基于fcm和證據理論的多時相遙感影像變化檢測方法
【技術領域】
[0001] 本發明涉及一種基于FCM和證據理論的多時相遙感影像變化檢測方法，屬于遙感 影像處理技術領域。
【背景技術】
[0002] 隨著多時相遙感數據的不斷積累以及空間數據庫的相繼建立，如何從這些遙感數 據中提取和檢測變化信息已成為遙感科學和地理信息科學的重要研究課題。根據同一區域 不同時相的遙感影像，可以提取城市、環境等動態變化的信息，為資源管理與規劃、環境保 護等部門提供科學決策的依據。
[0003] 遙感影像的變化檢測就是從不同時期的遙感數據中，定量地分析和確定地表變化 的特征與過程。各國學者從不同的角度和應用研究提出了許多有效的檢測算法，如變化矢 量分析法(Change Vector Analysis，CVA)、基于Fuzzy C-means(FCM)的聚類方法等。其中， 傳統的基于FCM的多時相光學遙感變化檢測，多先進行CVA變換，然后對變化矢量的幅值進 行FCM聚類，進而得到變化檢測結果。該類技術中，由于僅僅使用變化矢量的幅值，使得原始 多光譜信息沒有得到充分的挖掘。
[0004] 針對上述問題，許多學者試圖通過在FCM目標函數中加上不同的空間鄰域的約束 來解決，但是空間信息的表述以及相關的參數(如控制空間信息的懲罰參數）的選擇，多根 據先驗知識確定，導致這些算法都存在著一定的局限性。
【發明內容】
[0005] 為解決現有技術的不足，本發明的目的在于提供一種基于FCM和D-S證據理論的兩 時相的光學遙感影像變化檢測方法，利用D-S證據理論融合FCM算法后的數據，消除變化檢 測中的不確定性，使得變化檢測的結果更加可靠，也更加具有穩健性。
[0006] 為了實現上述目標，本發明采用如下的技術方案：
[0007] -種基于FCM和證據理論的多時相遙感影像變化檢測方法，其特征是，包括如下步 驟：
[0008] 步驟1:輸入同一區域、不同時相的兩幅高分辨率光學遙感影像，分別記為XjPX2;
[0009] 步驟2:利用ENVI遙感軟件對心和知進行影像配準，配準包括粗校正和精校正兩步 驟；
[0010]步驟3:利用多元變化檢測方法對心和知進行輻射歸一化校正；
[0011] 步驟4:對輸入的兩時相多光譜遙感影像分別進行波段間差值圖像Xd、變化矢量幅 值Xm和光譜角信息Xsa的計算，并分別作為FCM聚類算法的輸入數據；
[0012] 步驟5:由FCM聚類算法針對步驟4)的波段間差值圖像Xd、變化矢量幅值XM和光譜角 信息Xsa，分別對應得到最終的劃分矩陣Pd、Pm和Psa ;
[0013] 步驟6:利用D-S證據理論融合步驟5)的結果。
[0014] 步驟7:利用步驟6)的結果，確定影像的變化區域和非變化區域。
[0015] 前述的基于FCM和證據理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 2)中粗校正的具體步驟為：
[0016] 201)顯示基準影像和待校正影像；
[0017] 202)采集地面控制點GCPs，其中GCPs均勻分布在整幅圖像內，GCPs的數目至少大 于等于9;
[0018] 203)計算誤差；
[0019] 204)選擇多項式模型；
[0020] 205)采用雙線性插值法進行重采樣輸出。
[0021] 前述的基于FCM和證據理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 2) 中精校正的內容為:將經過粗校正的多光譜遙感影像數據利用自動匹配與三角剖分算法 進行精校正。
[0022]前述的基于FCM和證據理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 3) 的具體步驟為：
[0023] 31)找到兩期影像各波段亮度值的一個線性組合，得到變化信息增強的差異影像；
[0024] 32)通過閾值確定變化和未變化區域；
[0025] 33)通過未變化區域對應的兩時相像元對的映射方程，完成相對輻射校正。
[0026]前述的基于FCM和證據理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 4) 中的計算公式為：
[0028]式中，Xdb = Xib_X2b，b=l，2，."B，b表示每一個時相遙感景多像的波段數目，（i，j)是 影像的坐標。Xlb表示前一時相的第b個波段影像，X2b表示后一時相的第b個波段影像。
[0029]前述的基于FCM和證據理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 5) 中的具體步驟為：
[0030] 51)構建FCM的目標函數如下：
[0031] 式中，C是聚類數目，N是樣本的總數，《表示第k樣本對于第j類聚類中心力的模糊 隸屬度，m為隸屬度的加權指數，ujk e [ 0，1 ]
1其中X (k)表示輸入X的第k個變量；
[0032] 52)式(1)的目標函數最小化可以用下述的公式交替進行：
[0034] 53)由式(2)分別得到和Xd、XM、XSA相對應的模糊劃分矩陣《4、4和。
[0035]前述的基于FCM和證據理論的多時相遙感影像變化檢測方法，其特征是，所述步驟 7)中具體步驟為：
[0036] 71)針對輸入Xd、Xm和Xsa分別進行如下的FCM分類：
[0037 ] 711)設定C = 2，初始的未變化類和變化類的中心，設m = 2，ε = 0.00001;
[0038] 712)采用式(2)更新模糊劃分矩陣；
[0039] 713)采用式(3)更新聚類中心；
[0040] 714)重復712)和713)直到相鄰兩次迭代的聚類中心聚類小于ε;
[0041 ] 715)獲取模糊劃分矩陣Ujk;
[0042] 72)根據步驟6)計算新的變化類和非變化類的基本概率分配函數BPAF;
[0043] 73)根據上述的72)結果，輸出最終的變化檢測結果。
[0044]本發明所達到的有益效果：本方法基于FCM和D-S證據理論的變化檢測中，利用證 據理論融合波段差、變化矢量幅值和光譜角信息輸入FCM算法后的檢測結果，消除變化檢測 中的不確定性，使得變化檢測的結果更加可靠，也更加具有穩健性。
【附圖說明】
[0045]圖1是本發明的實現流程不意圖；
[0046]圖2是2000年的Landsat TM數據中位于巴西的亞馬遜森林地區的影像第4波段示 意圖；
[0047]圖3是2006年的Landsat TM數據中位于巴西的亞馬遜森林地區的影像第4波段示 意圖；
[0048]圖4是圖3與圖2相比Landsat TM的變化參考圖像；
[0049]圖5是CVA-EM算法檢測結果圖像；
[0050] 圖6是FCM-S算法檢測結果圖像；
[0051] 圖7是本發明的檢測結果圖像。
【具體實施方式】
[0052] 下面結合附圖對本發明作進一步描述。以下實施例僅用于更加清楚地說明本發明 的技術方案，而不能以此來限制本發明的保護范圍。
[0053]如圖1，本發明的實現步驟如下：
[0054]步驟1:輸入同一區域、不同時相的兩幅高分辨率光學遙感影像，分別記為：
[0055] Χ#ΡΧ2。
[0056] 步驟2:利用ENVI遙感軟件對心和辦進行影像配準，分為粗校正和精校正兩個步驟：
[0057] 21)幾何粗校正，利用ENVI4.8軟件中的相關功能實現，具體操作步驟為：
[0058] (201)顯示基準影像和待校正影像。
[0059] (202)采集地面控制點GCPs，GCPs應均勻分布在整幅圖像內，GCPs的數目至少大于 等于9。
[0060] (203)計算誤差。
[0061] (204)選擇多項式模型。
[0062] (205)采用雙線性插值進行重采樣輸出。
[0063] 22)幾何精校正，將經過幾何粗校正的多光譜遙感影像數據，利用自動匹配與三角 剖分法進行幾何精校正。
[0064] 三角剖分法為，采用逐點插入法構建Delaunay三角網，對每一個三角形，利用其三 個頂點的行列號與其對應的基準影像同名點的地理坐標來確定該三角形內部的仿射變換 模型參數，對待校正影像進行糾正，得到校正后的遙感影。
[0065] 步驟3:利用多元變化檢測(Multivariate Alteration Detection，MAD)方法對Χι 和X2進行輻射歸一化校正，該方法首先找到兩期影像各波段亮度值的一個線性組合，得到 變化信息增強的差異影像，通過閾值確定變化和未變化區域，然后通過未變化區域對應的 兩時相像元對的映射方程，完成相對輻射校正。
[0066] 步驟4:對輸入的多時相高分辨率影像分別進行波段間差值圖像Xd、變化矢量幅值 Xm和光譜角信息Xsa的計算：
' 式中，Xdb = Xib-X2b，b=l，2，."B，B表示每一個時相遙感景多像的波段數目，（i，j)是景多像的坐 標。
[0067] 步驟5:針對波段間差值圖像Xd、變化矢量幅值Xm和光譜角信息Xsa，利用FCM進行分 類，具體過程如下；
[0068] 51)構建FCM的模型如下：
，式中，C是聚類數目， N是樣本的總數，〃丨丨表示第k樣本對于第j類聚類中