CN107590788A - 一种遥感图像处理方法 - Google Patents

一种遥感图像处理方法 Download PDF

Info

Publication number
CN107590788A
CN107590788A CN201710816632.9A CN201710816632A CN107590788A CN 107590788 A CN107590788 A CN 107590788A CN 201710816632 A CN201710816632 A CN 201710816632A CN 107590788 A CN107590788 A CN 107590788A
Authority
CN
China
Prior art keywords
disparity map
remote sensing
carried out
image processing
log ratio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710816632.9A
Other languages
English (en)
Inventor
周文艳
贾振红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinjiang University
Original Assignee
Xinjiang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xinjiang University filed Critical Xinjiang University
Priority to CN201710816632.9A priority Critical patent/CN107590788A/zh
Publication of CN107590788A publication Critical patent/CN107590788A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供了一种遥感图像处理方法，其包括：S1、对两时相SAR遥感图像进行对数变换并进行均值滤波处理；S2、利用对数比值法生成对数比值差异图，利用均值比值法生成均值比值差异图，用相等权重的图像融合算法对对数比值差异图和得到最终的差异图；S3、对最终的差异图进行去噪处理；S4、对最终的差异图进行聚类。本发明实施例提供的一种遥感图像处理方法，有效地减少了检测结果图中的噪声，并提高了对两时相SAR遥感图像进行客观分析的性能指标以及算法运行的时间。

Description

一种遥感图像处理方法
技术领域
本发明涉及图像处理技术领域，具体的说涉及一种利用相等权重的图像融合及基于NSST域的自适应阈值去噪算法来提取遥感图像的变化区域，进而提取SAR遥感图像的处理方法。
背景技术
目前，根据是否需要事先提供已知训练样本对分类器进行监督和训练，变换检测的方法可分为两类。第一类是监督检测方法，需要用已知的分类器进行样本训练，再利用其中已被训练的样本检测图像的变化区域。第二类是非监督检测方法，不需要依靠先验信息，可以直接对两时相图像进行检测。使用第一类需要得到地面真实的参考数据，其成本较高且不易得到，本发明的目的在于解决这一技术问题。
发明内容
鉴于以上所述的技术问题，本发明实施例提供了一种遥感图像处理方法，解决现有技术采用监督检测方法对图像提取变化区域时，需要得到地面真实的参考数据，成本较高且不易得到的技术问题。
本发明实施例提供了一种遥感图像处理方法，其包括：
S1、对两时相SAR遥感图像进行对数变换并进行均值滤波处理；
S2、利用对数比值法生成对数比值差异图，利用均值比值法生成均值比值差异图，用相等权重的图像融合算法对对数比值差异图和得到最终的差异图；
S3、对最终的差异图进行去噪处理；
S4、对最终的差异图进行聚类。
步骤S1中，对数变换的底数为2。
步骤S1中，所述均值滤波处理，其窗口大小设置为3×3。
步骤S2中，所述相等权重的图像融合，其两幅差异图的权重都为0.5。
步骤S3中，使用基于非下采样剪切波变换的自适应阈值去噪算法对最终的差异图进行去噪处理。
本发明实施例提供的一种遥感图像处理方法，有效地减少了检测结果图中的噪声，并提高了对两时相SAR遥感图像进行客观分析的性能指标以及算法运行的时间。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。
然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明更全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料等。在其它情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本发明的主要技术创意。
本发明实施例提供一种遥感图像处理方法，其包括：
S1、对两时相遥感图像进行以2位底的对数变化，得到两幅基于对数域的图像并进行均值滤波处理，其窗口大小为3×3。
S2、利用对数比值法生成对数比值差异图，利用均值比值法生成均值比值差异图，用相等权重的图像融合算法对对数比值差异图和得到最终的差异图。所述相等权重的图像融合，其两幅差异图的权重都为0.5。
S3、利用基于非下采样剪切波变换的自适应阈值去噪算法处理最终的差异图，以抑制散斑噪声的影响。
S4、对去噪后的差异图进行k-mean聚类获取变化检测结果图。
本发明实施例提供的一种遥感图像处理方法，有效地减少了检测结果图中的噪声，并提高了对两时相SAR遥感图像进行客观分析的性能指标以及算法运行的时间。
本领域技术人员应能理解，上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合，以取得有益效果。本领域技术人员在研究说明书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。

Claims (5)

1.一种遥感图像处理方法，其包括：
S1、对两时相SAR遥感图像进行对数变换并进行均值滤波处理；
S2、利用对数比值法生成对数比值差异图，利用均值比值法生成均值比值差异图，用相等权重的图像融合算法对对数比值差异图和得到最终的差异图；
S3、对最终的差异图进行去噪处理；
S4、对最终的差异图进行聚类。
2.如权利要求1所述的方法，其特征在于，
步骤S1中，对数变换的底数为2。
3.如权利要求1所述的方法，其特征在于，
步骤S1中，所述均值滤波处理，其窗口大小设置为3×3。
4.如权利要求1所述的方法，其特征在于，
步骤S2中，所述相等权重的图像融合，其两幅差异图的权重都为0.5。
5.如权利要求1所述的方法，其特征在于，
步骤S3中，使用基于非下采样剪切波变换的自适应阈值去噪算法对最终的差异图进行去噪处理。
CN201710816632.9A 2017-09-12 2017-09-12 一种遥感图像处理方法 Pending CN107590788A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710816632.9A CN107590788A (zh) 2017-09-12 2017-09-12 一种遥感图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710816632.9A CN107590788A (zh) 2017-09-12 2017-09-12 一种遥感图像处理方法

Publications (1)

Publication Number Publication Date
CN107590788A true CN107590788A (zh) 2018-01-16

Family

ID=61051965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710816632.9A Pending CN107590788A (zh) 2017-09-12 2017-09-12 一种遥感图像处理方法

Country Status (1)

Country Link
CN (1) CN107590788A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583487A (zh) * 2018-11-21 2019-04-05 新疆大学 一种sar图像变化检测方法及装置
CN109978855A (zh) * 2019-03-26 2019-07-05 新疆大学 一种遥感图像变化检测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528619A (zh) * 2015-12-10 2016-04-27 河海大学 基于小波变换和svm的sar遥感影像变化检测方法
CN106204548A (zh) * 2016-06-30 2016-12-07 上海联影医疗科技有限公司 图像分辨方法及装置
CN106296655A (zh) * 2016-07-27 2017-01-04 西安电子科技大学 基于自适应权值和高频阈值的sar图像变化检测方法
CN107103595A (zh) * 2017-05-27 2017-08-29 新疆大学 检测图像变化的方法、装置、存储介质及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528619A (zh) * 2015-12-10 2016-04-27 河海大学 基于小波变换和svm的sar遥感影像变化检测方法
CN106204548A (zh) * 2016-06-30 2016-12-07 上海联影医疗科技有限公司 图像分辨方法及装置
CN106296655A (zh) * 2016-07-27 2017-01-04 西安电子科技大学 基于自适应权值和高频阈值的sar图像变化检测方法
CN107103595A (zh) * 2017-05-27 2017-08-29 新疆大学 检测图像变化的方法、装置、存储介质及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YAOGUO ZHENG ET AL: "Using Combined Difference Image and k-Means Clustering for SAR Image Change Detection", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 *
王雪国 等: "基于PM扩散方程的SAR图像变化检测", 《激光杂志》 *
胡振琪 等: "《土地复垦与生态重建》", 31 August 2008 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583487A (zh) * 2018-11-21 2019-04-05 新疆大学 一种sar图像变化检测方法及装置
CN109978855A (zh) * 2019-03-26 2019-07-05 新疆大学 一种遥感图像变化检测方法及装置

Similar Documents

Publication Publication Date Title
CN110927706B (zh) 基于卷积神经网络的雷达干扰检测识别方法
CN107358258B (zh) 基于nsct双cnn通道和选择性注意机制的sar图像目标分类
CN102324021B (zh) 一种基于剪切波变换的红外弱小目标检测方法
CN105913419B (zh) 基于ICA学习和多通道融合的TFT-LCD mura缺陷检测方法
CN107563433B (zh) 一种基于卷积神经网络的红外小目标检测方法
CN103279957B (zh) 一种基于多尺度特征融合的遥感图像感兴趣区域提取方法
CN101482617B (zh) 基于非下采样轮廓波的合成孔径雷达图像去噪方法
CN103208097B (zh) 图像多方向形态结构分组的主分量分析协同滤波方法
CN109255358B (zh) 一种基于视觉显著性和深度图的3d图像质量评价方法
CN101551853A (zh) 复杂静态彩色背景下的人耳检测方法
CN104036289A (zh) 一种基于空间-光谱特征和稀疏表达的高光谱图像分类方法
Yi et al. Mechanical compound faults extraction based on improved frequency domain blind deconvolution algorithm
CN107491793B (zh) 一种基于稀疏散射全卷积的极化sar图像分类方法
CN107392123B (zh) 一种基于相参积累消噪的射频指纹特征提取和识别方法
Jose et al. Performance study of edge detection operators
CN103310414B (zh) 基于方向波变换和模糊理论的图像增强方法
CN103116873A (zh) 图像降噪方法
CN103824302A (zh) 基于方向波域图像融合的sar图像变化检测方法
CN102184451B (zh) 一种基于多小波融合特征的神经元动作特征提取方法
CN107590788A (zh) 一种遥感图像处理方法
CN103308829A (zh) 一种gis单次局放信号提取与触发时刻调整方法
CN104217430A (zh) 基于l1正则化的图像显著性检测方法
CN107358162B (zh) 基于深度堆栈网络的极化sar影像变化检测方法
CN109034070A (zh) 一种置换混叠图像盲分离方法及装置
CN110361782B (zh) 一种地震波形聚类方法与装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180116