CN105894513A - 顾及影像对象时空变化的遥感影像变化检测方法及系统 - Google Patents

Abstract

本发明提供一种顾及影像对象时空变化的遥感影像变化检测方法及系统，包括分别提取两个不同时相影像的光谱特征、纹理特征和边缘特征；以每个像素为初始对象，集合两个时相的特征，根据异质度增长最小的合并准则进行连通子对象的合并，得到不完备影像对象集合；以不完备影像对象集合为初始对象，以单时相影像的特征构成特征集合，根据异质度增长最小的合并准则分别对不同时相影像进行连通子对象的合并，得到完备影像对象集合；根据对象集合的层次关系，建立影像对象对应关系；基于不同时期影像的对象对应关系，检测到影像对象的完整变化或局部变化。本发明利用多特征方法，顾及了多时相影像对象的空间变化，提高面向对象变化检测的精度。

Description

顾及影像对象时空变化的遥感影像变化检测方法及系统

技术领域

本发明属于遥感影像变化检测技术领域，涉及一种顾及影像对象时空变化的遥感影像变化检测方法及系统。

背景技术

在自然力量和人类活动的双重作用下，地球每天都在不断的变化。随着人类社会的飞速发展，科学技术水平的日益提高，人类对自然界的改造能力越来越大，地球变化的速度也随之加剧。为了获悉地球发展状态与进程，掌握地球变化及其对人类的影响，通过变化检测快速准确地获取地球的变化信息，科学高效的进行地理国情监测，对于提高人类对各种灾害的预防及预警能力，辅助城市发展规划与决策等都具有重大意义。随着航空航天技术的发展，通过遥感影像对目标或现象进行观测已经在很多行业得到广泛应用。在遥感技术日益发展的今天，利用遥感手段可以快速、多次地获取大范围数据资料的特点，对地球变化进行观测进而及时、高效、低成本的获取地球变化信息已逐渐成为各行业学者研究的热点。伴随着遥感技术的发展，遥感影像空间分辨率逐步提高，在高分辨率及甚高分辨率遥感影像中，地物细节更加清晰，信息更加丰富。而与此同时，“同物异谱”和“异物同谱”的现象也更加普遍，这对变化检测技术提出了更高的要求。传统的基于像素的变化检测算法应用与高分辨率及甚高分辨率遥感影像时，会产生较为严重的“椒盐现象”，从而造成检测出的伪变化较多，降低了变化检测的精度。因此，针对高分辨率及甚高分辨率遥感影像，很多学者提出了面向对象的变化检测算法(Object-based change detection,OBCD)。而面向对象的变化检测的关键则在于影像对象的构造。构造影像对象是通过影像对象分割技术实现的，为了构造更符合地理目标实体的影像对象，影像分割技术也在不断的发展，但针对变化检测的影像分割方法却十分匮乏。在面向对象变化检测方法中，为了便于不同时相的影像对象的比较，通常采用的变化检测策略是令不同时相的遥感影像采用相同的分割结果。而对于已经变化的对象，这种影像对象构造结果显然是与实际不相符的。而对于未变化的对象，由于投影差的影响，其位置在不同时相影像中存在位移，统一的影像对象划分势必造成在一个或多个时相中的目标与影像对象不相符。因此，会造成伪变化的产生，降低变化检测精度。

发明内容

本发明的目的在于针对现有技术的缺点和不足，提供一种顾及影像对象时空变化的遥感影像变化检测方法及系统，在综合利用光谱、纹理、边缘、形状等多特征对影像进行分割的基础上，顾及多时相影像对象的空间变化，利用不完备尺度对象集合与完备尺度对象集合的层次关系建立多时相影像对象的对应关系，为多时相遥感影像变化检测构造更符合地理目标实体且便于算法比较的影像对象集。所提供的方法可用于高分辨率和甚分辨率遥感影像变化检测。

本发明所采用的技术方案是一种顾及影像对象时空变化的遥感影像变化检测方法，包括以下步骤：

步骤a，分别提取两个不同时相影像的光谱特征、纹理特征和边缘特征；

步骤b，根据预设的不完备影像对象尺度参数，以每个像素为初始对象，集合步骤a得到的两个时相的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则进行连通子对象的合并，则合并结果作为不完备影像对象集合；

步骤c，根据预设的完备影像对象尺度参数，以步骤b所得不完备影像对象集合为初始对象，以单时相影像的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则分别对不同时相影像进行连通子对象的合并，则合并结果作为完备影像对象集合，合并过程中得到的完备影像对象与不完备影像对象间的包含-属于关系为不同时相的完备影像对象集合与不完备影像对象集合的层次关系；

步骤d，根据步骤c计算所得不同时相的完备影像对象集合与步骤b所得不完备影像对象集合的层次关系，建立影像对象对应关系；

步骤e，基于不同时期影像的对象对应关系，检测到影像对象的完整变化或局部变化。

而且，步骤a中，遥感影像纹理特征采用基于时/频域的方法提取，包括利用非下采样Contourlet变换对原始图像进行滤波得到多尺度多方向高频子带系数，并用预设大小窗口内的所有像素值的模的方差对高频子带系数进行局部统计，从而得到遥感影像的纹理特征。

而且，步骤a中，遥感影像边缘特征利用改进的Canny强度表示，包括在Canny算子计算得到的边缘强度的基础上，使用非极大值抑制的方法对边缘强度图进行细化处理，将细化后的边缘强度结果作为影像的边缘特征。

而且，步骤b和步骤c中，根据异质度增长最小的合并准则的合并过程是，根据初始对象和特征集合统计每个对象的特征异质度，遍历所有初始对象作为种子对象，计算当种子对象与其邻接的对象合并时产生的异质度增长值，找到与种子对象合并时异质度增长最小的邻接对象，如果其异质度增长值小于相应设定的尺度参数，则对两个对象进行合并，否则，将种子对象标记为合并完成的对象，后续不再对其进行合并。

而且，步骤d中，通过不同时相的完备影像对象集合与不完备影像对象集合的层次关系，建立影像对象对应关系，实现过程为，首先遍历某一时相的所有完备影像对象集，在另一个时相的完备影像对象集中查找与其有公共不完备影像对象且未被标记为已对应的完备影像对象作为候选对应对象，计算所有候选对应对象所包含的公共不完备影像对象的面积之和，和值最高即为其对应对象并标记为已对应，相应的两个对象建立起对应关系，基于对象关系，进而实现面向对象的变化检测。

本发明提供一种顾及影像对象时空变化的遥感影像变化检测系统，包括以下模块：

第一模块，用于分别提取两个不同时相影像的光谱特征、纹理特征和边缘特征；

第二模块，用于根据预设的不完备影像对象尺度参数，以每个像素为初始对象，集合第一模块得到的两个时相的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则进行连通子对象的合并，则合并结果作为不完备影像对象集合；

第三模块，用于根据预设的完备影像对象尺度参数，以第二模块所得不完备影像对象集合为初始对象，以单时相影像的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则分别对不同时相影像进行连通子对象的合并，则合并结果作为完备影像对象集合，合并过程中得到的完备影像对象与不完备影像对象间的包含-属于关系为不同时相的完备影像对象集合与不完备影像对象集合的层次关系；

第四模块，用于根据第三模块计算所得不同时相的完备影像对象集合与第二模块所得不完备影像对象集合的层次关系，建立影像对象对应关系；

第五模块，用于基于不同时期影像的对象对应关系，检测到影像对象的完整变化或局部变化。

而且，第一模块中，遥感影像纹理特征采用基于时/频域的方法提取，包括利用非下采样Contourlet变换对原始图像进行滤波得到多尺度多方向高频子带系数，并用预设大小窗口内的所有像素值的模的方差对高频子带系数进行局部统计，从而得到遥感影像的纹理特征。

而且，第一模块中，遥感影像边缘特征利用改进的Canny强度表示，包括在Canny算子计算得到的边缘强度的基础上，使用非极大值抑制的方法对边缘强度图进行细化处理，将细化后的边缘强度结果作为影像的边缘特征。

而且，第二模块和第三模块中，根据异质度增长最小的合并准则的合并过程是，根据初始对象和特征集合统计每个对象的特征异质度，遍历所有初始对象作为种子对象，计算当种子对象与其邻接的对象合并时产生的异质度增长值，找到与种子对象合并时异质度增长最小的邻接对象，如果其异质度增长值小于相应设定的尺度参数，则对两个对象进行合并，否则，将种子对象标记为合并完成的对象，后续不再对其进行合并。

而且，第四模块中，通过不同时相的完备影像对象集合与不完备影像对象集合的层次关系，建立影像对象对应关系，实现过程为，首先遍历某一时相的所有完备影像对象集，在另一个时相的完备影像对象集中查找与其有公共不完备影像对象且未被标记为已对应的完备影像对象作为候选对应对象，计算所有候选对应对象所包含的公共不完备影像对象的面积之和，和值最高即为其对应对象并标记为已对应，相应的两个对象建立起对应关系，基于对象关系，进而实现面向对象的变化检测。

本发明提供的技术方案的有益效果为：考虑了高分辨率遥感影像变化检测存在的问题，提出了一种顾及影像对象时空变化的遥感影像变化检测方法及系统，重点解决面向对象变化检测中影像对象构造的问题。为减少由于传统统一划分的多时相影像分割策略所造成的伪变化，提出了一种新的分割策略。该策略通过构造不完备和完备影像对象集合，并利用其层次关系建立不同时相影像对象间的对应关系。分割过程不仅考虑了每个时相影像的多种特征，使影像对象划分更符合地物实体，而且顾及了多时相影像对象的空间变化，根据不同时相影像对象在空间变化的特点，利用层次关系构造对应关系，从而得到便于面向对象变化检测的多时相影像对象集。利用本发明所得到影像对象及其对应关系进行面向对象的变化检测，减少由于传统统一划分的多时相影像分割策略所造成的伪变化，可以使面向对象变化检测的精度得到提高。

附图说明

图1为本发明实施例的流程图。

具体实施方式

为了更好地理解本发明的技术方案，下面结合附图和实施例对本发明做进一步的详细说明。本发明的实施例是顾及影像对象时空变化的遥感影像变化检测方法，参照图1，本发明实施例的步骤如下：

步骤a，提取影像特征：分别提取不同时相影像的光谱、纹理、边缘特征，实施例对时相1和时相2的遥感影像分别进行提取。

光谱特征采用影像各波段的光谱值即可。

其中遥感影像纹理特征采用基于时/频域的方法提取，利用非下采样Contourlet变换对原始图像进行滤波得到多尺度多方向高频子带系数，并用预设大小窗口内的所有像素值的模的方差对高频子带系数进行局部统计，从而得到遥感影像的纹理特征。遥感影像边缘特征利用改进的Canny强度表示，在Canny算子计算得到的边缘强度的基础上，使用非极大值抑制的方法对边缘强度图进行细化处理，将细化后的边缘强度结果作为影像的边缘特征。

基于时频分析的纹理特征描述方法就是模拟人类视觉进行纹理分析的过程，采用某种滤波方法对影像进行滤波从而得到不同的频率和方向子带，然后通过计算局部能量函数对得到的多个频率和方向子带进行整合与平滑，得到影像的纹理特征。因为非下采样Contourlet变换过程主要分为两个步骤：首先用非下采样的金字塔结构将图像分为低频子带及多尺度的高频子带，获得多尺度分解结果；然后采用非下采样的方向滤波器组对每个高频子带分别进行多方向分解。在两个步骤中所使用的滤波器皆为非下采样的，因此确保了结果的平移不变性。本发明就利用非下采样Contourlet变换的滤波过程可以得到多尺度、多方向、平移不变的高频子带结果的特点。

采用非下采样Contourlet变换对图像进行滤波处理，首先计算原始图像的灰度图像，然后对该灰度图像进行非下采样Contourlet变换，形成多尺度多方向高频子带系数f_s,d(i,j)，其中s表示尺度，d表示方向。在基于时频分析的纹理特征描述方法中，常有的局部纹理统计方法有高斯卷积、范数等等，本发明所计算某像素位置的局部纹理能量是该像素所在预设大小窗口内的所有像素值的模的方差。对每个尺度方向子带进行局部纹理能量统计，取窗口大小为(2n+1)×(2n+1)，得到纹理特征E_s,d，

$e_{s,d}(x,y)=\frac{1}{{(2n+1)}^2}\underset{i=x-n}{\overset{x+n}{\Σ}}\underset{j=y-n}{\overset{y+n}{\Σ}}\left|f_{s,d}(i,j)\right|$

$E_{s,d}(x,y)=\frac{1}{{(2n+1)}^2}\underset{i=x-n}{\overset{x+n}{\Σ}}\underset{j=y-n}{\overset{y+n}{\Σ}}\left|\right|f_{s,d}(i,j)|-e_{s,d}(x,y){|}^2$

式中，(x,y)为图像I中的像素位置，中间参数e_s,d(x,y)为相应窗口内所有像素的模的均值。具体实施时，参数n的取值可由本领域技术人员预先根据影像的分辨率进行设置。

遥感影像边缘特征利用改进的Canny强度表示，首先使用一个二维高斯滤波器对影像f(x,y)进行卷积得到平滑后影像f_s(x,y)，即

f_s(x,y)＝G(x,y)*f(x,y)

其中，e为自然常数；σ表示正态分布的标准差，具体实施时可以由本领域技术人员预先设定取值。

然后根据下式计算平滑后影像在点(x,y)的梯度，使用梯度的幅度和方向来估算该点的边缘强度M和法方向θ，即M(x,y)和θ(x,y)。

$M(x,y)=\sqrt{{\left(\frac{\∂f_s}{\∂x}\right)}^2+{\left(\frac{\∂f_s}{\∂y}\right)}^2}$

$\mathrm{\θ}(x,y)=arctan\left(\frac{\∂f_s/\∂y}{\∂f_s/\∂x}\right)$

为了保留边缘点的强度信息，更有利于后续处理对影像边缘特征的利用。与Canny算子最终检测结果不同，本发明提出使用非极大值抑制的方法对边缘强度图进行细化处理，细化后的边缘强度结果作为影像的边缘特征。现有非极大值抑制方法将寻找像素点局部最大值，并将非极大值点所对应的灰度值置为0，本发明不予赘述。

步骤b，构造不完备影像对象集合：根据预先设定的不完备影像对象尺度参数，以每个像素为初始对象，集合两个时相的光谱、纹理、边缘特征构成特征集合，根据“异质度增长最小”的合并准则进行连通子对象的合并，则合并结果作为不完备影像对象集合。

步骤b中，根据“异质度增长最小”的合并准则的合并过程是，以每个像素为初始对象，集合两个时相的光谱、纹理、边缘特征构成特征集合，并统计每个对象的特征异质度，遍历所有初始对象作为种子对象，计算当种子对象与其邻接的对象合并时产生的异质度增长值，找到与种子对象合并时异质度增长最小的邻接对象，如果其异质度增长值小于设定的不完备影像对象尺度参数，则对两个对象进行合并，否则，将种子对象标记为合并完成的对象，后续不再对其进行合并，当种子对象遍历结束且影像中所有对象均被标记为合并完成就完成了不完备影像对象集合的构造。本发明中所提及的异质度表示一个影像对象内部属性的异质程度，而异质度的增长则由光谱异质度增长、纹理异质度增长和边缘合并代价三部分组成。在进行不完备影像对象构造的过程中，将综合考虑多时相的影像特征，特征集同时包含两个时相的影像特征，即扩展特征维度，将不同时相的影像特征视为多维特征。

参与不完备影像对象构造时，对于光谱特征，参与光谱异质度计算的特征是由两个时相影像的所有波段共同组成，波段数c的总数为两个时相波段数的和。以三波段的影像为例，计算单影像的光谱异质度和光谱异质度增长的波段为R,G,B三个波段，而c的总和为3。在构造不完备影像对象时，将光谱特征维度扩展，则参与计算的波段为时相1影像的R、G、B波段及时相2影像的R、G、B波段，而c的总和为6。对于纹理特征，单时相的纹理特征E_s,d的维度为S×D维，构造不完备影像对象时，将纹理特征维度扩展，由两个时相的纹理特征E_s,d共同组成，则维度为2×S×D。对边缘特征的维度扩展实现方式相同。

其中光谱异质度描述了影像对象内部光谱的异质程度。光谱异质度h_color的定义如下：

$h_{color}=\underset{c}{\Σ}{\mathrm{\ω}}_c\·{\mathrm{\σ}}_c$

式中，c表示波段，ω_c表示第c个光谱波段的权重因子，需满足0≤ω_c≤1并且σ_c表示影像对象在第c个波段的光谱值的标准差。

光谱异质度增长值Δh_color定义为：

${\mathrm{\Δh}}_{color}=\underset{c}{\Σ}{\mathrm{\ω}}_c(n_{Merge}\·{\mathrm{\σ}}_c^{Merge}-(n_{Obj1}\·{\mathrm{\σ}}_c^{Obj1}+n_{Obj2}\·{\mathrm{\σ}}_c^{Obj2}\left)\right)$

式中，c表示波段，ω_c表示第c个光谱波段的权重因子，需满足0≤ω_c≤1并且n_Obj1、n_Obj2和n_Merge分别为对象Obj1、对象Obj2以及合并后对象的面积(即像素数)。和分别为对象Obj1、对象Obj2以及合并后对象在第c个波段的光谱值的标准差。

纹理异质度描述了影像对象内部在纹理特征上的异质程度。纹理异质度h_texture的定义如下：

$h_{texture}=\underset{s,d}{\Σ}{\mathrm{\ω}}_{s,d}{\mathrm{\σ}}_{s,d}$

式中，s和d分别表示影像纹理特征的尺度和方向，ω_s,d表示第s尺度、d方向上的纹理特征的权重因子，需满足0≤ω_s,d≤1并且σ_s,d表示影像对象在第s尺度、d方向上的纹理特征的标准差。

纹理异质度增长值Δh_texture的定义如下：

${\mathrm{\Δh}}_{texture}=\underset{s,d}{\Σ}{\mathrm{\ω}}_{s,d}(n_{Merge}\·{\mathrm{\σ}}_{s,d}^{Merge}-(n_{Obj1}\·{\mathrm{\σ}}_{s,d}^{Obj1}+n_{Obj2}\·{\mathrm{\σ}}_{s,d}^{Obj2}\left)\right)$

式中，s和d分别表示影像纹理特征的尺度和方向，ω_s,d表示第s尺度、d方向上的纹理特征的权重因子，需满足0≤ω_s,d≤1并且n_Obj1、n_Obj2和n_Merge分别为对象Obj1、对象Obj2以及合并后对象的面积(即像素数)。和分别为对象Obj1、对象Obj2以及合并后对象在第s尺度、d方向上的纹理特征的标准差。

边缘合并代价表示，当两个相邻对象的公共边界处存在不连续的灰度变化(即边缘)，那么在合并时会产生相应的代价。本发明将对象Obj1和对象Obj2合并时产生的边缘合并代价定义为：

$EdgeCost(Obj1,Obj2)=\underset{(x,y)\∈Common}{\Σ}EdgeIntensity(x,y)$

式中，EdgeIntensity(x,y)表示影像在点(x,y)处的边缘强度，Common表示对象Obj 1和对象Obj2中相互邻接的点的集合，可称作邻接边缘。如果采用四邻接准则，则集合Common可表示如下：

$\begin{array}{c}Common=\left\{(x,y)\right|(x,y)\∈Obj1,\∃(x\±1,y\±1)\∈Obj2\}\\ \∪\left\{(x,y)\right|(x,y)\∈Obj2,\∃(x\±1,y\±1)\∈Obj1\}\end{array}$

因此，当计算影像对象Obj1和影像对象Obj2合并为影像对象Obj_Merge时，合并时产生的对象异质度的增长值f为光谱异质度增长、纹理异质度增长和边缘合并代价的加权和，即

f＝ω_color·Δh_color+ω_texture·Δh_texture+ω_edge·EdgeCost(Obj1,Obj2)

式中，ω_color、ω_texture和ω_edge分别为光谱权重因子、纹理权重因子和边缘权重因子，需满足0≤ω_color≤1，0≤ω_texture≤1，0≤ω_edge≤1并且ω_color＋ω_texture+ω_edge＝1。

步骤c，构造完备影像对象集合

分别构造不同时相影像的完备影像对象集合，根据预先设定的完备影像对象尺度参数，以不完备影像对象集合为初始对象，以单时相影像的光谱、纹理、边缘特征构成特征集合，根据“异质度增长最小”的合并准则分别对不同时相影像进行连通子对象的合并，则合并结果作为完备影像对象集合，合并过程中得到的完备影像对象与不完备影像对象间的包含-属于关系即为不同时相的完备影像对象集合与不完备影像对象集合的层次关系。

实施例步骤c根据“异质度增长最小”的合并准则的合并过程与步骤b类似，以不完备影像对象集合为初始对象，以单时相影像的光谱、纹理、边缘特征构成特征集合，统计每个对象的特征异质度，遍历所有初始对象作为种子对象，计算当种子对象与其邻接的对象合并时产生的异质度增长值，找到与种子对象合并时异质度增长最小的邻接对象，如果其异质度增长值小于设定的完备影像对象尺度参数，则对两个对象进行合并，否则，将种子对象标记为合并完成的对象，后续不再对其进行合并，当种子对象遍历结束且影像中所有对象均被标记为合并完成就完成了完备影像对象集合的构造，合并过程中得到的完备影像对象与不完备影像对象间的包含-属于关系即为不同时相的完备影像对象集合与不完备影像对象集合的层次关系。该步骤的异质度计算与异质度增长计算方法与步骤b中的计算方法相同，区别在于合并对不同时相遥感影像分别进行，计算中所包含的特征集中仅包含相应时相影像的特征不涉及另一时相的影像特征。

步骤d，建立影像对象对应关系

通过不同时相的完备影像对象集合与不完备影像对象集合的层次关系来建立影像对象对应关系，首先遍历某一时相的完备影像对象集合，在另一个时相的完备影像对象集合中查找与其有公共不完备影像对象且未被标记为已对应的完备影像对象作为候选对应对象，计算所有候选对应对象所包含的公共不完备影像对象的面积之和，和值最高即为其对应对象并标记为已对应，相应的两个对象建立起对应关系。

完备影像对象集合中的对象是以不完备影像对象集和中的对象为初始对象合并得到的。即完备影像对象集合中的每个对象由一个或多个不完备影像对象组成，这种包含-属于关系即为层次关系。分别对不同时相建立完备影像对象集合，则不同时相中的相关对象包含有相同的不完备影像对象，即公共不完备影像对象。

步骤e，基于不同时期影像的对象对应关系，可检测到影像对象的完整变化或局部变化，得到面向对象的变化检测结果。

具体实施时，本发明所提供方法可基于软件技术实现自动运行流程，也可采用模块化方式实现相应系统。本发明实施例提供一种顾及影像对象时空变化的遥感影像变化检测系统，包括以下模块：

第一模块，用于分别提取两个不同时相影像的光谱特征、纹理特征和边缘特征；

第二模块，用于根据预设的不完备影像对象尺度参数，以每个像素为初始对象，集合第一模块得到的两个时相的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则进行连通子对象的合并，则合并结果作为不完备影像对象集合；

第三模块，用于根据预设的完备影像对象尺度参数，以第二模块所得不完备影像对象集合为初始对象，以单时相影像的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则分别对不同时相影像进行连通子对象的合并，则合并结果作为完备影像对象集合，合并过程中得到的完备影像对象与不完备影像对象间的包含-属于关系为不同时相的完备影像对象集合与不完备影像对象集合的层次关系；

第四模块，用于根据第三模块计算所得不同时相的完备影像对象集合与第二模块所得不完备影像对象集合的层次关系，建立影像对象对应关系；

第五模块，用于基于不同时期影像的对象对应关系，检测到影像对象的完整变化或局部变化。

各模块具体实现可参见相应步骤，本发明不予赘述。

综上所述，本发明提出的顾及影像对象时空变化的遥感影像变化检测方法及系统，其关键是针对多时相遥感影像面向对象变化检测中的影像对象构造提出了一种新的分割策略。该策略利用了遥感影像的光谱、纹理和边缘等多种特征，使影像对象划分更符合地物实体；利用了不完备和完备影像对象集合的层次关系建立不同时相影像对象间的对应关系，减少由于传统统一划分的多时相影像分割策略所造成的伪变化，采用分别对不同时相的遥感影像进行对象划分，通过不同时相影像对象间的对应关系进行变化检测的对象比较，解决了面向对象变化检测中影像对象构造的问题，使面向对象变化检测的精度得到提高。

以上内容是结合最佳实施方案对本发明说做的进一步详细说明，不能认定本发明的具体实施只限于这些说明。本领域的技术人员应该理解，在不脱离由所附权利要求书限定的情况下，可以在细节上进行各种修改，都应当视为属于本发明的保护范围。

Claims (10)

1.一种顾及影像对象时空变化的遥感影像变化检测方法，其特征在于，包括以下步骤：

步骤a，分别提取两个不同时相影像的光谱特征、纹理特征和边缘特征；

步骤b，根据预设的不完备影像对象尺度参数，以每个像素为初始对象，集合步骤a得到的两个时相的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则进行连通子对象的合并，则合并结果作为不完备影像对象集合；

步骤c，根据预设的完备影像对象尺度参数，以步骤b所得不完备影像对象集合为初始对象，以单时相影像的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则分别对不同时相影像进行连通子对象的合并，则合并结果作为完备影像对象集合，合并过程中得到的完备影像对象与不完备影像对象间的包含-属于关系为不同时相的完备影像对象集合与不完备影像对象集合的层次关系；

步骤d，根据步骤c计算所得不同时相的完备影像对象集合与步骤b所得不完备影像对象集合的层次关系，建立影像对象对应关系；

步骤e，基于不同时期影像的对象对应关系，检测到影像对象的完整变化或局部变化。

2.根据权利要求1所述顾及影像对象时空变化的遥感影像变化检测方法，其特征在于：步骤a中，遥感影像纹理特征采用基于时/频域的方法提取，包括利用非下采样Contourlet变换对原始图像进行滤波得到多尺度多方向高频子带系数，并用预设大小窗口内的所有像素值的模的方差对高频子带系数进行局部统计，从而得到遥感影像的纹理特征。

3.根据权利要求1所述顾及影像对象时空变化的遥感影像变化检测方法，其特征在于：步骤a中，遥感影像边缘特征利用改进的Canny强度表示，包括在Canny算子计算得到的边缘强度的基础上，使用非极大值抑制的方法对边缘强度图进行细化处理，将细化后的边缘强度结果作为影像的边缘特征。

4.根据权利要求1所述顾及影像对象时空变化的遥感影像变化检测方法，其特征在于：步骤b和步骤c中，根据异质度增长最小的合并准则的合并过程是，根据初始对象和特征集合统计每个对象的特征异质度，遍历所有初始对象作为种子对象，计算当种子对象与其邻接的对象合并时产生的异质度增长值，找到与种子对象合并时异质度增长最小的邻接对象，如果其异质度增长值小于相应设定的尺度参数，则对两个对象进行合并，否则，将种子对象标记为合并完成的对象，后续不再对其进行合并。

5.根据权利要求1或2或3或4所述顾及影像对象时空变化的遥感影像变化检测方法，其特征在于：步骤d中，通过不同时相的完备影像对象集合与不完备影像对象集合的层次关系，建立影像对象对应关系，实现过程为，首先遍历某一时相的所有完备影像对象集，在另一个时相的完备影像对象集中查找与其有公共不完备影像对象且未被标记为已对应的完备影像对象作为候选对应对象，计算所有候选对应对象所包含的公共不完备影像对象的面积之和，和值最高即为其对应对象并标记为已对应，相应的两个对象建立起对应关系，基于对象关系，进而实现面向对象的变化检测。

6.一种顾及影像对象时空变化的遥感影像变化检测系统，其特征在于，包括以下模块：

第一模块，用于分别提取两个不同时相影像的光谱特征、纹理特征和边缘特征；

第二模块，用于根据预设的不完备影像对象尺度参数，以每个像素为初始对象，集合第一模块得到的两个时相的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则进行连通子对象的合并，则合并结果作为不完备影像对象集合；

第三模块，用于根据预设的完备影像对象尺度参数，以第二模块所得不完备影像对象集合为初始对象，以单时相影像的光谱、纹理、边缘特征构成特征集合，根据异质度增长最小的合并准则分别对不同时相影像进行连通子对象的合并，则合并结果作为完备影像对象集合，合并过程中得到的完备影像对象与不完备影像对象间的包含-属于关系为不同时相的完备影像对象集合与不完备影像对象集合的层次关系；

第四模块，用于根据第三模块计算所得不同时相的完备影像对象集合与第二模块所得不完备影像对象集合的层次关系，建立影像对象对应关系；

第五模块，用于基于不同时期影像的对象对应关系，检测到影像对象的完整变化或局部变化。

7.根据权利要求6所述顾及影像对象时空变化的遥感影像变化检测系统，其特征在于：第一模块中，遥感影像纹理特征采用基于时/频域的方法提取，包括利用非下采样Contourlet变换对原始图像进行滤波得到多尺度多方向高频子带系数，并用预设大小窗口内的所有像素值的模的方差对高频子带系数进行局部统计，从而得到遥感影像的纹理特征。

8.根据权利要求6所述顾及影像对象时空变化的遥感影像变化检测系统，其特征在于：第一模块中，遥感影像边缘特征利用改进的Canny强度表示，包括在Canny算子计算得到的边缘强度的基础上，使用非极大值抑制的方法对边缘强度图进行细化处理，将细化后的边缘强度结果作为影像的边缘特征。

9.根据权利要求6所述顾及影像对象时空变化的遥感影像变化检测系统，其特征在于：第二模块和第三模块中，根据异质度增长最小的合并准则的合并过程是，根据初始对象和特征集合统计每个对象的特征异质度，遍历所有初始对象作为种子对象，计算当种子对象与其邻接的对象合并时产生的异质度增长值，找到与种子对象合并时异质度增长最小的邻接对象，如果其异质度增长值小于相应设定的尺度参数，则对两个对象进行合并，否则，将种子对象标记为合并完成的对象，后续不再对其进行合并。

10.根据权利要求6或7或8或9所述顾及影像对象时空变化的遥感影像变化检测系统，其特征在于：第四模块中，通过不同时相的完备影像对象集合与不完备影像对象集合的层次关系，建立影像对象对应关系，实现过程为，首先遍历某一时相的所有完备影像对象集，在另一个时相的完备影像对象集中查找与其有公共不完备影像对象且未被标记为已对应的完备影像对象作为候选对应对象，计算所有候选对应对象所包含的公共不完备影像对象的面积之和，和值最高即为其对应对象并标记为已对应，相应的两个对象建立起对应关系，基于对象关系，进而实现面向对象的变化检测。