CN114494881A - 基于剖分网格的遥感影像变化检测方法、装置、终端 - Google Patents

基于剖分网格的遥感影像变化检测方法、装置、终端 Download PDF

Info

Publication number
CN114494881A
CN114494881A CN202210115211.4A CN202210115211A CN114494881A CN 114494881 A CN114494881 A CN 114494881A CN 202210115211 A CN202210115211 A CN 202210115211A CN 114494881 A CN114494881 A CN 114494881A
Authority
CN
China
Prior art keywords
grid
remote sensing
image
change
images
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
CN202210115211.4A
Other languages
English (en)
Inventor
赖为乾
任伏虎
司艳红
杜子聪
李伟扬
杨璧徽
梁达文
陈静
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.)
Zhongke Yunyao Shenzhen Technology Co ltd
Original Assignee
Zhongke Yunyao Shenzhen Technology Co ltd
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 Zhongke Yunyao Shenzhen Technology Co ltd filed Critical Zhongke Yunyao Shenzhen Technology Co ltd
Priority to CN202210115211.4A priority Critical patent/CN114494881A/zh
Publication of CN114494881A publication Critical patent/CN114494881A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了提供一种基于剖分网格的遥感影像变化检测方法、装置、计算机终端,能够让变化检测精度不再受限于图像分类精度,并且可以有效避免噪音的影响。其中,基于剖分网格的遥感影像变化检测方法,包括:获取预检测区域在不同时相下的多个遥感图像;根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元配置唯一性编码;获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。

Description

基于剖分网格的遥感影像变化检测方法、装置、终端
技术领域
本发明涉及遥感变化检测领域。更具体地说,本发明涉及基于剖分网格的遥感影像变化检测方法、装置、计算机终端。
背景技术
遥感变化检测技术是判断多时相遥感影像上同一块区域内的地物对象是否发生变化,甚至检测出发生怎样变化的技术。通过对覆盖同一区域的多时相遥感影像进行人工和计算机协助处理,准确、快速地提取出影像中的变化信息,实现对变化地物的动态监测和地表变化趋势及其演化规律的分析,在城市扩展、土地利用变化、森林植被变化、生态环境监测和灾害监测等诸多领域发挥着极其重要的作用。
目前的遥感变化检测方法中的检测单元主要有像元和对象两种:(1)基于像元:以遥感影像的像元建立最小变化单元,采用像元直接比较法如差值法、比值法、回归分析法等,通过对多时相影像上相同位置的像元进行代数运算后得到变化特征图,再按阈值切分变化特征图找出遥感影像变化的位置。基于像元的遥感变化检测方法主要应用在中低分辨率、光谱信息极其丰富和地物间光谱差异较为明显的遥感影像上。(2)基于对象:以遥感影像的地物对象建立最小变化单元,对象是由相互关联的像元组成。对象不仅利用影像的光谱信息,还利用了空间信息,主要应用在遥感图像分类场景。基于对象作为变化单元综合考虑光谱统计特征,形状,大小,纹理,相邻关系等一系列因素,得到较高精度的信息分类结果。基于对象根据对象生成方式的不同可分为“对象生成法”和“图斑生成法”,前者通基于地物类别对遥感影像进行地物分割;后者则是先通过算法自动聚合成无类别的图斑,然后选择分类方法或特征值对已有图斑进行分类。
以上遥感影像变化检测解决方案中,存在以下缺陷:(1)以像元作为遥感变化的检测单元容易受到图像噪声影响,鲁棒性较差。对于不同时相的高空间分辨率遥感影像的比对,两幅影像的配准精度要求更高,像元对其真实的地理位置变得更加敏感,在这种情况下,仍采用像元级的比对方式很容易受到噪声影响。(2)以地物对象作为遥感影像变化的检测单元必须经过遥感影像分类过程,且影像的变化检测精度受限于影像的地物分类精度。影像分类需要根据业务需求建立一套地物分类标准,影像需要根据地物分类标准来进行地物分类,这个过程耗费大量人力,且缺少现势性和通用性。
发明内容
本发明的一个目的是解决上述问题,并提供后面将说明的优点。
为此,本发明实施例提供了一种基于剖分网格的遥感影像变化检测方法、装置、计算机终端和存储介质,能够让遥感影像的变化检测精度不再受限于图像分类精度,并且可以有效避免噪音的影响。
具体地,本发明实施例提供了如下技术方案:
在一个方面,本申请实施例提供了一种基于剖分网格的遥感影像变化检测方法,包括:获取预检测区域在不同时相下的多个遥感图像;根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元配置唯一性编码;获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
在另一个方面,本申请实施例提供了一种基于剖分网格的遥感影像变化检测方法,包括:获取预检测区域在不同时相下的多个遥感图像;根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元元具有对应的唯一性编码和多个网格图像;获取目标编码对应的网格单元在不同时向下对应的多个目标网格图像;判断多个目标网格图像之间的相似度;根据所述相似度,判断预检测区域内影像是否发生变化。
在又一个方面,本申请实施例提供了一种基于剖分网格的遥感影像变化检测方法,包括:在多时相的动态遥感影像中选择预检测区域;根据地理坐标对预检测区域进行剖分处理,生成多个网格单元,并对每个网格单元进行空间编码,其中,每个网格单元具有对应的唯一性编码和多个网格图像;获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
在又一个方面,本申请实施例提供了一种基于剖分网格的遥感影像变化检测装置,包括:图像获取模块,用于获取预检测区域在不同时相下的多个遥感图像;剖分编码处理模块,用于根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元具有对应的唯一性编码和多个网格图像;变化检测模块,用于获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
在又一个方面,本申请实施例提供了一种基于剖分网格的遥感影像变化检测装置,包括:预检测区域旋转模块,用于在多时相的动态遥感影像中选择预检测区域;剖分编码处理模块,用于根据地理坐标对预检测区域进行剖分处理,生成多个网格单元,并对每个网格单元进行空间编码;其中,每个网格单元具有对应的唯一性编码和多个网格图像;变化检测模块,用于获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
在又一个方面,本申请实施例提供了一种计算机终端,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机指令程序,所述计算机指令程序被所述处理器执行时实现如前述各方面中所述的基于剖分网格的遥感影像变化检测方法的步骤。
本发明实施例的技术效果包括:
(1)本申请实施例的遥感监测方法、装置、终端以及介质能够弥补基于像元和对象两种检测方式存在的缺陷。具体来说,基于剖分网格形成的遥感变化检测单元,是一个区域的抽象,能够同时具有多种特征值;所以与对象检测单元不同,不需要考虑对象自身所携带的地物属性,从而也就不用在分类后才能进行遥感影像变化检测比对;因此,本申请的遥感影像变化检测方法可以跳过图像分类步骤直接进行比对检测,让变化检测精度不再受限于图像分类精度。此外,对于遥感图像,尤其是高空间分辨率的遥感图像的变化检测,本申请实施例提供的遥感监测方法将遥感变化检测单元由像元替换为网格单元,克服了像元所带来的缺陷,所以能有效避免噪声的影响,可以提高检测结果的准确性和可用性。
(2)由于常用的遥感影像多为L2级数据,已经做了几何粗校正。所以基于这个基础,本申请实施例提出了“网格自动微校正”方法,通过固定一个网格,将另一网格按照一定的范围进行移动,把每次移动的欧氏距离值进行比较,欧氏距离最小时完成网格校正,即完成位置配准,可以解决高空间分辨率的遥感影像实现几何精校正困难的问题,并且能够有效减少人工对高空间分辨率影像进行配准工作量。
(3)本申请实施例还通过剖分网格编码的方式,使变化结果具有与外部数据交互的能力,给变化检测流程赋予新的活力。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明实施例的基于剖分网格的遥感影像变化检测方法中的一个流程示意图;
图2为本发明实施例的基于剖分网格的遥感影像变化检测方法中的一个遥感图像剖分编码处理示意图;
图3为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个遥感图像剖分编码处理示意图;
图4为本发明实施例的基于剖分网格的遥感影像变化检测方法中网格单元的一个示意图;
图5(a)为本发明实施例的基于剖分网格的遥感影像变化检测方法中的一个遥感图像示意图;
图5(b)为本发明实施例的基于剖分网格的遥感影像变化检测方法中的另一个遥感图像示意图;
图6为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个遥感图像示意图;
图7为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个遥感图像示意图;
图8为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个遥感图像示意图;
图9为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个遥感图像示意图;
图10为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图11为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图12为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图13为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图14为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图15为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个遥感图像示意图;
图16为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图17为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图18为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图19为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图;
图20为本发明实施例的基于剖分网格的遥感影像变化检测方法中的又一个流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,在本文中,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,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。除以上所述外,仍需要强调的是,在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
<第一方面>
如图1所示,在第一方面,本申请实施例提供了一种基于剖分网格的遥感影像变化检测方法,包括以下步骤:
S101、获取预检测区域在不同时相下的多个遥感图像。
具体地,可以通过遥感拍照设备在不同时间分别拍摄预检测区域内的影像,从而采集到多个遥感图像,譬如说,在T1、T2、T3……Tn时刻分别拍摄预检测区域内的影像,这样就可以得到与不同时相对应的遥感影像。需要说明的是,遥感拍照设备可以是公知的设备,例如摄像头、卫星等。在采集多个遥感图像后,可以将其储存在一预先设置的影像数据库中,留待备用,等需要时,就可以从影像数据库中获取遥感影像。
S102、根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元具有对应的唯一性编码和多个网格图像。
这里可以同时对多个遥感图像进行剖分编码处理。也可以,先选取一个时刻的遥感图像作为基准图像,对该基准图像进行剖分编码处理后,再继续对其他时刻的遥感图像剖分编码处理。
如图2和3所示,在一些实施方式中,分别展示了对T1和T2时刻的遥感图像进行剖分编码处理的示意图。在图2中,每个网格图像都对应一个编码,即图中所示的“1-16”。在前述基础上,容易理解的是,对多个遥感图像进行剖分编码处理,就可以形成多个网格单元,每个网格单元具有对应的唯一性编码和多个网格图像。图4就示出了根据图2和3形成的编码为1的网格单元与T1-Tn时刻的多个网格图像之间关系的示意图。
类似的,关于前述的剖分编码实物示意图,可以参见图5。图5(a)和 (b)分别显示的是同一预检测区域在不同时相下的遥感图像。根据图5(a) 和(b)所示,可以看出,多个遥感图像已经被剖成处理形成了多个网格单元,每个网格单元都具有对应的网格图像和编码。
S103、获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
需要说明的是,所述影像可以是预检测区域内地物的影像。例如,预检测区域为荒地区域时,地物就可以是土地;当预检测区域为水流区域时,地物就可以是河道、水流等等。根据上述方法,对于同一网格单元,只要判断该网格在不同时相下对应的网格图像是否发生变化,例如判断同一网格单元的多个网格图像之间的相似度,就可以判断出预检测区域内影像是否发生变化。更具体地,例如图5(a)和(b)所示的,对于其中的第一个网格单元(即图示的第一排第一列网格单元),图5(a)和(b)中的网格图像之间相似度不高,具有比较明显的变化,这就说明预检测区域与第一个网格单元对应的部分可能发生了影像变化。
本申请实施例相对于现有技术具有以下有益效果:
本申请实施例的遥感监测方法能够弥补基于像元和对象两种检测方式存在的缺陷。具体来说,基于剖分网格形成的遥感变化检测单元,是一个区域的抽象,能够同时具有多种特征值;所以与对象检测单元不同,不需要考虑对象自身所携带的地物属性,从而也就不用在分类后才能进行遥感影像变化检测比对;因此,本申请的遥感影像变化检测方法可以跳过图像分类步骤直接进行比对检测,让变化检测精度不再受限于图像分类精度。此外,对于遥感图像,尤其是高空间分辨率的遥感图像的变化检测,本申请实施例提供的遥感监测方法将遥感变化检测单元由像元替换为网格单元,克服了像元所带来的缺陷,所以能有效避免噪声的影响,可以提高检测结果的准确性和可用性。
需要说明的是,对遥感图像进行剖分网格和编码处理的方式有多种,例如:图6所示的基于不同比例标准图幅的“标准图幅剖分编码”,图中的“A1、 A2、B1、B2”就是对网格的编码;图7所示的基于投影的“四叉树剖分编码”;图8所示的“GeoSOT编码”;图9所示的“经纬度公里网”;以及“北斗网格码”等等。其中,“标准图幅剖分编码”、“四叉树剖分编码”属于自定义剖分网格及编码;“经纬度公里网”、“北斗网格码”属于标准剖分网格及编码。
在一些实施例中,如图10所示,步骤S103中所述获取至少一个网格单元在不同时相下的变化情况,包括:
S1031、根据多个网格单元确定至少一个待检测网格单元;
本领域技术人员可以按照需求从多个网格单元中选取至少一个带检测网格单元,譬如说,根据图像噪音大小的标准对网格单元进行筛选。
S1032、获取每个待检测网格单元在不同时相下对应的多个待检测网格图像间的相似度。
相似度可以分为相似和不相似两种情况,也可以根据概率进行划分,例如相似度为50%、60%、100%等等。
这里的相似度可以根据现有技术实现。因为,图像是否相似,目前已经存在较多的判断方法,例如图像感知哈希算法、人脸识别算法等等。
S1033、根据所述相似度判断对应待检测网格单元的变化情况。
容易理解的是,获取待检测网格单元的相似度后,就可以判断出该待检测网格单元对应的待检测网格图像在不同时相的变化情况。
譬如说,如果同一网格在不同时相下对应的多个去燥网格图像之间相似度很高的话,则说明该多个待检测网格图像中记载的影像大致一致,没有变化,也就是说,该网格单元在预检测区域内对应的影像没有发生变化。由此,根据所述相似度,就可以判断出对应待检测网格单元的变化情况,进而知晓预检测区域内影像的变化情况。
在一些实施方式中,如图11所示,步骤S103中所述获取至少一个网格单元在不同时相下的变化情况还包括:S1031a、对待检测网格单元在不同时相下对应的多个待检测网格图像进行位置配准。
在一些实施方式中,步骤S1031a包括:以其中一个待检测网格图像作为基准图像;将另一个待配准的待检测网格图像按照预定范围进行预定次数的移动,每移动一次形成一个欧氏距离值,从而得到多个欧氏距离值;比较多个欧氏距离值的大小;如果欧式距离值最小,则该次移动对应的两个网格图像的位置完成配准。容易理解的是,多个网格图像的位置配准可以按上述方法依次类推实现。
常用的遥感影像多为L2级数据,已经做了几何粗校正。基于这个基础,本申请提出的上述“网格自动微校正”方法,通过固定一个网格,将另一网格按照一定的范围进行移动,把每次移动的欧氏距离值进行比较,欧氏距离最小时完成网格校正,即完成位置配准。上述方法可以解决高空间分辨率的遥感影像实现几何精校正困难的问题,并且能够有效减少人工对高空间分辨率影像进行配准工作量。
在一些实施方式中,步骤S1031、根据多个网格单元确定至少一个待检测网格单元,包括:去除所有网格单元中的干扰网格单元,得到所述至少一个待检测网格单元。因为在所有的网格单元中,有些网格单元包含的网格图像是噪音干扰图像,例如白云图像等等,并不能反映出预检测区域内地物影像的变化,所以要去除。
在一些实施方式中,如图12所示,步骤S1032中所述获取每个待检测网格单元在不同时相下对应的多个待检测网格图像间的相似度,包括:
S10321、获取每个待检测网格图像的属性特征。
所述属性特征用于反映网格图像的性质或特征,以便于实现对两个以上的图像进行相似度比较。示例性地,所述属性特征可以是形状、颜色等特征,这样就可以通过图像的形状、颜色等特征进行相似度比对。进一步的,图像的形状、颜色及其他方面的特征可以通过不同的特征表达方式呈现,例如HOG 纹理特征、图像感知哈希值特征、光谱曲线特征、图像结构相似度特征等。
S10322、根据所述属性特征判断所述相似度。
根据所述属性特征判断所述相似度的方法有多种。例如欧氏距离法、以及下文所述的特定方法等。
在一些实施方式中,所述属性特征包括HOG纹理特征、图像感知哈希值特征、光谱曲线特征、图像结构相似度特征中的至少一种。需要说明的是,通过HOG纹理、哈希值、光谱曲线和图像结构相似度都等特征进行相似度判断是对原有图像进行的一种降噪和提纯的方法。如果直接把原有图像(即未提取HOG纹理特征、图像感知哈希值特征、光谱曲线特征、图像结构相似度特征的图像)进行比对,会存在噪声太大的问题,往往获取不到良好的结果,只有通过前述的相关特征进行降噪处理,经由特征来比对才能获取更加准确的相似度。
需要说明的是,HOG纹理特征可以只关注图像的边角信息,用于勾勒出图像的轮廓信息。哈希值相当于图像的指纹信息。光谱曲线能够有效表达出图像的光谱信息。SSIM图像结构相似度特征主要表现的是图像的空间结构信息。更具体地,可以通过图像算法模块提取前述网格图像的HOG纹理特征、图像感知哈希值特征、光谱曲线特征、图像结构相似度特征等。例如,图像感知哈希值特征可以通过感知哈希算法进行提取。光谱曲线特征可以通过主曲线算法进行提取。
另外,本申请实施例还可以把特征提取函数与数据读取方式进行结合可视化,把二维数据进行一维曲线可视化。按照“数组抽稀”、“顺序读取”、“Z 序读取”这几种方式读取网格单元的图像信息,进行特征曲线化,从而能更好地反映网格单元的图像特征。具体来说,一张图像是由长和宽两个方向的像素组成的,通过不同的读取图像像素方式可以获得不同的效果。以下举例说明:(1)顺序读取:逐行或逐列读取图像的像素;(2)Z序读取:通过把图像分成若干个小格子,每个格子又按照二分之一划分格子,直到不可再分格子,通过按格子来读取图像像素,这样能够保证图像的空间分布信息;(3) 数组抽稀:通过抽样的方式读取图像像素,例如,每隔10个像素抽一个点的方式读取图像数据。
进一步地,在一些实施方式中,多个待检测网格图像的数量为2个,所述属性特征包括的数量至少为1个,步骤S10322、根据所述属性特征判断多个待检测网格图像间的相似度包括下述步骤,如图13所示:
S103221、获取不同时相的两个待检测网格图像的每个属性特征的差异值,生成至少一个差异值。
具体来说,以属性特征为感知哈希值特征时为例,可以先分别获取T1、 T2时刻待检测网格图像的感知哈希值特征值,然后将两个感知哈希值特征值相减,即获得对应的感知哈希值特征的差异值。
在一些实施方式中,所述属性特征包括图像感知哈希值特征、光谱曲线特征、结构相似度特征,网格单元的数量为21,相应的编码为1-21。据此形成的至少一个差异值可以参见表1。
表1
Figure BDA0003496001210000121
Figure BDA0003496001210000131
S103222、根据所述至少一个差异值生成对应的待检测网格单元的新特征值。
在一些实施方式中,所述新特征值具体可以根据如下式(1)进行计算:
Figure BDA0003496001210000141
其中,n是属性特征的个数,xi是第i个属性特征的差异值,ωi是第i 个属性特征的差异值权重。F(x)代表根据网格单元所有的属性特征进行组合形成的新特征值。譬如说,对于表1中的网格1,x1作为第1个特征值,可以设置为感知哈希值特征的差异值,W1就是感知哈希值特征的差异值在所有特征值中的权重;类似地,光谱曲线特征的差异值可以设置为第2个特征值。
S103223、根据新特征值判断所述相似度。
具体地,可以设定一个阈值,当前述的F(x)小于阈值时,则表示相似度不高,也就意味着该待检测网格单元发生了变化。
在另一些实施方式中,S10322、根据所述属性特征判断多个待检测网格图像间的相似度,也可以通过“欧氏距离法”实现。使用“欧氏距离法”来判断网格有无变化与传统的像素代数运算不同,需要把光谱特征按Z序读取并进行抽稀降噪生成特征曲线,然后通过“网格自动微校正”和“亮度匹配”两个算法把特征曲线进行对比,欧氏距离越小,表明图像越相似。进一步地,在一些实施方式中,如图14所示,所述基于剖分网格的遥感影像变化检测方法,还包括以下步骤:
S104、判断至少一个网格单元中是否存在变化网格单元,如果存在,则获取变化网格单元的变化类型。
用户根据变化网格单元生成的变化检测结果,结合外部数据,可先在室内初步判断变化网格单元的变化类型,若能明确变化类型,可直接对变化网格单元的属性进行修改,对于变化类型不清晰的网格单元则可采取室外“实地走访”的方式确定变化类型。根据不同时期的检测结果,还可以进行纵向跟踪,实现对变化图斑的历史监测,获取该区域各种地物的变化规律,为地区的管理、治理以及决策起到数据支撑作用。
地球上每一个网格单元都代表唯一的地理空间。每一个地理空间都可以空间编码为索引来记录这个空间里面发生过的信息,这就是剖分编码的索引功能。例如通过北斗网格码来剖分编码遥感影像图,那么获取的遥感影像就变成了该空间的众多信息的一个。进行网格变化检测后就可以知道那些网格发生了变化,通过变化网格单元的编码去查询这个空间是否含有空间变化的信息,例如该空间在这个时间段开展了一个旧厂区改造项目,那么就可以知道这个网格单元的变化类型是“建筑改造”。这样就可以结合已有的先验知识辅助进行网格单元变化类型的判断。
网格变化类型可以很多,这里举例说明:以土地为例,可以有以下变化: (1)裸地---->林地;(2)水域---->建筑群;(3)荒地---->草地。以大气污染程度为例可以有以下变化:CO浓度超标---->SO浓度超标。
总的来说,网格单元的变化类型是多种多样的,具体要看业务需求。通过网格单元的属性特征来判断网格是否发生了变化,可以有变化和非变化两种类型。更具体的变化类型需要结合多源数据或者其他的机器模型来判断。
在本申请实施例中,通过网格单元的编码作为索引可以使网格和外部多源数据进行融合,结合先验知识辅助网格单元进行类型判断。
例如图15所示的一种应用实例,通过北斗网格码可以查看变化网格单元的外部信息,通过外部的信息可以知道该网格单元动土情况,以此可以确定网格单元的变化类型。
在一些实施方式中,所述基于剖分网格的遥感影像变化检测方法,还包括:将发生变化的两个网格单元合并,然后进行变化类别标注并制作机器学习训练数据,建立判断不同的两个网格单元是否发生变化的机器学习模型。
<第二方面>
基于同第一方面同样的构思,如图16所示,第二方面提供了一种基于剖分网格的遥感影像变化检测方法,包括以下步骤:
S201、获取预检测区域在不同时相下的多个遥感图像。
具体地,可以通过遥感拍照设备在不同时间分别拍摄预检测区域内的影像,从而采集到多个遥感图像,譬如说,在T1、T2、T3时刻分别拍摄预检测区域内的影像,这样就可以得到与不同时相对应的遥感影像。需要说明的是,遥感拍照设备可以是公知的设备,例如摄像头。在采集多个遥感图像后,可以将其储存在一预先设置的影像数据库中,留待备用,等需要时,就可以从影像数据库中获取遥感影像。
S202、根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元具有对应的唯一性编码和多个网格图像。在某些实施方式中,还可以建立每个遥感图像与多个网格单元之间的对应关系,以及网格单元与编码、多个网格图像之间的对应关系,并将前述的各种对应关系和网格单元、编码、网格图像存入影像数据库中。另外还可以根据对应关系建立索引,同样存储在影像数据库中。
S203、获取目标编码对应的网格单元在不同时向下对应的多个目标网格图像。容易理解的是,具体如何根据编码获取对应的网格图像,是可以通过现有技术实现的,所以在此不再赘述。
S204、判断多个目标网格图像之间的相似度。多个目标网格图像之间的相似度可以按照现有技术进行计算,例如公知的图像相似度算法。另外,多个目标网格图像之间的相似度也可以根据第一方面的实施例中对相似度进行判断的部分进行理解或者实施。
S205、根据所述相似度,判断预检测区域内影像是否发生变化。由于多个目标网格图像是从根据不同时相下的多个遥感图像中获取的,所以,这多个目标网格图像也就能反应出不同时相下目标网格对应的预检测区域内影像。具体来说,影像的变化程度与相似度呈反比关系,也就是说,如果多个目标网格图像之间相识度越高,影像的变化程度就越低,反之亦然。这样,通过前述的相似度,就能够判断出影像是否发生变化。
根据本申请实施例前述的方法,逐一判断所有网格单元对应的的部分预检测区域内影像的变化情况,就可以知晓,预检测区域内影像的整体变化情况。从而就可以判断出预检测区域内的地物在一段时间内是否发生变化。
需要说明的是,所述影像可以是预检测区域内地物的影像。例如,预检测区域为荒地区域时,地物就可以是土地;当预检测区域为水流区域时,地物就可以是河道、水流等等。
在一些实施方式中,所述基于剖分网格的遥感影像变化检测方法,还包括:S203a、对多个目标网格图像进行位置配准。这一步骤在步骤S204之前执行。
在一些实施方式中,步骤S203a包括:以其中一个目标网格图像作为基准图像;将另一个待配准的目标网格图像按照预定范围进行预定次数的移动,每移动一次形成一个欧氏距离值,从而得到多个欧氏距离值;比较多个欧氏距离值的大小;如果欧式距离值最小,则该次移动对应的两个网格图像的位置完成配准。容易理解的是,多个目标网格图像的位置配准可以按上述方法依次类推实现。
在一些实施方式中,所述基于剖分网格的遥感影像变化检测方法,还包括以下步骤:S206、判断目标网格单元是否为变化网格单元,如果是,则获取目标网格单元的变化类型。
用户根据目标网格单元生成的变化检测结果,结合外部数据,可先在室内初步判断目标网格单元的变化类型,若能明确类型,可直接对网格单元的属性进行修改,对于变化类型不清晰的网格单元则可采取室外“实地走访”的方式确定变化类型。根据不同时期的检测结果,还可以进行纵向跟踪,实现对变化图斑的历史监测,获取该区域各种地物的变化规律,为地区的管理、治理以及决策起到数据支撑作用。
<第三方面>
基于同第一方面同样的构思,第三方面提供了一种基于剖分网格的遥感影像变化检测方法,包括以下步骤:
S301、在多时相的动态遥感影像中选择预检测区域;具体地,动态遥感影像包括多个遥感图像,多个遥感图像的时相不同。譬如说,多时相的动态遥感影像包括从TI到TN时刻的多个遥感图像。
S302、根据地理坐标对预检测区域进行剖分处理,生成多个网格单元,并对每个网格单元进行空间编码;其中,每个网格单元具有对应的唯一性编码和多个网格图像。其中,编码可以利用地理空间位置的结构化索引表达技术,将代码分配给地球空间网格系统的每个网格单元,实现网格单元位置的统一标识。更具体地,这里的剖分编码方式可以参见前文的第一方面或者第二方面中有关剖分编码部分的记载进行理解或实施。
S303、获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。具体地,可以参见前文的第一方面或者第二方面中的有关记载进行理解或实施。在一些实施例中,所述基于剖分网格的遥感影像变化检测方法,还包括以下步骤:
S304、判断至少一个网格单元中是否存在变化网格单元,如果存在,则获取变化网格单元的变化类型。具体地,可以参见前文的第一方面或者第二方面中的有关记载进行理解或实施。
<第四方面>
基于同第一方面同样的构思,第四方面还提供了一种基于剖分网格的遥感影像变化检测装置,用于执行第一方面所述的基于剖分网格的遥感影像变化检测方法,所述基于剖分网格的遥感影像变化检测装置包括:
图像获取模块,用于获取预检测区域在不同时相下的多个遥感图像;;
剖分编码处理模块,用于根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元具有对应的唯一性编码和多个网格图像;
变化检测模块,用于获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
<第五方面>
基于同第二方面同样的构思,第五方面还提供了一种基于剖分网格的遥感影像变化检测装置,用于执行第二方面所述的基于剖分网格的遥感影像变化检测方法,所述基于剖分网格的遥感影像变化检测装置包括:
图像获取模块,用于获取预检测区域在不同时相下的多个遥感图像;
剖分编码处理模块,用于根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元具有对应的唯一性编码和多个网格图像;
目标网格图像获取模块,用于获取目标编码对应的网格单元在不同时向下对应的多个目标网格图像;
相似度判断模块,用于判断多个目标网格图像之间的相似度;
变化检测模块,用于根据所述相似度,判断预检测区域内影像是否发生变化。
在一些实施方式中,所述基于剖分网格的遥感影像变化检测装置还包括:
图像配准模块,用于对多个目标网格图像进行位置配准。
在一些实施方式中,所述变化检测模块还用于:判断目标网格单元是否为变化网格单元,如果是,则获取目标网格单元的变化类型。
<第六方面>
基于同第三方面同样的构思,第六方面还提供了一种基于剖分网格的遥感影像变化检测装置,用于执行第三方面所述的基于剖分网格的遥感影像变化检测方法,所述基于剖分网格的遥感影像变化检测装置包括:
预检测区域选择模块,用于在多时相的动态遥感影像中选择预检测区域;
剖分编码处理模块,用于根据地理坐标对预检测区域进行剖分处理,生成多个网格单元,并对每个网格单元进行空间编码;其中,每个网格单元具有对应的唯一性编码和多个网格图像。
变化检测模块,用于获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
<第七方面>
在前文基础上,第七方面还提供了一种计算机终端,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机指令程序,所述计算机指令程序被所述处理器执行时实现如前述各方面实施例中所述的基于剖分网格的遥感影像变化检测方法的步骤。
<第八方面>
基于同样的构思,第八方面还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机指令程序,所述计算机指令程序被处理器执行时实现前述各方面实施例中所述的基于剖分网格的遥感影像变化检测方法的步骤。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.基于剖分网格的遥感影像变化检测方法,其特征在于,包括:
获取预检测区域在不同时相下的多个遥感图像;
根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元配置唯一性编码;
获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
2.根据权利要求1所述的基于剖分网格的遥感影像变化检测方法,其特征在于,所述获取至少一个网格单元在不同时相下的变化情况,包括:
根据多个网格单元确定至少一个待检测网格单元;
获取每个待检测网格单元在不同时相下对应的多个待检测网格图像间的相似度;
根据所述相似度判断对应的待检测网格单元的变化情况。
3.根据权利要求2所述的基于剖分网格的遥感影像变化检测方法,其特征在于,获取每个待检测网格单元在不同时相下对应的多个待检测网格图像间的相似度,包括:
获取每个待检测网格图像的属性特征;
根据所述属性特征判断所述相似度;
其中,所述网格属性特征包括HOG纹理特征、图像感知哈希值特征、光谱曲线特征、图像结构相似度特征中的至少一种。
4.根据权利要求2所述的基于剖分网格的遥感影像变化检测方法,其特征在于,所述根据多个网格单元确定至少一个待检测网格单元,包括:
去除多个网格单元中的干扰网格单元,得到至少一个待检测网格单元。
5.根据权利要求1所述的基于剖分网格的遥感影像变化检测方法,其特征在于,还包括:
判断至少一个网格单元中是否存在变化网格单元,如果存在,则获取变化网格单元的变化类型。
6.基于剖分网格的遥感影像变化检测方法,其特征在于,包括:
获取预检测区域在不同时相下的多个遥感图像;
根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元元具有对应的唯一性编码和多个网格图像;
获取目标编码对应的网格单元在不同时向下对应的多个目标网格图像;
判断多个目标网格图像之间的相似度;
根据所述相似度,判断预检测区域内影像是否发生变化。
7.基于剖分网格的遥感影像变化检测方法,其特征在于,包括:
在多时相的动态遥感影像中选择预检测区域;
根据地理坐标对预检测区域进行剖分处理,生成多个网格单元,并对每个网格单元进行空间编码;其中,每个网格单元具有对应的唯一性编码和多个网格图像;
获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
8.基于剖分网格的遥感影像变化检测装置,其他特征在于,包括:
图像获取模块,用于获取预检测区域在不同时相下的多个遥感图像;
剖分编码处理模块,用于根据相同的剖分编码方式对多个遥感图像进行剖分编码处理,形成多个网格单元,其中,每个网格单元具有对应的唯一性编码和多个网格图像;
变化检测模块,用于获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
9.基于剖分网格的遥感影像变化检测装置,其特征在于,包括:
预检测区域旋转模块,用于在多时相的动态遥感影像中选择预检测区域;
剖分编码处理模块,用于根据地理坐标对预检测区域进行剖分处理,生成多个网格单元,并对每个网格单元进行空间编码;其中,每个网格单元具有对应的唯一性编码和多个网格图像;
变化检测模块,用于获取至少一个网格单元在不同时相下的变化情况,用于判断预检测区域内的影像变化情况。
10.计算机终端,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机指令程序,所述计算机指令程序被所述处理器执行时实现如权利要求1-7任一所述的基于剖分网格的遥感影像变化检测方法的步骤。
CN202210115211.4A 2022-02-05 2022-02-05 基于剖分网格的遥感影像变化检测方法、装置、终端 Pending CN114494881A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210115211.4A CN114494881A (zh) 2022-02-05 2022-02-05 基于剖分网格的遥感影像变化检测方法、装置、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210115211.4A CN114494881A (zh) 2022-02-05 2022-02-05 基于剖分网格的遥感影像变化检测方法、装置、终端

Publications (1)

Publication Number Publication Date
CN114494881A true CN114494881A (zh) 2022-05-13

Family

ID=81478156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210115211.4A Pending CN114494881A (zh) 2022-02-05 2022-02-05 基于剖分网格的遥感影像变化检测方法、装置、终端

Country Status (1)

Country Link
CN (1) CN114494881A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116269311A (zh) * 2023-02-10 2023-06-23 常州市儿童医院(常州市第六人民医院) 针对儿童的磁共振成像系统与成像方法
CN116403112A (zh) * 2023-04-11 2023-07-07 生态环境部卫星环境应用中心 农村黑臭水体排查范围划定方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116269311A (zh) * 2023-02-10 2023-06-23 常州市儿童医院(常州市第六人民医院) 针对儿童的磁共振成像系统与成像方法
CN116403112A (zh) * 2023-04-11 2023-07-07 生态环境部卫星环境应用中心 农村黑臭水体排查范围划定方法和装置
CN116403112B (zh) * 2023-04-11 2023-10-27 生态环境部卫星环境应用中心 农村黑臭水体排查范围划定方法和装置

Similar Documents

Publication Publication Date Title
Weinmann et al. Distinctive 2D and 3D features for automated large-scale scene analysis in urban areas
CN110111345B (zh) 一种基于注意力网络的3d点云分割方法
CN111523414A (zh) 人脸识别方法、装置、计算机设备和存储介质
CN114494881A (zh) 基于剖分网格的遥感影像变化检测方法、装置、终端
CN113706482A (zh) 一种高分辨率遥感影像变化检测方法
CN111028255A (zh) 基于先验信息与深度学习的农田区域预筛选方法及装置
CN113223042B (zh) 一种遥感影像深度学习样本智能采集方法及设备
CN109033989A (zh) 基于三维点云的目标识别方法、装置及存储介质
CN111723814A (zh) 基于跨图像关联的弱监督图像语义分割方法、系统、装置
CN114241332A (zh) 一种基于深度学习的固废场识别方法、装置以及存储介质
CN113628180B (zh) 一种基于语义分割网络的遥感建筑物检测方法及系统
CN109558801B (zh) 道路网络提取方法、介质、计算机设备及系统
Bähr Image segmentation for change detection in urban environments
CN105631849B (zh) 多边形目标的变化检测方法及装置
CN112129282B (zh) 一种不同导航方式之间定位结果的转换方法、转换装置
CN116106904B (zh) 面向对象MT-InSAR的设施变形监测方法及设备
CN114049569B (zh) 一种深度学习模型性能评价方法及系统
CN109934903B (zh) 高光信息提取方法、系统、计算机设备及存储介质
CN113034555B (zh) 一种基于最小生成树的特征精匹配方法及应用
CN102706326B (zh) 光束法空中三角测量文件数据处理方法
CN111523466B (zh) 基于大数据的城市开放空间的分类方法及装置
Bao et al. An automatic extraction method for individual tree crowns based on self-adaptive mutual information and tile computing
Yu et al. Abnormal crowdsourced data detection using remote sensing image features
Wang et al. Structure-aware subsampling of tree point clouds
CN115424131B (zh) 一种云检测最优阈值选取方法、云检测方法及系统

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