CN111739067A - 一种遥感影像变化检测方法及装置 - Google Patents

Abstract

本发明实施例提供一种遥感影像变化检测方法及装置，其中，所述方法包括：对获取的前、后时相的遥感影像进行几何配准；对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，将矢量图套合在几何配准后的前、后时相的遥感影像上，得到待检测的前、后时相的图斑对；利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集；对所述可能变化图斑集进行聚类，将聚类后的可能发生变化图斑集用于人工判断以确定变化图斑。根据本发明技术方案，可提高测绘生产中人工提取变化信息的效率。

Description

一种遥感影像变化检测方法及装置

技术领域

本发明涉及图像处理领域，具体涉及一种遥感影像变化检测方法及装置。

背景技术

随着对地观测科技的发展和遥感影像分辨率的不断提高，从遥感影像中提取地物信息成为非常重要的一个方向。土地资源管理与规划、环境保护、测绘地理信息等方面都非常需要对这些地表覆盖变化的状况进行快速而准确的监测。遥感影像的变化检测主要有两类提取方法：1)完全人工提取，有经验的变化监测作业人员将2景前、后遥感影像叠加，通过卷帘等工具，对图像逐行进行判断，每个图斑仔细的核查。一般情况下具有最高的提取精度，但是效率极低，培养相关作业人员成本高；2)计算机自动提取，通过机器学习、人工智能等最新的模式识别算法对2景遥感影像的变化部分进行自动提取。但是受限于现在图像处理和模式识别的精度，计算机自动提取的精度只能达到90％左右，不能满足变化检测的应用需求，尤其是测绘生产应用。因为测绘生产要求虚警率和漏识率都非常低。对于虚警率不满足要求的影像，需要在已提取的变化信息中删除错误的即可，而且往往变化的图斑都比较少，一般都不到整景影像图斑总数的5％，工作量不大。但是一旦发生漏检，则需要人工将剩余95％图斑的影像从头再将检查一次。因此，对于自动的变化检测算法，一旦漏检率不满足要求，结果就很难满足测绘生产的要求，需要人工排查。从这个角度上说自动化提取的结果并不能提高任何作业效率。

因此，由于变化检测业务的特殊性，在测绘其他大多数产品(DOM、DEM、DSM等)都已实现全自动化的情况下，测绘的变化检测作业依然只能采用与三十年一样的人工目视解译提取，现有的计算机自动算法和工具均不能满足面向测绘生产的高精度变化检测需求。

发明内容

本发明实施例提供一种遥感影像变化检测方法及装置，提高测绘生产中人工提取变化信息的效率。

为达到上述目的，一方面，本发明实施例提供了一种遥感影像变化检测方法，所述方法包括：

对获取的前、后时相的遥感影像进行几何配准；

对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，将矢量图套合在几何配准后的前、后时相的遥感影像上，得到待检测的前、后时相的图斑对；

利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集；

对所述可能变化图斑集进行聚类，将聚类后的可能发生变化图斑集用于人工判断以确定变化图斑。

另一方面，本发明实施例提供了一种遥感影像变化检测装置，所述装置包括：

配准单元，用于对获取的前、后时相的遥感影像进行几何配准；

影像分割单元，用于对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，将矢量图套合在几何配准后的前、后时相的遥感影像上，得到待检测的前、后时相的图斑对；

检测单元，用于利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集；

聚类单元，用于对所述可能变化图斑集进行聚类，将聚类后的可能发生变化图斑集用于人工判断以确定变化图斑。

上述技术方案具有如下有益效果：因为采用对影像进行分类检测进行非变化图斑的排除，进一步对可能变化图斑进行聚类后通过人工检测的技术手段，相对于传统人工单个图斑进行依次检测的方法，本发明可以依据非监督聚类的结果，对可能变化的图斑进行按类别剔除，因一个类别可能含有多个图斑，故在保证精度的基础上，较大程度的提高变化检测的速度，提高了检测效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一种遥感影像变化检测方法的流程图；

图2是本发明实施例中基于异质性最小区域合并算法流程图；

图3是本发明实施例中一遥感影像图；

图4是本发明实施例中一遥感影像的多尺度分割结果图；

图5是本发明实施例中前、后时相遥感影像的空间邻域关系分析示意图；

图6是本发明实施例中K-均值聚类算法流程图；

图7是本发明实施例一种遥感影像变化检测装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明在研究分析现有计算机自动提取变化信息和人工手动提取变化信息各自优点于不足的基础上，提出一种面向测绘生产的高分辨率遥感影像变化检测的策略，主要分为以下三个步骤：1)遥感影像的多尺度分割，首先对2景遥感进行几何配准，然后以前时相的影像作为基准影像对其进行多尺度分割，获取分割后的矢量，将矢量套合在前、后时相的遥感影像上，得到待检测的前、后时相的图斑对；2)利用多种现有自动变化检测算法对2景前、后遥感进行自动变化检测，可采用2种或以上的自动变化检测算法，本发明以基于光谱、基于纹理和基于空间领域关系的自动提取算法为例，依据多种检测结果综合确定置信度较高的非变化图斑信息和可能发生变化的图斑；3)利用K-均值聚类分析算法，对可能发生变化的图斑进行非监督分类，然后人工对每一类别进行判定，对没有发生变化的某一类图斑，即可能发生变化的图斑进行剔除。对不适合进行整类删除的图斑单个逐一排查剔除伪变化图斑。

具体地，如图1所示，是本发明实施例一种遥感影像变化检测方法的流程图，所述方法包括：

S101：对获取的前、后时相的遥感影像进行几何配准。

优选地，所述对获取的前、后时相的遥感影像进行几何配准，包括：

通过测绘软件ARCGIS对前、后时相的遥感影像取控制点以完成前、后时相的遥感影像的几何配准。具体地，利用二次多项式对前、后时相的遥感影像进行配准，可选择测绘行业软件ARCGIS对前、后时相的影像取控制点，然后软件自动构建公式完成两景影像的配准工作。

S102：对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，将矢量图套合在几何配准后的前、后时相的遥感影像上，得到待检测的前、后时相的图斑对；

优选地，所述对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，包括：

将前时相的遥感影像中的性质相同或相似的像素合并，获得图斑对象；

根据相邻图斑对象的异质性，将异质性小于异质性阈值的相邻图斑对象合并，形成由区域多边形矢量对象组成的矢量图。

影像的多尺度分割是基于最小区域合并的算法，它的基本思路是对影像相邻的像素处理，采取一定的规则合并性质相似或者相同的相邻目标，进而由像素合并成为图斑，通过对图斑之间的进一步组合，形成区域多边形矢量对象。分割尺度是多尺度分割中的关键因子，它是合并中的相似性度量，尺度越大，合并成的对象也越大。

优选地，所述相邻图斑对象的异质性为相邻图斑对象间的光谱异质性和形状异质性的加权和。

图斑对象的异质性是判断它们是否合并的准则，一般选择图斑的光谱、形状来计算图斑的异质性。光谱异质性值与形状异质性值取决于影像的光谱特征与空间特征，光谱特征突变不明显，光谱异质性值就小；形状特征变异不明显，形状异质性值就小。获取图斑异质性后，通过设定异质性的阈值(尺度)来判断图斑之间是否合并，如果相邻图斑的异质性小于异质性阈值，则两个图斑可以合并，反之则不合并。

图斑异质性计算的步骤如下：

a.异质性公式

图斑的异质性由光谱异质性和形状异质性的加权和组成：

f＝w_colorh_color+(1-w_color)h_shape (1)

其中h_color代表光谱异质性,h_shape代表形状异质性，w_color代表光谱的权重，1-w_color代表形状信息的权重，光谱异质性和形状异质性由遥感影像上的图斑统计获取，权值则直接手工输入。

①光谱异质性h_color。

光谱异质性表示相邻图斑对象间的光谱差异大小，由图斑的标准差计算得到，若遥感影像有i个波段，则光谱异质性为各个波段的加权和，公式如下：

w_i表示图斑第i波段光谱信息的权重，σ_i表示第i波段光谱值的标准差，n为波段数，i为第i个波段。

②形状异质性h_shape。

形状异质性用于表示对象在形状上的差异。用平滑度h_smooth和紧致度h_compact的加权求和来描述。

h_shape＝w_compacth_compact+(1-w_compact)h_smooth (3)

式中，w_compact为紧致度权重。

其中，h_smooth和h_compact的表达式如下：

式中，l为图斑对象的边界长度，n为图斑的像元个数，b为图斑对象的外接矩形的最小边长。

每次合并之前，都需要对两个待合并图斑的异质性进行判断，当异质性超过设定的异质性阈值，就停止合并的过程。主要流程如图2所示。

通过多尺度分割后，可以得到影像的矢量图，如图3所示为后时相的遥感影像，其分辨率1m，分割后的矢量图如图4所示。

S103：利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集。

优选地，所述利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集，包括：

利用2种或以上的自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，合并多种自动变化检测算法的检测结果，确定非变化图斑集和可能变化图斑集。

进一步优选地，所述利用2种或以上的自动变化检测算法对对待检测的前、后时相的图斑对进行自动变化检测，合并多种自动变化检测算法的检测结果，确定非变化图斑集和可能变化图斑集，包括：

利用基于图斑光谱信息的自动变化检测算法检测所述前、后时相的图斑对，获得非变化图斑集合I；

利用基于图斑纹理信息的自动变化检测算法检测所述前、后时相的图斑对，获得非变化图斑集合II；

利用基于空间邻域关系的自动变化检测算法检测所述前、后时相的图斑对，获得非变化图斑集合Ⅲ；

取所述非变化图斑集合I、非变化图斑集合II与非变化图斑集合Ⅲ的交集作为非变化图斑集，取所述交集的补集作为可能变化图斑集。

本发明利用多种计算机算法自动提取变化图斑，然后依据提取结果，确定置信度较高的未变化图斑和可能变化的图斑。本发明拟基于光谱、纹理和邻域关系三种算法来提取变化信息。

1)基于图斑光谱信息的自动变化检测算法

一般情况下，同类地物都有较为相似的光谱，若图斑的光谱发生了变化，那么图斑内部的地物很有可能发生了变化。因此光谱信息的变化能有效的反映地物的变化情况。本发明中拟采用图斑中光谱信息的统计量来作为自动变化的特征，主要包括：均值、最大值、最小值、标准差、亮度、色调、饱和度、比率、最大差值等，光谱特征的定义见表1：

表1.光谱特征参数及公式

提取这些特征之后，将他们组成一个综合特征向量V。

在V中，每个光谱特征的权值相同，为便于比较，需要将各个特征归一化，使他们都位于区间[0,1]，归一化公式为：

x,x'分别为归一化前后的光谱特征。

然后分别求取前、后时相图斑的光谱综合特征向量V₁，V₂，并计算两者的相关系数

设定相关系数判别阈值P，若

说明前后时相图斑的相似性较高，可判定为未变化类别；若

说明前后时相图斑的相似性很低，该图斑可判定为变化图斑。

通过光谱信息的自动变化检测算法，可以对所有图斑进行判断，得到未变化的图斑集合S_unchanged和发生变化的图斑S_changed

2)基于图斑纹理信息的自动变化检测算法

基于纹理信息的自动变化检测算法与基于光谱信息的自动变化检测算法一致，只是主要采用图斑的纹理统计特征来提取统计信息。描述图像纹理特征主要采用灰度共生矩阵(GLCM)，其特征包括同质性、对比度、非相似性、均值、能量等，见表2。表中G_ij是指灰度矩阵G中i行j列的标准化灰度值，n代表行或者列的总数。

采用的纹理特征信息如下表：

表2.纹理特征参数及其公式

与利用光谱信息分类类似，在获取前、后时相的图斑的纹理特征后，也将纹理特征组成一个综合向量对前、后时相的图斑进行相似度判断，获取相关系数，并设定判别阈值。从而得到纹理特征条件下的未变化的图斑集合G_unchanged和发生变化的图斑G_changed。

3)基于空间邻域关系的自动变化检测算法

空间邻域关系也叫空间上下文关系，是高分辨率遥感影像分类和模式识别中非常重要的特征因子。

如图5a，5b分别为前后2个时相的遥感影像，A、B为待判定的前、后时相图斑，A_m1,A_m2,A_m3,A_m4,A_m5为图斑A的邻域图斑，B_m1,B_m2,B_m3,B_m4,B_m5为图斑B的邻域图斑。

则图斑A与其邻域图斑A_m1,A_m2,A_m3,A_m4,A_m5的光谱均值之差为：

……

则可以得到表征A及其邻域关系的向量L_A＝{d_a1,d_a2,d_a3,d_a4,d_a5}(若有m个邻域图斑，则有m个表征邻域关系的向量)。

同理图斑B及其领域图斑B_m1,B_m2,B_m3,B_m4,B_m5的光谱均值之差也可以得到表征B与其邻域关系的向量L_B＝{d_b1,d_b2,d_b3,d_b4,d_b5}。计算L_A，L_B的相关系数，并设定判别阈值，得到空间邻域关系下的未变化的图斑集合L_unchanged和发生变化的图斑L_changed。

获取基于三种不同特征得到的自动变化监测结果后，综合判定高置信度的未变化区域和可能发生变化的区域。

基于减少漏检率的原则，将三种自动算法的相关系数判别阈值设定得较大。因此，只有前、后时相的相关系数很大(大于阈值)时，才能判定为未变化图斑，提高了未变化图斑的判别精度。虽然这样会得到很多的可能变化图斑(很多伪变化图斑)，但是可以在下一步的非监督分类中批量剔除。

将三种自动算法得到的未变化图斑取交集得到综合未变化图斑集Q_unchanged，变化图斑取并集得到综合变化图斑集Q_changed：

Q_unchanged＝{S_unchanged∩G_unchanged∩L_unchanged} (11)

Q_changed＝{S_changed∪G_changed∪L_changed} (12)

因此，综合不同自动变化检测提取结果得到的Q_unchanged具有较高的置信度，因为只有三种算法判定都未发生变化时，才将该图斑判定为未发生变化的区域。而变化图斑由于是取并集，会存在较多的图斑，需要对其进一步剔除伪变化的图斑。

S104：对所述可能变化图斑集进行聚类，将聚类后的可能发生变化图斑集用于人工判断以确定变化图斑。

优选地，所述对所述可能变化图斑集进行聚类，包括：

利用K-均值算法对所述可能变化图斑集进行非监督聚类。

进一步优选地，如图6所示，所述利用K-均值算法对所述可能变化图斑集进行非监督聚类，包括：

1)根据所述可能变化图斑集中每一个前、后时相的图斑对的图斑特征，将所述可能变化图斑集中每一个前、后时相的图斑对转化为向量对象；首先对每个前、后时相的图斑对进行分类特征计算，包括前、后时相图斑的光谱、纹理、形状等特征，将两个时相得到的特征叠加起来得到一个特征向量集，将每个可能变化的图斑看做是投入特征向量空间的一个点，对特征向量空间中的这些点进行聚类分析。

2)任意选择K个向量对象作为初始的K个聚类中心；即，从特征向量空间中所有待分类的数据点对象中，任意选择K个对象作为初始聚类中心。

3)计算每个向量对象与每个聚类中心的距离，将向量对象分入与该向量对象具有最小距离的聚类中心的类别中；

4)计算K个类别中每个类别的均值作为该类别的聚类中心；

5)重复上两个步骤，直到每个聚类不再发生变化为止。

利用K-均值对可能存在变化的图斑集Q_changed进行非监督聚类。K-均值算法的主要思想是先在需要分类的数据中寻找K组数据作为初始聚类中心，然后计算其他数据距离这三个聚类中心的距离，将数据归入与其距离最近的聚类中心，之后再对这K个聚类的数据计算均值，作为新的聚类中心，继续以上步骤，直到新的聚类中心与上一次的聚类中心值相等时结束算法。

完成非监督聚类后，所有可能存在变化的图斑集Q_changed分成K类，很明显，大多数类别中的图斑都具有相似性，可以结合人工判读，对某一类可能是伪变化的图斑进行删除。例如前、后时相的遥感影像由于影像成像条件的不同，前、后时相中的水体可能存在不同的颜色，因此很多水体图斑会被作为可能变化的图斑被识别出来，需要对其剔除。如果单个图斑的剔除会消耗大量的人力和时间成本，而通过类别的删除，可以一次删除属于某个伪变化类别的多个图斑。

在按类别批量删除伪变化的图斑时，需要结合人的先验知识，对某些复杂的类别(类别中图斑结构复杂或混合像元较多，例如城市区域的图斑)进行单个图斑的检查剔除，以免按类别批量删除时错误的将实际发生变化的图斑当做伪变化图斑删除而造成漏分的情况。

如图7所示，是本发明实施例一种遥感影像变化检测装置的结构示意图，所述系统包括：

配准单元21，用于对获取的前、后时相的遥感影像进行几何配准；

影像分割单元22，用于对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，将矢量图套合在几何配准后的前、后时相的遥感影像上，得到待检测的前、后时相的图斑对；

检测单元23，用于利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集；

聚类单元24，用于对所述可能变化图斑集进行聚类，将聚类后的可能发生变化图斑集用于人工判断以确定变化图斑。

优选地，所述检测单元具体用于：利用2种或以上的自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，合并多种自动变化检测算法的检测结果，确定非变化图斑集和可能变化图斑集；

以及，所述聚类单元具体用于：利用K-均值算法对所述可能变化图斑集进行非监督聚类。

本发明充分结合计算机自动变化检测的算法效率和人工排查的精度，较大程度上能提高传统测绘中变化检测提取的效率。通过对多种计算机自动变化检测算法(本发明结合光谱特征、纹理特征和空间邻域特征，能从不同的角度对发生变化的图斑进行判别)的比较验证，首先提取置信度高的未发生变化的图斑，然后通过K-均值非监督分类算法对剩下可能存在变化的图斑进行聚类，并逐类的排除伪变化图斑，能最大程度上提高变化检测的作业效率。该方法对指导测绘生产中的变化检测具有重要的意义。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种遥感影像变化检测方法，其特征在于，所述方法包括：

对获取的前、后时相的遥感影像进行几何配准；

对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，将矢量图套合在几何配准后的前、后时相的遥感影像上，得到待检测的前、后时相的图斑对；

利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集；

对所述可能变化图斑集进行聚类，将聚类后的可能发生变化图斑集用于人工判断以确定变化图斑。

2.如权利要求1所述的遥感影像变化检测方法，其特征在于，所述对获取的前、后时相的遥感影像进行几何配准，包括：

通过测绘软件ARCGIS对前、后时相的遥感影像取控制点以完成前、后时相的遥感影像的几何配准。

3.如权利要求1所述的遥感影像变化检测方法，其特征在于，所述对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，包括：

将前时相的遥感影像中的性质相同或相似的像素合并，获得图斑对象；

根据相邻图斑对象的异质性，将异质性小于异质性阈值的相邻图斑对象合并，形成由区域多边形矢量对象组成的矢量图。

4.如权利要求3所述的遥感影像变化检测方法，其特征在于，所述相邻图斑对象的异质性为相邻图斑对象间的光谱异质性和形状异质性的加权和。

5.如权利要求1所述的遥感影像变化检测方法，其特征在于，所述利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集，包括：

利用2种或以上的自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，合并多种自动变化检测算法的检测结果，确定非变化图斑集和可能变化图斑集。

6.如权利要求5所述的遥感影像变化检测方法，其特征在于，所述利用2种或以上的自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，合并多种自动变化检测算法的检测结果，确定非变化图斑集和可能变化图斑集，包括：

利用基于图斑光谱信息的自动变化检测算法检测所述前、后时相的图斑对，获得非变化图斑集合Ⅰ；

利用基于图斑纹理信息的自动变化检测算法检测所述前、后时相的图斑对，获得非变化图斑集合Ⅱ；

利用基于空间邻域关系的自动变化检测算法检测所述前、后时相的图斑对，获得非变化图斑集合Ⅲ；

取所述非变化图斑集合Ⅰ、非变化图斑集合Ⅱ与非变化图斑集合Ⅲ的交集作为非变化图斑集，取所述交集的补集作为可能变化图斑集。

7.如权利要求6所述的遥感影像变化检测方法，其特征在于，所述对所述可能变化图斑集进行聚类，包括：

利用K-均值算法对所述可能变化图斑集进行非监督聚类。

8.如权利要求7所述的遥感影像变化检测方法，其特征在于，所述利用K-均值算法对所述可能变化图斑集进行非监督聚类，包括：

根据所述可能变化图斑集中每一个前、后时相的图斑对的图斑特征，将所述可能变化图斑集中每一个前、后时相的图斑对转化为向量对象；

任意选择K个向量对象作为初始的K个聚类中心；

计算每个向量对象与每个聚类中心的距离，将向量对象分入与该向量对象具有最小距离的聚类中心的类别中；

计算K个类别中每个类别的均值作为该类别的聚类中心；

重复上两个步骤，直到每个聚类不再发生变化为止。

9.一种遥感影像变化检测装置，其特征在于，所述装置包括：

配准单元，用于对获取的前、后时相的遥感影像进行几何配准；

影像分割单元，用于对前时相的遥感影像进行多尺度分割，获取分割后的矢量图，将矢量图套合在几何配准后的前、后时相的遥感影像上，得到待检测的前、后时相的图斑对；

检测单元，用于利用自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，根据检测结果确定非变化图斑集和可能变化图斑集；

聚类单元，用于对所述可能变化图斑集进行聚类，将聚类后的可能发生变化图斑集用于人工判断以确定变化图斑。

10.如权利要求9所述的遥感影像变化检测装置，其特征在于，所述检测单元具体用于：利用2种或以上的自动变化检测算法对待检测的前、后时相的图斑对进行自动变化检测，合并多种自动变化检测算法的检测结果，确定非变化图斑集和可能变化图斑集；

以及，所述聚类单元具体用于：利用K-均值算法对所述可能变化图斑集进行非监督聚类。

Images