CN108830828B - 一种遥感图像变化检测方法及装置 - Google Patents
一种遥感图像变化检测方法及装置 Download PDFInfo
- Publication number
- CN108830828B CN108830828B CN201810418590.8A CN201810418590A CN108830828B CN 108830828 B CN108830828 B CN 108830828B CN 201810418590 A CN201810418590 A CN 201810418590A CN 108830828 B CN108830828 B CN 108830828B
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- sensing image
- filtering
- structural elements
- 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.)
- Active
Links
- 230000008859 change Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001914 filtration Methods 0.000 claims abstract description 115
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 description 19
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种遥感图像变化检测方法及装置,涉及图像处理技术领域,主要目的是解决现有的差值法检测遥感图像变化时,由于遥感图像中存在噪声使得遥感图像变化检测的准确性较低的问题。技术方案包括:获取第一遥感图像和第二遥感图像;利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像;根据所述第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化。主要用于两时相遥感图像变化区域的检测。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种遥感图像变化检测方法及装置。
背景技术
随着遥感技术的迅速发展,遥感图像已经在多个领域中得到广泛应用,如土地利用监测、森林监测、城市监测和自然灾害评估分析等。遥感图像的变化检测是指根据同一地区在不同时刻,获取的两幅或多幅遥感图像来确定和分析该地区地表的变化信息。
目前,在对遥感图像变化检测时,主要是利用差值法对遥感图像的变化结果和变化细节进行检测。然而在利用差值法进行检测时,检测结果容易受到遥感图像噪声的影响,由于遥感图像在成像过程中存在乘性斑点噪声吗,从而对遥感图像变化检测影响很大,导致遥感图像变化检测准确性较低。
发明内容
鉴于上述问题,提出了本发明以便提供一种遥感图像变化检测方法及装置,主要目的是解决现有的利用差值法检测遥感图像变化结果时,由于遥感图像存在较多而导致的遥感图像变化检测准确率较低的问题。
为解决上述技术问题,第一方面,本发明提供的一种遥感图像变化检测方法,包括:
获取第一遥感图像和第二遥感图像,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像;
利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像;
根据所述第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化。
可选的,所述获取第一遥感图像和第二遥感图像之后,所述方法还包括:
利用预置算法分别对所述第一遥感图像和所述第二遥感图像进行降噪,得到与所述第一遥感图像和所述第二遥感图像分别对应的第一降噪遥感图像和第二降噪遥感图像。
可选的,所述利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波包括:
从所述第一降噪遥感图像和所述第二降噪图像中分别选取四个结构元素;
分别利用任意两个所述结构元素对所述第一降噪图像和所述第二降噪图像进行第一次滤波,得到第一一次滤波图像和第二一次滤波图像;
利用剩余两个所述结构元素对所述第一一次滤波图像和第二一次滤波图像进行第二次滤波,得到所述第一滤波图像和第二滤波图像。
可选的,所述根据所述第一滤波图像和所述第二滤波图像计算差异图像包括:
分别利用预置第一函数和预置第二函数,根据所述第一滤波图像和所述第二滤波图像,计算第一差异图像和第二差异图像;
对所述第一差异图像和所述第二差异图像进行加权平均计算,得到所述差异图像。
可选的,所述方法还包括:
利用预置聚类算法对所述差异遥感图像进行聚类,得到最终差异图像,所述最终差异图像为表示所述两个不同时相之间的变化区域图像。
第二方面,本发明还提供的一种遥感图像变化检测装置,包括:
获取单元,用于获取第一遥感图像和第二遥感图像,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像;
滤波单元,用于利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像;
计算单元,用于根据所述第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化。
可选的,所述装置还包括:
降噪单元,用于利用预置算法分别对所述第一遥感图像和所述第二遥感图像进行降噪,得到与所述第一遥感图像和所述第二遥感图像分别对应的第一降噪遥感图像和第二降噪遥感图像。
可选的,所述滤波单元包括:选取模块、第一滤波模块、第二滤波模块,
所述选取模块,用于从所述第一降噪遥感图像和所述第二降噪图像中分别选取四个结构元素;
所述第一滤波模块,用于分别利用任意两个所述结构元素对所述第一降噪图像和所述第二降噪图像进行第一次滤波,得到第一一次滤波图像和第二一次滤波图像;
所述第二滤波模块,用于利用剩余两个所述结构元素对所述第一一次滤波图像和第二一次滤波图像进行第二次滤波,得到所述第一滤波图像和第二滤波图像。
可选的,所述计算单元包括:第一计算模块、第二计算模块,
所述第一计算模块,用于分别利用预置第一函数和预置第二函数,根据所述第一滤波图像和所述第二滤波图像,计算第一差异图像和第二差异图像;
所述第二计算模块对所述第一差异图像和所述第二差异图像进行加权平均计算,得到所述差异图像。
可选的,所述装置还包括:
聚类单元,用于利用预置聚类算法对所述差异遥感图像进行聚类,得到最终差异图像,所述最终差异图像为表示所述两个不同时相之间的变化区域图像。
为了实现上述目的,根据本发明的第三方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述所述的遥感图像变化检测方法。
为了实现上述目的,根据本发明的第四方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述所述的遥感图像变化检测方法。
本发明实施例提供的一种遥感图像变化检测方法及装置,与现有的利用差值法检测遥感图像变化结果时,遥感图像中存在的乘性噪声会对检测结果产生很大的影响相比,本发明实施例通过获取同一地区两个不同时相分别对应的遥感图像,并利用预先配置的滤波器对获取到的遥感图像进行滤波,而后再根据滤波之后的遥感图像计算差异图像,以确定两个不同时相之间的变化结果,提高了遥感图像变化检测的准确性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了发明实施例提供的一种遥感图像变化检测方法的流程图;
图2示出了发明实施例提供的另一种遥感图像变化检测方法的流程图;
图3示出了发明实施例提供的一种遥感图像变化检测装置的方框图;
图4示出了发明实施例提供的另一种遥感图像变化检测装置的方框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种遥感图像变化检测方法,如图1所示,所述方法包括:
101、获取第一遥感图像和第二遥感图像。
其中,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像,而所述遥感图像可以为SAR(Synthetic Aperture Radar,合成孔径雷达)图像。
例如,获取到第一遥感图像为地区A在时相1时的SAR图像为X1,X1={X1(i,j),1<i<m,1<j<n},获取到第二遥感图像为地区A在时相2时的SAR图像为X2,X2={X2(i,j),1<i<m,1<j<n},X1和X2均为m像素×n像素的SAR图像。
102、利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波。
进一步的,得到第一滤波图像和第二滤波图像。对于本发明实施例,本步骤中所述的滤波器可以为基于数学形态学的滤波器,具体的可以为在遥感图像中选取结构元素,并根据结构元素对遥感图像进行滤波,但不限于此。
对于本发明实施例,通过预先配置的基于数学形态学的滤波器,并在获取到遥感图像后利用该滤波器对其进行滤波,能够在保留遥感图像细节特征同时对图像噪声进行有效抑制,从而使得在根据去噪后的遥感图像进行变化检测时,能够最大化的避免噪声对变化结果的影响,从而提高了遥感图像变化检测的准确性。
103、根据所述第一滤波图像和所述第二滤波图像计算差异图像。
其中,所述差异图像为表示所述两个不同时相之间的变化区域图像。需要说明的是,对于一个地区通过获取其两个时相的遥感图像,并对两个遥感图像进行滤波处理、差异计算等,即可以得到这个地区两个时相的差异遥感图像,并通过对差异遥感图像的聚类得到差异图像的变化区域,从而实现遥感图像变化结果的检测。具体地,本步骤可以为根据得到的两个滤波后的图像并利用差值法等计算差异图像,但不限于此。
本发明实施例提供的遥感图像变化检测方法,与现有的利用差值法检测遥感图像变化结果时,遥感图像中存在的乘性噪声会对检测结果产生很大的影响相比,本发明实施例通过获取同一地区两个不同时相分别对应的遥感图像,并利用预先配置的滤波器对获取到的遥感图像进行滤波,而后再根据滤波之后的遥感图像计算差异图像,以确定两个不同时相之间的变化结果,提高了遥感图像变化检测的准确性。
进一步的,作为对图1所示实施例的细化及扩展,本发明实施例还提供了另一种遥感图像变化检测方法,如图2所示,所述方法包括:
201、获取第一遥感图像和第二遥感图像。
其中,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像。
本步骤与图1所示的步骤101方法相同,在此不再赘述。
202、利用预置算法分别对所述第一遥感图像和所述第二遥感图像进行降噪。
进一步地,得到与所述第一遥感图像和所述第二遥感图像分别对应的第一降噪遥感图像和第二降噪遥感图像。具体地,本步骤可以为利用对数变化法对两个遥感图像进行计算,使得将遥感图像的乘性噪声转变为加性噪声,从而实现对遥感图像的降噪。例如,使用以2为底数的对数运算对遥感图像进行降噪,具体可以为:
U1(i,j)=lb(X1(i,j)+1),U2(i,j)=lb(X2(i,j)+1),其中,X1和X2分别为两个不同时相的遥感图像,U1和U2分别表示对遥感图像进行对数转换后得到的基于对数域图像。需要说明的是,式中,用X1(i,j)+1代替X1(i,j),X2(i,j)+1代替X2(i,j),以避免出现Xi(i=1,2)像素值为0的情况。
对于本发明实施例,通过对获取到的遥感图像进行对数转换,使得遥感图像转换为对数域图像,从而可以把遥感图像的灰度值压缩至[0,8]之间的同时,将遥感图像中的噪声进行压缩,进而实现了对遥感图像进行去噪,提高了遥感图像变化检测的精度。
203、从所述第一降噪遥感图像和所述第二降噪图像中分别选取四个结构元素。
其中,所述结构元素为对遥感图像进行膨胀腐蚀操作的一个基本单位。具体地,本步骤可以为利用现有技术中结构元素的选取方法作为具体实施方式,本发明实施例对此不做过多赘述。
需要说明的是,本发明实施例是基于数学形态学对遥感图像进行滤波处理,并且数学形态学中包含有膨胀、腐蚀、开运算和闭运算四种基本运算。而结构元素是数学形态学中一个用于收集图像信息的“探针”,当探针在遥感图像中不断移动时,便可以考察遥感图像中各个部分之间的相互关系,进而了解遥感图像的结构特征。
204、分别利用任意两个所述结构元素对所述第一降噪图像和所述第二降噪图像进行第一次滤波。
进一步的,得到第一一次滤波图像和第二一次滤波图像。具体地,本步骤可以为分别通过结构元素对第一降噪图像和第二降噪图像进行闭运算,并利用这两个结构元素对得到的像素值较小的图像再进行开运算,并将此时得到的像素值较大的图像确定为一次滤波图像。
例如,在第一降噪图像F中选取四个结构元素b1,b2,b3,b4,则在本步骤中选取任意两个结构元素对第一降噪图像F进行闭运算,得到两个图像分别为F·b1和F·b2,比较两个图像的像素值,并选取像素值较小的图像,再利用两个结构元素b1和b2对其进行开运算,并将此时得到的两个图像中像素值较大的图像确定为一次滤波图像,即第一降噪图像对应的第一一次滤波图像
205、利用剩余两个所述结构元素对所述第一一次滤波图像和第二一次滤波图像进行第二次滤波。
进一步地,得到所述第一滤波图像和第二滤波图像。具体地,本步骤可以为在上述步骤205之后,利用剩余的另外两个结构元素对一次滤波图像重复上述步骤中的闭运算和开运算,得到最终的第一滤波图像和第二滤波图像。也就是说在本步骤中得到的第一滤波图像为第二滤波图像为
206、根据所述第一滤波图像和所述第二滤波图像计算差异图像。
对于本发明实施例,所述步骤206具体可以包括:分别利用预置第一函数和预置第二函数,根据所述第一滤波图像和所述第二滤波图像,计算第一差异图像和第二差异图像;对所述第一差异图像和所述第二差异图像进行加权平均计算,得到所述差异图像。其中,所述预置第一函数可以为均值比函数,而所述第二预置函数可以为差值函数,优选地,均值比算法窗口取3×3,但不限于此。
进一步的,本步骤具体还可以为根据第一差异图像和第二差异图像进行加权平均计算,并对得到的图像使用中值滤波器进行滤波,得到差异图像。其中,在对第一差异图像和第二差异图像进行加权平均计算时,可以分别配置第一权重系数和第二权重系数;分别计算所述第一权重系数和所述第一差异图像的乘积,以及所述第二权重系数和所述第二差异遥感图像的乘积,得到第一乘积和第二乘积;将所述第一乘积和所述第二乘积相加的和值,确定为最终差异遥感图像。其中,第一权重系数和所述第二权重系数之和为1,而具体的第一权重系数值和第二权重系数值可以根据具体应用场景进行设定,本发明实施例对此不做具体限定。
207、利用预置聚类算法对所述差异遥感图像进行聚类。
其中,所述预置聚类算法可以为K-means(K均值)聚类算法,但不限于此。
本发明实施例提供的另一种遥感图像变化检测方法,与现有的利用差值法检测遥感图像变化结果时,遥感图像中存在的乘性噪声会对检测结果产生很大的影响相比,本发明实施例通过获取同一地区两个不同时相分别对应的遥感图像,并利用预先配置的滤波器对获取到的遥感图像进行滤波,而后再根据滤波之后的遥感图像计算差异图像,以确定两个不同时相之间的变化结果,提高了遥感图像变化检测的准确性。
进一步地,作为图1所示方法的具体实现,本发明实施例提供一种遥感图像变化检测装置,如图3所示,所述装置可以包括:获取单元31、滤波单元32、计算单元33。
获取单元31,用于获取第一遥感图像和第二遥感图像,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像。
滤波单元32,用于利用预置滤波器分别对所述获取单元31获取到的第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像。
计算单元33,可以用于根据所述滤波单元32滤波得到的第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化。
进一步的,作为对上述图2所示方法的实现,本发明实施例还提供了另一种遥感图像变化检测装置,用于对上述图2所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图4所示,该装置包括:获取单元41、滤波单元42、计算单元43。
获取单元41,用于获取第一遥感图像和第二遥感图像,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像。
滤波单元42,用于利用预置滤波器分别对所述获取单元41获取到的第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像。
计算单元43,可以用于根据所述滤波单元42滤波得到的第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化。
进一步地,所述装置还包括:降噪单元44、选取单元45。
所述降噪单元44,可以用于利用预置算法分别对所述第一遥感图像和所述第二遥感图像进行降噪,得到与所述第一遥感图像和所述第二遥感图像分别对应的第一降噪遥感图像和第二降噪遥感图像。
所述选取单元45,可以用于从所述第一降噪遥感图像和所述第二降噪图像中分别选取四个结构元素。
所述滤波单元42,还可以用于分别利用任意两个所述结构元素对所述第一降噪图像和所述第二降噪图像进行第一次滤波。
所述滤波单元42,还可以用于利用剩余两个所述结构元素对所述第一一次滤波图像和第二一次滤波图像进行第二次滤波。
进一步地,所述装置还包括:聚类单元46。
所述聚类单元46,用于利用预置聚类算法对所述差异遥感图像进行聚类,得到最终差异图像,所述最终差异图像为表示所述两个不同时相之间的变化区域图像。
本发明实施例提供的另一种遥感图像变化检测装置,与现有的利用差值法检测遥感图像变化结果时,遥感图像中存在的乘性噪声会对检测结果产生很大的影响相比,本发明实施例通过获取同一地区两个不同时相分别对应的遥感图像,并利用预先配置的滤波器对获取到的遥感图像进行滤波,而后再根据滤波之后的遥感图像计算差异图像,以确定两个不同时相之间的变化结果,提高了遥感图像变化检测的准确性。
所述文本处理装置包括处理器和存储器,上述获取单元31、滤波单元32、计算单元33等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高遥感图像变化检测的准确性。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述遥感图像变化检测方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述遥感图像变化检测方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取第一遥感图像和第二遥感图像,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像;利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像;根据所述第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化。
进一步的,所述获取第一遥感图像和第二遥感图像之后,所述方法还包括:
利用预置算法分别对所述第一遥感图像和所述第二遥感图像进行降噪,得到与所述第一遥感图像和所述第二遥感图像分别对应的第一降噪遥感图像和第二降噪遥感图像。
进一步的,所述利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波包括:
从所述第一降噪遥感图像和所述第二降噪图像中分别选取四个结构元素;
分别利用任意两个所述结构元素对所述第一降噪图像和所述第二降噪图像进行第一次滤波,得到第一一次滤波图像和第二一次滤波图像;
利用剩余两个所述结构元素对所述第一一次滤波图像和第二一次滤波图像进行第二次滤波,得到所述第一滤波图像和第二滤波图像。
进一步的,所述根据所述第一滤波图像和所述第二滤波图像计算差异图像包括:
分别利用预置第一函数和预置第二函数,根据所述第一滤波图像和所述第二滤波图像,计算第一差异图像和第二差异图像;
对所述第一差异图像和所述第二差异图像进行加权平均计算,得到所述差异图像。
进一步的,所述方法还包括:
利用预置聚类算法对所述差异遥感图像进行聚类,得到最终差异图像,所述最终差异图像为表示所述两个不同时相之间的变化区域图像。
本发明实施例中的设备可以是服务器、PC、PAD、手机等。
本发明实施例还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取第一遥感图像和第二遥感图像,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像;利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像;根据所述第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化。
进一步的,所述获取第一遥感图像和第二遥感图像之后,所述方法还包括:
利用预置算法分别对所述第一遥感图像和所述第二遥感图像进行降噪,得到与所述第一遥感图像和所述第二遥感图像分别对应的第一降噪遥感图像和第二降噪遥感图像。
进一步的,所述利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波包括:
从所述第一降噪遥感图像和所述第二降噪图像中分别选取四个结构元素;
分别利用任意两个所述结构元素对所述第一降噪图像和所述第二降噪图像进行第一次滤波,得到第一一次滤波图像和第二一次滤波图像;
利用剩余两个所述结构元素对所述第一一次滤波图像和第二一次滤波图像进行第二次滤波,得到所述第一滤波图像和第二滤波图像。
进一步的,所述根据所述第一滤波图像和所述第二滤波图像计算差异图像包括:
分别利用预置第一函数和预置第二函数,根据所述第一滤波图像和所述第二滤波图像,计算第一差异图像和第二差异图像;
对所述第一差异图像和所述第二差异图像进行加权平均计算,得到所述差异图像。
进一步的,所述方法还包括:
利用预置聚类算法对所述差异遥感图像进行聚类,得到最终差异图像,所述最终差异图像为表示所述两个不同时相之间的变化区域图像。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (5)
1.一种遥感图像变化检测方法,其特征在于,包括:
获取第一遥感图像和第二遥感图像,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像;
利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像;
根据所述第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化,具体为:分别利用预置第一函数和预置第二函数,根据所述第一滤波图像和所述第二滤波图像,计算第一差异图像和第二差异图像;对所述第一差异图像和所述第二差异图像进行加权平均计算,得到所述差异图像,所述预置第一函数为均值比函数,所述预置第二函数为差值函数;
所述获取第一遥感图像和第二遥感图像之后,所述方法还包括:
利用预置算法分别对所述第一遥感图像和所述第二遥感图像进行降噪,得到与所述第一遥感图像和所述第二遥感图像分别对应的第一降噪遥感图像和第二降噪遥感图像;
所述利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波包括:
从所述第一降噪遥感图像和所述第二降噪遥感图像中分别选取四个结构元素;
分别利用在所述第一降噪遥感图像中选取的四个结构元素中的任意两个结构元素对所述第一降噪遥感图像进行闭运算,利用所述任意两个结构元素对基于闭运算得到的像素值较小的图像进行开运算,将基于开运算得到的像素值较大的图像确定为第一一次滤波图像;分别利用在所述第二降噪遥感图像中选取的四个结构元素中的任意两个结构元素对所述第二降噪遥感图像进行闭运算,利用所述任意两个结构元素对基于闭运算得到的像素值较小的图像进行开运算,将基于开运算得到的像素值较大的图像确定为第二一次滤波图像;
分别利用在所述第一降噪遥感图像中选取的四个结构元素中的剩余的另外两个结构元素对所述第一一次滤波图像进行闭运算,并利用所述剩余的另外两个结构元素对基于闭运算得到的像素值较小的图像进行开运算,将基于开运算得到的像素值较大的图像确定为第一滤波图像;分别利用在所述第二降噪遥感图像中选取的四个结构元素中的剩余的另外两个结构元素对所述第二一次滤波图像进行闭运算,并利用所述剩余的另外两个结构元素对基于闭运算得到的像素值较小的图像进行开运算,将基于开运算得到的像素值较大的图像确定为第二滤波图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用预置聚类算法对所述差异遥感图像进行聚类,得到最终差异图像,所述最终差异图像为表示所述两个不同时相之间的变化区域图像。
3.一种遥感图像变化检测装置,其特征在于,包括:
获取单元,用于获取第一遥感图像和第二遥感图像,所述第一遥感图像和第二遥感图像为同一地区两个不同时相分别对应的遥感图像;
滤波单元,用于利用预置滤波器分别对所述第一遥感图像和所述第二遥感图像进行滤波,得到第一滤波图像和第二滤波图像;
计算单元,用于根据所述第一滤波图像和所述第二滤波图像计算差异图像,所述差异图像用于标识所述两个不同时相的遥感图像变化,具体为:分别利用预置第一函数和预置第二函数,根据所述第一滤波图像和所述第二滤波图像,计算第一差异图像和第二差异图像;对所述第一差异图像和所述第二差异图像进行加权平均计算,得到所述差异图像,所述预置第一函数为均值比函数,所述预置 第二函数为差值函数;
降噪单元,用于利用预置算法分别对所述第一遥感图像和所述第二遥感图像进行降噪,得到与所述第一遥感图像和所述第二遥感图像分别对应的第一降噪遥感图像和第二降噪遥感图像;
所述滤波单元包括:选取模块、第一滤波模块、第二滤波模块,
所述选取模块,用于从所述第一降噪遥感图像和所述第二降噪遥感图像中分别选取四个结构元素;
所述第一滤波模块,用于分别利用在所述第一降噪遥感图像中选取的四个结构元素中的任意两个结构元素对所述第一降噪遥感图像进行闭运算,利用所述任意两个结构元素对基于闭运算得到的像素值较小的图像进行开运算,将基于开运算得到的像素值较大的图像确定为第一一次滤波图像;分别利用在所述第二降噪遥感图像中选取的四个结构元素中的任意两个结构元素对所述第二降噪遥感图像进行闭运算,利用所述任意两个结构元素对基于闭运算得到的像素值较小的图像进行开运算,将基于开运算得到的像素值较大的图像确定为第二一次滤波图像;
所述第二滤波模块,用于分别利用在所述第一降噪遥感图像中选取的四个结构元素中的剩余的另外两个结构元素对所述第一一次滤波图像进行闭运算,并利用所述剩余的另外两个结构元素对基于闭运算得到的像素值较小的图像进行开运算,将基于开运算得到的像素值较大的图像确定为第一滤波图像;分别利用在所述第二降噪遥感图像中选取的四个结构元素中的剩余的另外两个结构元素对所述第二一次滤波图像进行闭运算,并利用所述剩余的另外两个结构元素对基于闭运算得到的像素值较小的图像进行开运算,将基于开运算得到的像素值较大的图像确定为第二滤波图像。
4.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至权利要求2中任意一项所述的遥感图像变化检测方法。
5.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至权利要求2中任意一项所述的遥感图像变化检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810418590.8A CN108830828B (zh) | 2018-04-28 | 2018-04-28 | 一种遥感图像变化检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810418590.8A CN108830828B (zh) | 2018-04-28 | 2018-04-28 | 一种遥感图像变化检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830828A CN108830828A (zh) | 2018-11-16 |
CN108830828B true CN108830828B (zh) | 2022-02-18 |
Family
ID=64148345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810418590.8A Active CN108830828B (zh) | 2018-04-28 | 2018-04-28 | 一种遥感图像变化检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830828B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11695812B2 (en) * | 2019-01-14 | 2023-07-04 | Dolby Laboratories Licensing Corporation | Sharing physical writing surfaces in videoconferencing |
CN111383216B (zh) * | 2020-03-10 | 2022-04-05 | 新疆大学 | 图像间变化的检测方法及装置 |
CN112801978A (zh) * | 2021-01-28 | 2021-05-14 | 新疆大学 | 一种多光谱遥感图像变化检测方法、装置及存储介质 |
CN113592877B (zh) * | 2021-03-25 | 2024-04-12 | 国网新源控股有限公司 | 一种抽水蓄能电站红线超标识别方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289807A (zh) * | 2011-07-08 | 2011-12-21 | 西安电子科技大学 | 基于Treelet变换和特征融合的遥感图像变化检测方法 |
CN107316296A (zh) * | 2017-06-29 | 2017-11-03 | 新疆大学 | 一种基于对数变换的遥感图像变化检测方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI272838B (en) * | 2005-06-30 | 2007-02-01 | Sony Taiwan Ltd | Zebra pattern display apparatus |
CN102629378B (zh) * | 2012-03-01 | 2014-08-06 | 西安电子科技大学 | 基于多特征融合的遥感图像变化检测方法 |
CN103679664B (zh) * | 2013-12-30 | 2016-07-06 | 北京航空航天大学 | 一种利用数学形态学交替滤波器的能够保留图像细节的增强方法 |
CN105207645B (zh) * | 2015-08-25 | 2018-09-07 | 苏州汇川技术有限公司 | 基于数学形态学的滤波方法以及滤波系统 |
-
2018
- 2018-04-28 CN CN201810418590.8A patent/CN108830828B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289807A (zh) * | 2011-07-08 | 2011-12-21 | 西安电子科技大学 | 基于Treelet变换和特征融合的遥感图像变化检测方法 |
CN107316296A (zh) * | 2017-06-29 | 2017-11-03 | 新疆大学 | 一种基于对数变换的遥感图像变化检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
《一种抑制声呐图像散斑噪声的形态学滤波器》;郭海涛 等;《仪器仪表学报》;20150315;第36卷(第03期);摘要 * |
Also Published As
Publication number | Publication date |
---|---|
CN108830828A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830828B (zh) | 一种遥感图像变化检测方法及装置 | |
US20120328161A1 (en) | Method and multi-scale attention system for spatiotemporal change determination and object detection | |
CN106570862B (zh) | 一种超分辨率重建质量的评价方法及装置 | |
CN107316296B (zh) | 一种基于对数变换的遥感图像变化检测方法及装置 | |
CN102096921A (zh) | 基于邻域对数比值及各向异性扩散的sar图像变化检测方法 | |
Adu-Gyamfi et al. | Multiresolution information mining for pavement crack image analysis | |
CN108564002B (zh) | 一种遥感影像时间序列变化检测方法及系统 | |
CN111383216B (zh) | 图像间变化的检测方法及装置 | |
Liu et al. | Automatic blur-kernel-size estimation for motion deblurring | |
CN112950685B (zh) | 一种红外与可见光图像配准方法、系统及存储介质 | |
CN109242877B (zh) | 图像分割方法及装置 | |
Wu et al. | Superpixel-based image noise variance estimation with local statistical assessment | |
Liu | Additive white Gaussian noise level estimation based on block SVD | |
CN110889843A (zh) | 基于最大稳定极值区域的sar图像舰船目标检测方法 | |
CN114993452A (zh) | 基于宽带相位运动放大的结构微小振动测量方法与系统 | |
CN112926636A (zh) | 牵引变流器柜体温度异常检测方法和装置 | |
CN115683431A (zh) | 基于直线跟踪算法的拉索索力确定方法、装置及设备 | |
AlAzawee et al. | Using morphological operations—Erosion based algorithm for edge detection | |
CN109949337A (zh) | 基于高斯混合背景模型的运动目标检测方法及装置 | |
CN109658357A (zh) | 一种面向遥感卫星图像的去噪方法 | |
CN117475154A (zh) | 一种基于优化Canny边缘检测的仪表图像识别方法及系统 | |
CN109978855A (zh) | 一种遥感图像变化检测方法及装置 | |
Shi et al. | Dissimilar pixel counting based impulse detector for two-phase mixed noise removal | |
CN114994098A (zh) | 一种异物检测的方法及设备 | |
CN109558878B (zh) | 图像识别方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |