CN111931744A - 一种遥感影像变化检测方法和装置 - Google Patents

Abstract

本发明提供了一种遥感影像变化检测方法和装置，涉及影像处理的技术领域，包括：获取待对比遥感影像，待对比遥感影像包括：第一遥感影像和第二遥感影像，第一遥感影像与第二遥感影像为相邻时相的遥感影像；利用快速纹理算法对待对比遥感影像进行处理，得到输入矩阵，其中，输入矩阵包括：第一输入矩阵和第二输入矩阵；利用RCVA算法和输入矩阵，构建掩膜矩阵和第二输入矩阵的重组矩阵；利用慢特征分析算法、第一遥感影像和重组矩阵，构建二值化矩阵；基于掩膜矩阵和二值化矩阵，确定待对比遥感影像的变化检测结果，解决了现有的遥感影像变化检测方法的配准精度较低的技术问题。

Description

一种遥感影像变化检测方法和装置

技术领域

本发明涉及影像处理的技术领域，尤其是涉及一种遥感影像变化检测方法和装置。

背景技术

遥感技术具有宏观、动态、快速、准确等技术优势。随着星载、机载遥感影像空间和光谱分辨率的不断提高，人们可以从遥感影像中获得更多的有用的数据和信息。基于两期次遥感影像的土地覆盖变化检测是遥感技术研究的热点和难点问题，实时且精确的获取地球表面覆盖的变化情况对于环境监测、资源管理和可持续发展具有重要意义。

现有技术中，一般采用慢特征分析算法对遥感影像进行变化检测，但是，慢特征分析算法存在配准精度较低和无法检测物候变化的问题。

针对上述问题，还未提出有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种遥感影像变化检测方法和装置，以缓解了现有的遥感影像变化检测方法的配准精度较低的技术问题。

第一方面，本发明实施例提供了一种遥感影像变化检测方法，包括：获取待对比遥感影像，所述待对比遥感影像包括：第一遥感影像和第二遥感影像，所述第一遥感影像与所述第二遥感影像为相邻时相的遥感影像；利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵，其中，所述输入矩阵包括：第一输入矩阵和第二输入矩阵；利用RCVA算法和所述输入矩阵，构建掩膜矩阵和所述第二输入矩阵的重组矩阵；利用慢特征分析算法、所述第一遥感影像和所述重组矩阵，构建二值化矩阵；基于所述掩膜矩阵和所述二值化矩阵，确定所述待对比遥感影像的变化检测结果。

进一步地，利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵包括：基于所述第一遥感影像构建第一矩阵，以及基于所述第二遥感影像构建第二矩阵；利用所述快速纹理算法，分别对所述第一矩阵的主成分影像和所述第二矩阵的主成分影像进行纹理特征计算，得到第一纹理特征和第二纹理特征；利用所述第一纹理特征构建第一快速纹理矩阵，以及利用所述第二纹理特征构建第二快速纹理矩阵；将所述第一快速纹理矩阵并入所述第一矩阵得到第一输入矩阵，以及将所述第二快速纹理矩阵并入所述第二矩阵得到第二输入矩阵。

进一步地，利用RCVA算法和所述输入矩阵，构建掩膜矩阵和所述第二输入矩阵的重组矩阵，包括：利用所述输入矩阵，确定出差异影像，其中，所述差异影像包括：第一差异影像和第二差异影像；在预设滑动窗口内，利用所述第一差异影像和所述第二差异影像，对所述第二输入矩阵进行重组，得到所述重组矩阵；利用所述差异影像，构建第一变化量级矩阵；基于所述第一变化量级矩阵，确定出所述掩膜矩阵。

进一步地，所述第一输入矩阵对应第一输入影像，所述第二输入矩阵对应第二输入影像；利用所述输入矩阵，确定出差异影像包括：确定出所述第一输入影像中的第一目标点，其中，所述第一目标点为：所述第一输入影像中与第二输入影像中的影像点相对应影像点的邻近像元内光谱差异值最小的影像点；利用所述第一目标点，得到所述第一差异影像；确定出所述第二输入影像中的第二目标点，其中，所述第二目标点为：所述第二输入影像中与第一输入影像中的影像点相对应影像点的邻近像元内光谱差异值最小的影像点；利用所述第二目标点，得到所述第二差异影像。

进一步地，基于所述第一变化量级矩阵，确定出所述掩膜矩阵包括：对所述第一变化量级矩阵依次进行标准化处理和二值化处理，得到初始掩膜矩阵；若所述初始掩膜矩阵中的目标元素对应的区域面积大于预设阈值，则将所述初始掩膜矩阵确定为所述掩膜矩阵，其中，所述目标元素为：元素值为0的元素；若所述初始掩膜矩阵中的目标元素对应的区域面积小于或等于预设阈值，则将所述目标元素赋值为1，得到所述掩膜矩阵。

进一步地，利用慢特征分析算法、所述第一遥感影像和所述重组矩阵，构建二值化矩阵，包括：利用所述慢特征分析算法，对所述第一遥感影像和所述重组矩阵进行迭代分析，得到分析结果，并根据所述分析结果构建第二变化量级矩阵；利用K-means分类算法，对所述第二变化量级矩阵进行分类，得到分类结果，并根据所述分类结果构建所述二值化矩阵。

进一步地，基于所述掩膜矩阵和所述二值化矩阵，确定所述待对比遥感影像的变化检测结果包括：计算所述二值化矩阵与所述掩膜矩阵的乘积，得到计算结果，并根据所述计算结果确定出所述变化检测结果。

第二方面，本发明实施例还提供了一种遥感影像变化检测装置，包括：获取单元，处理单元，第一构建单元，第二构建单元和确定单元，其中，所述获取单元，用于获取待对比遥感影像，所述待对比遥感影像包括：第一遥感影像和第二遥感影像，所述第一遥感影像与所述第二遥感影像为相邻时相的遥感影像；所述处理单元，用于利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵，其中，所述输入矩阵包括：第一输入矩阵和第二输入矩阵；所述第一构建单元，用于利用RCVA算法和所述输入矩阵，构建掩膜矩阵和所述第二输入矩阵的重组矩阵；所述第二构建单元，用于利用慢特征分析算法、所述第一遥感影像和所述重组矩阵，构建二值化矩阵；所述确定单元，用于基于所述掩膜矩阵和所述二值化矩阵，确定所述待对比遥感影像的变化检测结果。

第三方面，本发明实施例提供了一种电子终端，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面中所述方法的步骤。

在本发明实施例中，首先，获取待对比遥感影像，待对比遥感影像包括：第一遥感影像和第二遥感影像，第一遥感影像与第二遥感影像为相邻时相的遥感影像；接着，利用快速纹理算法对待对比遥感影像进行处理，得到输入矩阵，其中，输入矩阵包括：第一输入矩阵和第二输入矩阵；然后，利用RCVA算法和输入矩阵，构建掩膜矩阵和第二输入矩阵的重组矩阵；接着，利用慢特征分析算法、第一遥感影像和重组矩阵，构建二值化矩阵；最后，基于掩膜矩阵和二值化矩阵，确定待对比遥感影像的变化检测结果。

在本发明实施例中，通过将遥感影像的快速纹理特征添加至变化检测分析中，以及将RCVA变化检测算法和慢特征变化检测算法结合在一起，达到了克服了现有的慢特征变化检测算法的缺陷的目的，进而解决了现有的遥感影像变化检测方法的配准精度较低的技术问题，从而实现了提高对遥感影像变化检测的配准度的技术效果。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种遥感影像变化检测方法的流程图；

图2为本发明实施例提供的输入矩阵的构建方法的流程图；

图3为本发明实施例提供的掩膜矩阵和重组矩阵的构建方法的流程图；

图4为本发明实施例提供的重组影像的构建示意图；

图5为本发明实施例提供的一种遥感影像变化检测装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

实施例一：

根据本发明实施例，提供了一种遥感影像变化检测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种遥感影像变化检测方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取待对比遥感影像，所述待对比遥感影像包括：第一遥感影像和第二遥感影像，所述第一遥感影像与所述第二遥感影像为相邻时相的遥感影像；

需要说明的是，在利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵之前，还需要对待对比遥感影像进行预处理，其中，预处理包括：辐射定标处理、大气校正处理、正射校正处理、影像融合处理、裁剪处理、镶嵌处理、降噪处理、几何配准处理。

步骤S104，利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵，其中，所述输入矩阵包括：第一输入矩阵和第二输入矩阵；

步骤S106，利用RCVA算法和所述输入矩阵，构建掩膜矩阵和所述第二输入矩阵的重组矩阵；

步骤S108，利用慢特征分析算法、所述第一遥感影像和所述重组矩阵，构建二值化矩阵；

步骤S110，基于所述掩膜矩阵和所述二值化矩阵，确定所述待对比遥感影像的变化检测结果。

在本发明实施例中，通过将遥感影像的快速纹理特征添加至变化检测分析中，以及将RCVA变化检测算法和慢特征变化检测算法结合在一起，达到了克服了现有的慢特征变化检测算法的缺陷的目的，进而解决了现有的遥感影像变化检测方法的配准精度较低的技术问题，从而实现了提高对遥感影像变化检测的配准度的技术效果。

在本发明实施例中，如图2所示，步骤S104包括如下步骤：

步骤S11，基于所述第一遥感影像构建第一矩阵，以及基于所述第二遥感影像构建第二矩阵；

步骤S12，利用所述快速纹理算法，分别对所述第一矩阵的主成分影像和所述第二矩阵的主成分影像进行纹理特征计算，得到第一纹理特征和第二纹理特征；

步骤S13，利用所述第一纹理特征构建第一快速纹理矩阵，以及利用所述第二纹理特征构建第二快速纹理矩阵；

步骤S14，将所述第一快速纹理矩阵并入所述第一矩阵得到第一输入矩阵，以及将所述第二快速纹理矩阵并入所述第二矩阵得到第二输入矩阵。

在本发明实施例中，将第一遥感影像和第二遥感影像分别读入大小为m×n×d的矩阵Imagex（第一矩阵）和Imagey（第二矩阵），矩阵中各元素为遥感影像各个波段对应的像素辐射值，其中，d 为波段数、m 为行数、n 为列数。

针对Imagex第一主成分影像和Imagey的第一主成分影像，在一个3×3的滑动窗口内，按照下式计算纹理特征：

A1(x, y) =|I(x-1, y)-I(x+1, y)|；

A2(x, y) =|I(x, y-1)-I(x, y+1)|；

A3(x, y) =|I(x+1, y-1)-I(x-1, y+1)；

A4(x, y) =|I(x-1, y-1)-I(x+1, y+1)|；

其中，I(x, y) 代表主成分影像 I在 (x, y)处的像元值；A1(x, y) 代表I(x, y)的灰度值沿水平方向的变化，以此类推，A2(x, y)、A3(x, y) 和A4(x, y) 分别代表 I(x, y)在 90°、45°和135°方向上的灰度变化。对其求平均(A=(A1+A2+A3+A4)/4)，从而得到第一纹理特征和第二纹理特征。

然后，利用第一纹理特征构建第一快速纹理矩阵，以及利用第二纹理特征构建第二快速纹理矩阵。

最后，将第一快速纹理矩阵并入第一矩阵，得到第一输入矩阵，以及将第二快速纹理矩阵并入第二矩阵得到第二输入矩阵，其中，第一输入矩阵和第二输入矩阵均为m×n×(d+1)的输入矩阵。

在本发明实施例中，如图3所示，步骤S106包括如下步骤：

步骤S21，利用所述输入矩阵，确定出差异影像，其中，所述差异影像包括：第一差异影像和第二差异影像；

在本发明实施例中，第一输入矩阵对应第一输入影像，第二输入矩阵对应第二输入影像。

通过以下方法确定差异影像：

步骤S211，确定出所述第一输入影像中的第一目标点，其中，所述第一目标点为：所述第一输入影像中与第二输入影像中的影像点相对应影像点的邻近像元内光谱差异值最小的影像点；

步骤S212，利用所述第一目标点，得到所述第一差异影像；

具体的，在确定出第一目标点之后，可以通过以下公式求解出第一差异影像：

其中，N代表影像像元数，需要说明的是该公式是针对单波段的，如果是多波段则总的

相当于各波段

之和。

步骤S213，确定出所述第二输入影像中的第二目标点，其中，所述第二目标点为：所述第二输入影像中与第一输入影像中的影像点相对应影像点的邻近像元内光谱差异值最小的影像点；

步骤S214，利用所述第二目标点，得到所述第二差异影像。

具体的，在确定出第二目标点之后，可以通过以下公式求解出第二差异影像：

上述公式是针对单波段的，如果是多波段则总的

相当于各波段

之和。

步骤S22，在预设滑动窗口内，利用所述第一差异影像和所述第二差异影像，对所述第二输入矩阵进行重组，得到所述重组矩阵；

具体的，在得到第一差异影像和第二差异影像之后，取第一输入影像t1的一个像素点(t1(j, k))，其对应到的是第二输入影像t2中一个(2w+1)*(2w+1)大小的面，然后，将这个面的中心像素点(该点与第一输入影像所选点对应，记为t2(j, k))的辐射值进行替换，替换为与第一输入影像所选点辐射值具有最小

值的像素点的辐射值(各个波段同步完成替换)，如图4所示，其中，w=1，B为蓝色波段，G为绿色波段，R为红色波段，第一输入影像的一个像素点(t1(j, k))与第二输入影像的一个像素点(t2(j-1, k-1))之间具有最小

值的像素点的辐射值。以此类推，遍历第一输入影像所有的像素点，由此完成对第二输入影像的Imagey的重组，得到重组影像t2’或者重组矩阵Imageyy。将第二输入影像的像元排列顺序进行重组，得到重组影像，重组影像与第一输入影像具有较高的“配准”精度。

步骤S23，利用所述差异影像，构建第一变化量级矩阵；

在本发明实施例中，在确定出第一差异影像和第二差异影像之后，按照以下公式构建第一变化量矩阵：

步骤S24，基于所述第一变化量级矩阵，确定出所述掩膜矩阵。

在本发明实施例中，确定包括以下步骤：

步骤S241，对所述第一变化量级矩阵依次进行标准化处理和二值化处理，得到初始掩膜矩阵；

步骤S242，若所述初始掩膜矩阵中的目标元素对应的区域面积大于预设阈值，则将所述初始掩膜矩阵确定为所述掩膜矩阵，其中，所述目标元素为：元素值为0的元素；

步骤S243，若所述初始掩膜矩阵中的目标元素对应的区域面积小于或等于预设阈值，则将所述目标元素赋值为1，得到所述掩膜矩阵。

首先，对第一变化量级矩阵进行标准化处理，将第一变化量级矩阵中的元素标准化到0-5之间的整数。

接着，对完成标准化处理的第一变化量级矩阵进行二值化处理，将完成标准化处理的第一变化量级矩阵中元素值大于或等于1的元素赋值为 1，小于 1的元素赋值为 0，其中，“0”代表肯定不发生变化的区域，“1”代表有可能变化的区域。

最后，如果初始掩膜矩阵中的目标元素对应的区域面积大于预设阈值，则将初始掩膜矩阵确定为掩膜矩阵，其中，目标元素为：元素值为0的元素；

在本发明实施例中，上述预设阈值可以由工作人员根据实际情况自行设定，一般情况下，上述预设阈值设置为50%。

如果初始掩膜矩阵中的目标元素对应的区域面积小于或等于预设阈值，则将目标元素赋值为1，得到掩膜矩阵，也可以表示为不使用掩膜。

在本发明实施例中，步骤S108包括如下步骤：

步骤S31，利用所述慢特征分析算法，对所述第一遥感影像和所述重组矩阵进行迭代分析，得到分析结果，并根据所述分析结果构建第二变化量级矩阵；

步骤S32，利用K-means分类算法，对所述第二变化量级矩阵进行分类，得到分类结果，并根据所述分类结果构建所述二值化矩阵。

在本发明实施例中，将第一输入矩阵和重组矩阵作为输入，利用迭代慢特征分析算法对第一输入矩阵和重组矩阵进行迭代处理，得到第二变化量级矩阵。

然后，对矩阵第二变化量级矩阵进行K-means分类，分类数可选为2、3、4、5四类。

当K-means分类数等于2时，选择面积最大的一类作为背景，面积小的一类作为变化。当分类数等于 3时，选择面积最大的一类作为背景，其余两类作为变化。当分类数等于4时，选择面积最大的一类作为背景，其余三类作为变化。同理，当分类数等于 5时，选择面积最大的一类作为背景，其余四类作为变化。研究表明，在矩阵第二变化量级矩阵中，变化与非变化像元之间的过渡并不是截然的，变化量级图中存在大量的“弱变化”，因此如果仅仅将第二变化量级矩阵分为两类，将不能顾及这些弱变化。K-means的分类数应根据实际需要由用户手动调节。

最后，将分类完成的第二变化量级矩阵作为二值化矩阵。

在本发明实施例中，对第二变化量级图进行K-means多分类处理，以保留“弱变化”信息，从而达到了能够对物候变化进行检测的目的。

在本发明实施例中，步骤S110包括如下步骤：

步骤S41，计算所述二值化矩阵与所述掩膜矩阵的乘积，得到计算结果，并根据所述计算结果确定出所述变化检测结果。

在本发明是实施例中，计算二值化矩阵和掩膜矩阵之间的乘积，得到计算结果，并根据该计算结果确定出遥感影像的变化检测结果。

由于二值化矩阵代表慢特征变化检测的处理结果，而掩膜矩阵代表RCVA算法的处理结果，因此，二者的元素相乘即可实现两种算法的互补，从而克服了目前流行的慢特征变化检测算法的若干缺陷，如配准精度不高、物候变化的影响等。该本申请可以服务于地理数据的更新、土地覆盖/利用监测、城市扩展、森林和植被变化、地震、洪水、泥石流和森林大火等灾情监测与评估等领域。

实施例二：

本发明实施例还提供了一种遥感影像变化检测装置，该遥感影像变化检测装置用于执行本发明实施例上述内容所提供的遥感影像变化检测方法，以下是本发明实施例提供的遥感影像变化检测装置的具体介绍。

如图5所示，图5为上述遥感影像变化检测装置的示意图，该遥感影像变化检测装置包括：获取单元10，处理单元20，第一构建单元30，第二构建单元40和确定单元50。

所述获取单元10，用于获取待对比遥感影像，所述待对比遥感影像包括：第一遥感影像和第二遥感影像，所述第一遥感影像与所述第二遥感影像为相邻时相的遥感影像；

所述处理单元20，用于利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵，其中，所述输入矩阵包括：第一输入矩阵和第二输入矩阵；

所述第一构建单元30，用于利用RCVA算法和所述输入矩阵，构建掩膜矩阵和所述第二输入矩阵的重组矩阵；

所述第二构建单元40，用于利用慢特征分析算法、所述第一遥感影像和所述重组矩阵，构建二值化矩阵；

所述确定单元50，用于基于所述掩膜矩阵和所述二值化矩阵，确定所述待对比遥感影像的变化检测结果。

在本发明实施例中，通过将遥感影像的快速纹理特征添加至变化检测分析中，以及将RCVA变化检测算法和慢特征变化检测算法结合在一起，达到了克服了现有的慢特征变化检测算法的缺陷的目的，进而解决了现有的遥感影像变化检测方法的配准精度较低的技术问题，从而实现了提高对遥感影像变化检测的配准度的技术效果。

优选地，所述获取单元，用于基于所述第一遥感影像构建第一矩阵，以及基于所述第二遥感影像构建第二矩阵；利用所述快速纹理算法，分别对所述第一矩阵的主成分影像和所述第二矩阵的主成分影像进行纹理特征计算，得到第一纹理特征和第二纹理特征；利用所述第一纹理特征构建第一快速纹理矩阵，以及利用所述第二纹理特征构建第二快速纹理矩阵；将所述第一快速纹理矩阵并入所述第一矩阵得到第一输入矩阵，以及将所述第二快速纹理矩阵并入所述第二矩阵得到第二输入矩阵。

优选地，所述第一构建单元，用于利用所述输入矩阵，确定出差异影像，其中，所述差异影像包括：第一差异影像和第二差异影像；在预设滑动窗口内，利用所述第一差异影像和所述第二差异影像，对所述第二输入矩阵进行重组，得到所述重组矩阵；利用所述差异影像，构建第一变化量级矩阵；基于所述第一变化量级矩阵，确定出所述掩膜矩阵。

优选地，所述第一输入矩阵对应第一输入影像，所述第二输入矩阵对应第二输入影像；所述第一构建单元，用于确定出所述第一输入影像中的第一目标点，其中，所述第一目标点为：所述第一输入影像中与第二输入影像中的影像点相对应影像点的邻近像元内光谱差异值最小的影像点；利用所述第一目标点，得到所述第一差异影像；确定出所述第二输入影像中的第二目标点，其中，所述第二目标点为：所述第二输入影像中与第一输入影像中的影像点相对应影像点的邻近像元内光谱差异值最小的影像点；利用所述第二目标点，得到所述第二差异影像。

优选地，所述第一构建单元，用于对所述第一变化量级矩阵依次进行标准化处理和二值化处理，得到初始掩膜矩阵；若所述初始掩膜矩阵中的目标元素对应的区域面积大于预设阈值，则将所述初始掩膜矩阵确定为所述掩膜矩阵，其中，所述目标元素为：元素值为0的元素；若所述初始掩膜矩阵中的目标元素对应的区域面积小于或等于预设阈值，则将所述目标元素赋值为1，得到所述掩膜矩阵。

优选地，所述第二构建单元，用于利用所述慢特征分析算法，对所述第一遥感影像和所述重组矩阵进行迭代分析，得到分析结果，并根据所述分析结果构建第二变化量级矩阵；利用K-means分类算法，对所述第二变化量级矩阵进行分类，得到分类结果，并根据所述分类结果构建所述二值化矩阵。

优选地，所述确定单元，用于计算所述二值化矩阵与所述掩膜矩阵的乘积，得到计算结果，并根据所述计算结果确定出所述变化检测结果。

实施例三：

本发明实施例还提供了一种电子终端，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

实施例四：

本发明实施例还提供了种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种遥感影像变化检测方法，其特征在于，包括：

获取待对比遥感影像，所述待对比遥感影像包括：第一遥感影像和第二遥感影像，所述第一遥感影像与所述第二遥感影像为相邻时相的遥感影像；

利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵，其中，所述输入矩阵包括：第一输入矩阵和第二输入矩阵；

利用RCVA算法和所述输入矩阵，构建掩膜矩阵和所述第二输入矩阵的重组矩阵；

利用慢特征分析算法、所述第一遥感影像和所述重组矩阵，构建二值化矩阵；

基于所述掩膜矩阵和所述二值化矩阵，确定所述待对比遥感影像的变化检测结果。

2.根据权利要求1所述的方法，其特征在于，利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵包括：

基于所述第一遥感影像构建第一矩阵，以及基于所述第二遥感影像构建第二矩阵；

利用所述快速纹理算法，分别对所述第一矩阵的主成分影像和所述第二矩阵的主成分影像进行纹理特征计算，得到第一纹理特征和第二纹理特征；

利用所述第一纹理特征构建第一快速纹理矩阵，以及利用所述第二纹理特征构建第二快速纹理矩阵；

将所述第一快速纹理矩阵并入所述第一矩阵得到第一输入矩阵，以及将所述第二快速纹理矩阵并入所述第二矩阵得到第二输入矩阵。

3.根据权利要求2所述的方法，其特征在于，利用RCVA算法和所述输入矩阵，构建掩膜矩阵和所述第二输入矩阵的重组矩阵，包括：

利用所述输入矩阵，确定出差异影像，其中，所述差异影像包括：第一差异影像和第二差异影像；

在预设滑动窗口内，利用所述第一差异影像和所述第二差异影像，对所述第二输入矩阵进行重组，得到所述重组矩阵；

利用所述差异影像，构建第一变化量级矩阵；

基于所述第一变化量级矩阵，确定出所述掩膜矩阵。

4.根据权利要求3所述的方法，其特征在于，所述第一输入矩阵对应第一输入影像，所述第二输入矩阵对应第二输入影像；利用所述输入矩阵，确定出差异影像包括：

确定出所述第一输入影像中的第一目标点，其中，所述第一目标点为：所述第一输入影像中与第二输入影像中的影像点相对应影像点的邻近像元内光谱差异值最小的影像点；

利用所述第一目标点，得到所述第一差异影像；

确定出所述第二输入影像中的第二目标点，其中，所述第二目标点为：所述第二输入影像中与第一输入影像中的影像点相对应影像点的邻近像元内光谱差异值最小的影像点；

利用所述第二目标点，得到所述第二差异影像。

5.根据权利要求3所述的方法，其特征在于，基于所述第一变化量级矩阵，确定出所述掩膜矩阵包括：

对所述第一变化量级矩阵依次进行标准化处理和二值化处理，得到初始掩膜矩阵；

若所述初始掩膜矩阵中的目标元素对应的区域面积大于预设阈值，则将所述初始掩膜矩阵确定为所述掩膜矩阵，其中，所述目标元素为：元素值为0的元素；

若所述初始掩膜矩阵中的目标元素对应的区域面积小于或等于预设阈值，则将所述目标元素赋值为1，得到所述掩膜矩阵。

6.根据权利要求1所述的方法，其特征在于，利用慢特征分析算法、所述第一遥感影像和所述重组矩阵，构建二值化矩阵，包括：

利用所述慢特征分析算法，对所述第一遥感影像和所述重组矩阵进行迭代分析，得到分析结果，并根据所述分析结果构建第二变化量级矩阵；

利用K-means分类算法，对所述第二变化量级矩阵进行分类，得到分类结果，并根据所述分类结果构建所述二值化矩阵。

7.根据权利要求1所述的方法，其特征在于，基于所述掩膜矩阵和所述二值化矩阵，确定所述待对比遥感影像的变化检测结果包括：

计算所述二值化矩阵与所述掩膜矩阵的乘积，得到计算结果，并根据所述计算结果确定出所述变化检测结果。

8.一种遥感影像变化检测装置，其特征在于，包括：获取单元，处理单元，第一构建单元，第二构建单元和确定单元，其中，

所述获取单元，用于获取待对比遥感影像，所述待对比遥感影像包括：第一遥感影像和第二遥感影像，所述第一遥感影像与所述第二遥感影像为相邻时相的遥感影像；

所述处理单元，用于利用快速纹理算法对所述待对比遥感影像进行处理，得到输入矩阵，其中，所述输入矩阵包括：第一输入矩阵和第二输入矩阵；

所述第一构建单元，用于利用RCVA算法和所述输入矩阵，构建掩膜矩阵和所述第二输入矩阵的重组矩阵；

所述第二构建单元，用于利用慢特征分析算法、所述第一遥感影像和所述重组矩阵，构建二值化矩阵；

所述确定单元，用于基于所述掩膜矩阵和所述二值化矩阵，确定所述待对比遥感影像的变化检测结果。

9.一种电子终端，其特征在于，包括存储器以及处理器，所述存储器用于存储支持处理器执行权利要求1至7任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

10.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述权利要求1至7任一项所述方法的步骤。

Images