一個大小為120540 ^ 2的矩陣，表示120540 維空間里的2個點。第二步，進行PCA變換和PCA廣義逆變換。對第一步中得到的120540女2矩陣進 行PCA變換，選擇最大特征值對應(yīng)的向量數(shù)據(jù)進行PCA廣義逆變換，得到逆特征空間下的兩 個列向量數(shù)據(jù)。第三步，求取差值圖像。將逆特征空間下得到的兩個列向量進行差值求的差值向 量，然后再將差值向量還原成一幅圖像，即所得到差值圖像。第四步，分離變化區(qū)域。對第三步中得到的差值圖像，采用基于OTSU的閾值分割 方法，得到待分割圖像的初始閾值，然將該初始閾值加上初始閾值的5%作為最終閾值，利 用該閾值將圖像二值化得到變化區(qū)域和非變化區(qū)域。采樣三種變化檢測方法進行這五個實驗，它們分別是像元差分檢測方法、基于PCA 變換的檢測方法以及本發(fā)明的方法。每一個實驗得到3個檢測結(jié)果，如圖3所示。圖中(al) (bl) (cl) (dl) (el)依次為高斯噪聲處理、窗口大小9 * 9高斯模糊處理、窗口大小13 13 高斯模糊處理、6像素采樣處理、10像素采樣處理下像元差分方法檢測結(jié)果圖。(U) (b2) (c2) (d2) (e2)依次為高斯噪聲處理、窗口大小9女9高斯模糊處理、窗口大小13 * 13高 斯模糊處理、6像素采樣處理、10像素采樣處理下基于PCA變換方法檢測結(jié)果圖。(U) (b3) (c3) (d3) (e3)依次為高斯噪聲處理、窗口大小9 * 9高斯模糊處理、窗口大小13女13高斯模糊處理、6像素采樣處理、10像素采樣處理下本發(fā)明方法檢測結(jié)果圖。從三個方面對變化檢測的結(jié)果進行評價(1)誤檢面積實際為無變化區(qū)域，檢測 為變化區(qū)域；( 漏檢面積實際為變化區(qū)域，檢測為無變化區(qū)域；C3)總錯誤面積誤檢面 積加上漏檢面積。上述面積用像素的個數(shù)表示，單位為自然常數(shù)。對五個實驗的變化檢測 結(jié)果圖像進行統(tǒng)計得到如表1。表1三種變化檢測方法的檢測結(jié)果比較
權(quán)利要求
1.一種基于主成份廣義逆變換的圖像變化檢測方法，其特征在于，通過對待檢測圖像 重新組織數(shù)據(jù)后進行兩個特征空間中的變換，并在變換后的特征空間里進行更新波段差分 處理以獲取變化成分，再通過自動閾值確定方法來提取變化區(qū)域，實現(xiàn)圖像變化檢測。
2.根據(jù)權(quán)利要求1所述的基于主成份廣義逆變換的圖像變化檢測方法，其特征是，所 述的重新組織數(shù)據(jù)是指將原始圖像的波段數(shù)據(jù)按照行的方式轉(zhuǎn)化為列向量Vk (t) [n] = (i-l)Xlength+j，然后將1個列向量組織成矩陣Μ，并求出其轉(zhuǎn)置矩陣Μτ， M= [V1(U), V2(tl)，···, V1Ul), V1(t2), V2(t2),…，V1 (t2)]，其中待檢測圖像分別為 /^1),/^2) , i，j，k分別代表圖像的行、列和波段數(shù)，波段總數(shù)為1，width和length分別為 圖像的寬度像素數(shù)和長度像素數(shù)，單位為自然常數(shù)，t e {tl，t2}，i e {1,2,…，width}， j e {1,2,…，length}，k e {1，2，...，1}。
3.根據(jù)權(quán)利要求1所述的基于主成份廣義逆變換的圖像變化檢測方法，其特征是，所 述的兩個特征空間中的變換是指PCA變換和PCA廣義逆變換，其中PCA變換是指對轉(zhuǎn)置矩陣Mt進行PCA變換，在widthX length維空間里通過對Mt協(xié) 方差矩陣進行對角化找到前m個主成份，1，通過變換后得到特征空間矩陣P，將原始空 間中組織后的數(shù)據(jù)Mt映射到主成份特征空間中，得到新的數(shù)據(jù)DATApffl, DATApca = Mt · P，其 中P為主成分變換后得到的特征空間矩陣；PCA廣義逆變換是指通過廣義逆矩陣Q，將正特征空間里的數(shù)據(jù)，映射到廣義逆特征 空間中，得到新空間中的數(shù)據(jù)DATAAeP，DATAacp = DATApca · Q，其中Q為廣義逆矩陣。
4.根據(jù)權(quán)利要求1所述的基于主成份廣義逆變換的圖像變化檢測方法，其特征是， 所述的更新波段差分處理是指對于波段總數(shù)大于1時，直接選擇最大的特征值對應(yīng)的波 段求差值向量或?qū)⒍嗖ǘ魏铣珊笄蟛钪迪蛄?，然后再將差值向量還原到圖像。如DIFF = DATA(1, )-DATA(2, ) ,DIFFimage = DIFF(j+(i_l) X length)，其中=DATA(1, ) ,DATA(2,) 分別為變化前后的最大特征值對應(yīng)波段向量，DIFF為差值向量，DIFFimage為差值向量轉(zhuǎn)化后 的差值圖像。
5.根據(jù)權(quán)利要求1所述的基于主成份廣義逆變換的圖像變化檢測方法，其特征是，所 述的提取變化區(qū)域是指采用基于OTSU自動閾值方法得到的閾值加上一定的偏移來分離 變化區(qū)域和非變化區(qū)域。
全文摘要
一種圖像處理技術(shù)領(lǐng)域的基于主成份廣義逆變換的圖像變化檢測方法，通過對待檢測圖像重新組織數(shù)據(jù)后進行兩個特征空間中的變換，并在變換后的特征空間里進行更新波段差分處理以獲取變化成分，再通過自動閾值確定方法來提取變化區(qū)域，實現(xiàn)圖像變化檢測。本發(fā)明在主成份廣義逆變換后的特征空間里對圖像進行差分檢測，有效的抑制了噪聲，降低了圖像模糊扭曲等對檢測精度下降的影響，提高了檢測精度。
文檔編號G06T7/00GK102063722SQ20111000971
公開日2011年5月18日 申請日期2011年1月18日 優(yōu)先權(quán)日2011年1月18日
發(fā)明者楊杰, 胡軍輝 申請人:上海交通大學(xué)