地物变化的检测方法和检测装置与流程

1.本公开涉及遥感图像处理以及目标探测技术领域，特别涉及一种地物变化的检测方法和检测装置。


背景技术：

2.土地利用/土地覆盖变化检测是资源环境研究中的一个重要方面，土地利用/土地覆盖的准确、及时的变化信息为人类资源环境的生产和管理提供了决策支持。
3.遥感技术具有实时、快速、覆盖范围广、多光谱、周期性等特点，给土地利用/土地覆盖变化检测提供了强有力的技术支持。遥感技术主要是应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术。变化检测技术是从遥感影像中提取变化信息的一种主要手段，变化检测是对同一地区的目标或者现象进行多时相的观测来识别其中变化区域的过程，其主要通过比较不同时相、同一地理位置中目标的辐射值。
4.然而，遥感影像包含多个波段，波段数目多使得在提供丰富的地物信息的同时，也对地物变化分析解译带来麻烦，而且每个波段都包含有地表信息，信息间具有相关性，易造成数据冗余。


技术实现要素：

5.本公开实施例提供了一种地物变化的检测方法和检测装置，引入了低秩表达模型，考虑遥感影像的低秩结构，从而最大程度地降低了数据间的冗余性。所述技术方案如下：
6.一方面，提供了一种地物变化的检测方法，所述检测方法包括：
7.获取目标检测地在多个时相的遥感影像数据；
8.对获取的所述多个时相的遥感影像数据进行预处理，使所述多个时相的遥感影像数据的光谱统计特性一致；
9.根据预处理后的所述遥感影像数据建立所述多个时相的遥感影像数据的原始差异影像；
10.根据所述原始差异影像建立低秩稀疏表达模型，并获取所述低秩稀疏表达模型中的低秩部分；
11.利用聚类算法对所述低秩稀疏表达模型的所述低秩部分进行聚类，确定所述目标检测地中的变化部分。
12.可选地，所述根据预处理后的所述遥感影像数据建立所述多个时相的遥感影像数据的原始差异影像，包括：
13.将预处理后的所述遥感影像数据转换成矩阵，所述矩阵的每一列均对应一个波段的所述遥感影像数据；
14.根据所述矩阵建立所述多个时相的遥感影像数据的原始差异影像。
15.可选地，所述将预处理后的所述遥感影像数据转换成矩阵，包括：
16.将所述预处理后的所述遥感影像数据中的各个波段的影像依次转换成一个列向量，得到一列数为b的矩阵，b为所述遥感影像数据的波段数。
17.可选地，所述根据所述矩阵建立所述多个时相的遥感影像数据的原始差异影像，包括：
18.对所述多个时相的遥感影像数据进行均值滤波；
19.根据差值算子获取所述多个时相的遥感影像数据的第一原始差异影像ds；
20.根据对数比算子获取所述多个时相的遥感影像数据的第二原始差异影像d
l
；
21.对所述矩阵进行低秩表达分解，得到所述矩阵的稀疏部分，将所述矩阵的稀疏部分作为所述多个时相的遥感影像数据的第三原始差异影像d
lrr
；
22.将所述第一原始差异影像ds、所述第二原始差异影像d
l
和所述第三原始差异影像d
lrr
联合，得到所述原始差异影像。
23.可选地，所述获取目标检测地在多个时相的遥感影像数据，包括：
24.获取目标检测地在设定时间段内检测到的多个时相的遥感影像数据，所述设定时间段为连续的至少一个月。
25.可选地，所述对获取的所述多个时相的遥感影像数据进行预处理，使所述多个时相的遥感影像数据的光谱统计特性一致，包括：
26.对所述多个时相的遥感影像数据进行几何校正和辐射校正。
27.可选地，所述利用聚类算法对所述低秩稀疏表达模型的所述低秩部分进行聚类，包括：
28.对所述低秩部分进行聚类，得到变化区域和背景值两个族，以所述变化区域作为所述目标检测地中的变化部分。
29.另一方面，提供了一种地物变化的检测装置，所述检测装置包括：
30.数据获取模块，用于获取目标检测地在多个时相的遥感影像数据；
31.预处理模块，用于对获取的所述多个时相的遥感影像数据进行预处理，使所述多个时相的遥感影像数据的光谱统计特性一致；
32.影像建立模块，用于根据预处理后的所述遥感影像数据建立所述多个时相的遥感影像数据的原始差异影像；
33.低秩获取模块，用于根据所述原始差异影像建立低秩稀疏表达模型，并获取所述低秩稀疏表达模型中的低秩部分；
34.聚类模块，用于利用聚类算法对所述低秩稀疏表达模型的所述低秩部分进行聚类，确定所述目标检测地中的变化部分。
35.可选地，所述影像建立模块，包括：
36.矩阵转换单元，用于将预处理后的所述遥感影像数据转换成矩阵，所述矩阵的每一列均对应一个波段的所述遥感影像数据；
37.原始影像建立单元，用于根据所述矩阵建立所述多个时相的遥感影像数据的原始差异影像。
38.可选地，所述矩阵转换单元用于：
39.将所述预处理后的所述遥感影像数据中的各个波段的影像依次转换成一个列向
量，得到一列数为b的矩阵，b为所述遥感影像数据的波段数。
40.可选地，所述原始影像建立单元用于：
41.对所述多个时相的遥感影像数据进行均值滤波；
42.根据差值算子获取所述多个时相的遥感影像数据的第一原始差异影像ds；
43.根据对数比算子获取所述多个时相的遥感影像数据的第二原始差异影像d
l
；
44.对所述矩阵进行低秩表达分解，得到所述矩阵的稀疏部分，将所述矩阵的稀疏部分作为所述多个时相的遥感影像数据的第三原始差异影像d
lrr
；
45.将所述第一原始差异影像ds、所述第二原始差异影像d
l
和所述第三原始差异影像d
lrr
联合，得到所述原始差异影像。
46.可选地，所述数据获取模块用于：
47.获取目标检测地在设定时间段内检测到的多个时相的遥感影像数据，所述设定时间段为连续的至少一个月。
48.可选地，所述预处理模块用于：
49.对所述多个时相的遥感影像数据进行几何校正和辐射校正。
50.可选地，所述聚类模块用于：
51.对所述低秩部分进行聚类，得到变化区域和背景值两个族，以所述变化区域作为所述目标检测地中的变化部分。
52.本公开实施例提供的技术方案带来的有益效果是：
53.通过获取目标检测地在多个时相的遥感影像数据，并对其进行预处理，使多个时相的遥感影像数据的光谱统计特性一致，可以抑制或过滤掉多个时相的遥感影像数据中的干扰因素。原始差异影像建立的低秩稀疏表达模型可以将冗余信息用简单的信息表示，即去除了数据间的冗余性。
附图说明
54.为了更清楚地说明本公开实施例中的技术方案，下面将对实施例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公开的一些实施例，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。
55.图1是本公开实施例提供的一种地物变化的检测方法的方法流程图；
56.图2是本公开实施例提供的另一种地物变化的检测方法的方法流程图；
57.图3是本公开实施例提供的一种数据转化示意图；
58.图4是本公开实施例提供的一种地物变化的检测装置的结构示意图。
具体实施方式
59.为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
60.以下简单说明下本公开实施例提供的一种地物变化的检测方法的应用场景：
61.在本实施例中，地物变化的检测是对同一地区的目标或者现象进行多时相的观测来识别其中变化区域的过程，其主要通过比较不同时相、同一地理位置中目标的辐射值。本
公开实施例以输油管廊为例进行说明，检测输油管廊沿线的地物变化，例如，可以检测输油管廊沿线的植被的变化，或者检测输油管廊沿线的周围建筑变化等，以判断输油管廊沿线是否存在挖沟建渠、管道占压、工程施工、植被破坏等影像管道安全的因素。
62.图1是本公开实施例提供的一种地物变化的检测方法的方法流程图，如图1所示，该检测方法包括：
63.步骤101、获取目标检测地在多个时相的遥感影像数据。
64.步骤102、对获取的多个时相的遥感影像数据进行预处理，使多个时相的遥感影像数据的光谱统计特性一致。
65.示例性地，可以对多个时相的遥感影像数据进行几何校正和辐射校正，几何校正的精度为五分之一个像素。
66.步骤103、根据预处理后的遥感影像数据建立多个时相的遥感影像数据的原始差异影像。
67.示例性地，可以将预处理后的遥感影像数据转换成矩阵，矩阵的每一列均对应一个波段的所感影像数据。根据矩阵建立多个时相的遥感影像数据的原始差异影像。
68.步骤104、根据原始差异影像建立低秩稀疏表达模型，并获取低秩稀疏表达模型中的低秩部分。
69.步骤105、利用聚类算法对低秩稀疏表达模型的低秩部分进行聚类，确定目标检测地中的变化部分。
70.本公开实施例通过提供一种地物变化的检测方法，该检测方法首先获取目标检测地在多个时相的遥感影像数据，并对其进行预处理，使多个时相的遥感影像数据的光谱统计特性一致，可以抑制或过滤掉多个时相的遥感影像数据中的干扰因素。原始差异影像建立的低秩稀疏表达模型可以将冗余信息用简单的信息表示，即去除了数据间的冗余性。
71.图2是本公开实施例提供的另一种地物变化的检测方法的方法流程图，如图2所示，该检测方法包括：
72.步骤201、获取目标检测地在多个时相的遥感影像数据。
73.在本实施例中，目标检测地为西南地区管道沿线，本公开实施例通过对西南地区管道沿线地区多个时相的卫星遥感影像数据进行变化检测处理，能够检测西南地区管道沿线的地物变化。
74.可选地，步骤201包括：
75.获取目标检测地在设定时间段内检测到的多个时相的遥感影像数据。
76.可选地，设定时间段为连续的至少一个月。
77.由于变化检测主要是依据地物的波谱反射曲线发生了变化的特性来进行识别的，而其它能够引起波谱反射曲线变化的因素还有气候状况、太阳角等环境因素，所以选择合适的数据可以在一定程度上减少上述干扰因素的影响。本公开通过选取一个月内或连续相邻的相近几个月内检测到的多个时相的遥感影像数据，此时获取到的多个时相的遥感影像数据的所处的环境相差不大，从而可以减少大气误差等造成辐射值的变化带来不利影响，实现对多时相影像的有效分析并获得准确的结果，一定程度上减少四季变化对植被和建筑物高度差引起的“伪变化”的影响，提高了变化检测的准确性。
78.示例性地，在本实施例中，通过卫星观测可以得到目标检测地原始的多时相卫星
遥感影像数据，多时相卫星遥感影像数据可以存储于具有数据存储功能的设备(例如存储介质)中，在步骤s201中，可以直接从具有数据存储功能的设备中获取多个时相的遥感影像数据。其中，多时相通常指反映一组遥感影像在时间系列上具有的特征。广义地讲，凡是在不同时间获取的同一地域的一组影像、地图或地理数据，都可视为“多时相”的数据。
79.步骤202、对多个时相的遥感影像数据进行几何校正。
80.在多时相遥感影像变化检测中，由于卫星传感器运动、地形起伏等因素都会造成影像像素光谱强度的变化，而这些变化很难被人眼探测到。因此，对多个时相的遥感影像数据进行几何校正是变化检测预处理中一个很重要的步骤。
81.图像几何校正的基本方法是建立几何校正的数学模型其次利用已知条件确定模型参数，最后根据模型对图像进行几何校正，此为现有技术，本公开实施例在此不再赘述。
82.步骤203、对多个时相的遥感影像数据进行辐射校正，使多个时相的遥感影像数据的光谱统计特性一致。
83.其中，光谱统计特性差异是指遥感图像上的图像灰度或色彩的差异。
84.遥感影像的辐射强度主要受太阳辐射和地物光谱反射率两个物理量影响，当光照辐射相同时，辐射强度不同反应了地物类型的差异。
85.遥感影像变化检测算法的目的是发现有意义的变化、忽略不重要的变化。然而，由于电磁波在发射到接受的过程中，复杂的遥感成像环境造成了辐射强度的变化，而这些变化的因素往往是不重要的变化。因此在进行变化检测前往往需要对影像进行辐射校正，以便用来抑制或者过滤那些引起不重要的变化的干扰因素。
86.步骤204、将预处理后的遥感影像数据转换成矩阵。
87.遥感影像数据为由b个波段的影像s叠加在一起的影像立方块h∈rm×n×b，每个波段的影像的大小均为m
×
n转换后可得到的矩阵f∈rk×b(k＝m
×
n)。
88.图3是本公开实施例提供的一种数据转化示意图，如图3所示，图3中(a)图为遥感影像数据，即影像立方块h∈rm×n×b，图3中(b)图为(a)图的分解示意图，由图3中(b)图可以看出，影像立方块h∈rm×n×b为由多光谱影像s叠加在一起形成影像立方块，每个影像s可以包括m
×
n个像素块。图3中(b)图到(c)图为将每个波段列化的过程，将三维遥感影像数据立方体转换成矩阵，图3中(d)图为转换后得到的矩阵f∈rk×b(k＝m
×
n)。
89.示例性地，步骤204包括：
90.将预处理后的遥感影像数据中的各个波段的影像依次转换成一个列向量，得到一列数为b的矩阵f∈rk×b(k＝m
×
n)，b为遥感影像数据的波段数。
91.通过步骤204即可将获取多个时相的遥感影像数据由3d数据转换成2d矩阵实现数据的格式转换。
92.步骤205、根据矩阵建立多个时相的遥感影像数据的原始差异影像。
93.可选地，步骤205包括：
94.第一步，对多个时相的遥感影像数据进行均值滤波；
95.第二步，根据差值算子获取多个时相的遥感影像数据的第一原始差异影像ds；
96.第三步，根据对数比算子获取多个时相的遥感影像数据的第二原始差异影像d
l
。
97.示例性地，可以根据以下公式(1)和(2)分别获取多个时相的遥感影像数据的第一原始差异影像ds和第二原始差异影像d
l
：
98.ds＝|x
1-x2|
ꢀꢀꢀ
(1)
[0099][0100]
其中，ds表示由差值算子获得的第一原始差异影像，d
l
表示由对数比算子产生的第二原始差异影像。x1和x2为两幅不同时间获取的遥感影像。
[0101]
第四步，对矩阵进行低秩表达分解，得到矩阵的稀疏部分，将矩阵的稀疏部分作为多个时相的遥感影像数据的第三原始差异影像d
lrr
。
[0102]
示例性地，可以对遥感影像数据矩阵x＝[x1,x2]进行低秩表达分解，以便获得其中的稀疏部分，即遥感影像原始的差异图像d
lrr
。
[0103]
第四步，将第一原始差异影像ds、第二原始差异影像d
l
和第三原始差异影像d
lrr
联合，得到原始差异影像。
[0104]
示例性地，将原始差异影像ds、d
l
和d
lrr
联合，可以包括：
[0105]
将第一原始差异影像ds、第二原始差异影像d
l
和第三原始差异影像d
lrr
均按照步骤204中的矩阵转换形式生成相应的二维矩阵，最后再将三个二维矩阵依次排列合并形成一个矩阵。
[0106]
步骤206、根据原始差异影像建立低秩稀疏表达模型，并获取低秩稀疏表达模型中的低秩部分。
[0107]
其中，低秩部分对应于遥感影像的变化区域。
[0108]
在本实施例中，可以对低秩稀疏表达模型再次进行低秩表达分解，以获取低秩稀疏表达模型中的低秩部分。
[0109]
可选地，步骤206可以包括：
[0110]
根据多个时相的遥感影像的原始差异影像建立以下低秩稀疏表达模型z
*
:
[0111][0112]
其中，z
*
的大小为ni×
ni，秩为该模型可以从全局的角度有效地实现变化检测的目的。
[0113]
可选地，假设低秩表达模型的矢量矩阵为x＝[x
1 x2ꢀ…ꢀ
xn]∈r，且每一个列向量可以通过一个字典基a＝[a
1 a2ꢀ…ꢀam
]线性表达获得，即可得到公式(3)：
[0114]
x＝az
ꢀꢀꢀ
(3)
[0115]
其中，z＝[z
1 z2ꢀ…ꢀzn
]为系数矩阵，每一个zi对应于xi的线性表示。式(3)中的字典基a＝[a
1 a2ꢀ…ꢀam
]通常是过完备的，因此有很多方法来解决上述的优化问题。我们寻求一个关于系数矩阵z的表示来解决如下的约束问题：
[0116]
min rank(z)
[0117]
s.t.x＝az
ꢀꢀꢀ
(4)
[0118]
我们称上述约束问题的最优解z
*
是矢量矩阵x关于字典a的最低秩的表达
(lowest-rank representations)。上述问题中的秩函数由于其本身的离散特性造成式(5)的优化问题是一个np(英文：non-deterministic polynomial，中文：非确定性多项式)难问题。幸运的是矩阵填充问题的凸优化求解方法给式(4)提供了一个很好的替代形式，参见式(5)：
[0119]
min||z||
*
[0120]
s.t.x＝az
ꢀꢀꢀ
(5)
[0121]
其中，||z||
*
为矩阵的核函数，为矩阵进行svd(singular value decomposition，奇异值分解)分解后得到的奇异值的和。
[0122]
不失一般性地，我们假设x＝[x
1 x2ꢀ…ꢀ
xk]，为了确保数据独立地分割到各自的子空间中，用矩阵x作为字典，因此式(5)可以转换为式(6)：
[0123]
min||z||
*
[0124]
s.t.x＝xz
ꢀꢀꢀ
(6)
[0125]
从上式我们可以看出，由于在低秩表达中数据矢量自身可以用来表达自身，因此即使在采样数据不足的情况下，式(6)的优化问题也存在可行解。当数据的采样量是足够的情况下，即di＝rank(xi)《ni。如果数据的子空间是独立的，那么优化问题(6)存在一组最优解z
*
，且最优解z
*
是一个大小为ni×
ni，秩为的块状对角矩阵，即低秩稀疏表达模型：
[0126][0127]
步骤207、利用聚类算法对低秩稀疏表达模型的低秩部分进行聚类，确定目标检测地中的变化部分。
[0128]
可选地，步骤207包括：
[0129]
对低秩部分进行聚类，得到变化区域和背景值两个族，以变化区域作为目标检测地中的变化部分。
[0130]
示例性地，可以利用k-means算法对低秩稀疏表达模型的低秩部分进行聚类，k-means算法的主要思想就是对于给定的低秩部分，按照低秩部分中各区域之间的距离大小，将低秩部分划分为k个族，让族内的点尽量紧密的连在一起，而让族间的距离尽可能地大。
[0131]
在本实施例中，可以采用k-means算法将低秩稀疏表达模型的低秩部分划分为变化部分和背景值两个部分，变化部分内的数据表示输油管廊沿线的变化部分，例如输油管廊沿线的植被、建筑中发生变化的部分。背景值族内的数据表示输油管廊沿线未变化的部分，例如输油管廊沿线的植被、建筑中未发生变化的部分，然后以变化区域作为目标检测地中的变化部分。
[0132]
需要说明的是，本公开实施例尤其适用于基于卫星高分辨率遥感影像的西南地区管道沿线挖沟建渠、管道占压、工程施工、植被破坏等影响管道安全等的地物变化检测，在西南地区具有广泛的适用性。同时，通过在新区域建立新的样本库，能够将本方法向西南地区之外进行有效推广。
[0133]
本公开实施例通过提供一种地物变化的检测方法，该检测方法首先获取目标检测地在多个时相的遥感影像数据，并对其进行预处理，使多个时相的遥感影像数据的光谱统计特性一致，可以抑制或过滤掉多个时相的遥感影像数据中的干扰因素。原始差异影像建立的低秩稀疏表达模型可以将冗余信息用简单的信息表示，即去除了数据间的冗余性。
[0134]
图4是本公开实施例提供的一种地物变化的检测装置的结构示意图，如图4所示，该检测装置包括数据获取模块410、预处理模块420、影像建立模块430、低秩获取模块440和聚类模块450。
[0135]
数据获取模块410，用于获取目标检测地在多个时相的遥感影像数据。
[0136]
预处理模块420，用于对获取的多个时相的遥感影像数据进行预处理，使多个时相的遥感影像数据的光谱统计特性一致。
[0137]
影像建立模块430，用于根据矩阵建立多个时相的遥感影像数据的原始差异影像。
[0138]
低秩获取模块440，用于根据原始差异影像建立低秩稀疏表达模型，并获取低秩稀疏表达模型中的低秩部分。
[0139]
聚类模块450，用于利用聚类算法对低秩稀疏表达模型的低秩部分进行聚类，确定目标检测地中的变化部分。
[0140]
可选地，数据获取模块410用于：
[0141]
获取目标检测地在设定时间段内检测到的多个时相的遥感影像数据。
[0142]
示例性地，设定时间段为连续的至少一个月。
[0143]
预处理模块420用于：
[0144]
对多个时相的遥感影像数据进行几何校正和辐射校正。
[0145]
可选地，影像建立模块430包括：
[0146]
矩阵转换单元431，用于将预处理后的遥感影像数据转换成矩阵，矩阵的每一列均对应一个波段的遥感影像数据；
[0147]
原始影像建立单元432，用于根据矩阵建立多个时相的遥感影像数据的原始差异影像。
[0148]
示例性地，矩阵转换单元431用于：
[0149]
将预处理后的遥感影像数据中的各个波段的影像依次转换成一个列向量，得到一列数为b的矩阵，b为遥感影像数据的波段数。
[0150]
示例性地，原始影像建立单元432用于：
[0151]
对多个时相的遥感影像数据进行均值滤波；
[0152]
根据差值算子获取多个时相的遥感影像数据的第一原始差异影像ds；
[0153]
根据对数比算子获取多个时相的遥感影像数据的第二原始差异影像d
l
；
[0154]
对矩阵进行低秩表达分解，得到矩阵的稀疏部分，将矩阵的稀疏部分作为多个时相的遥感影像数据的第三原始差异影像d
lrr
；
[0155]
将第一原始差异影像ds、第二原始差异影像d
l
和第三原始差异影像d
lrr
联合，得到原始差异影像。
[0156]
可选地，聚类模块450用于：
[0157]
对低秩部分进行聚类，得到变化区域和背景值两个族，以变化区域作为目标检测地中的变化部分。
[0158]
需要说明的是：上述实施例提供的检测装置在进行地物变化检测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的检测装置与检测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0159]
本公开实施例通过提供一种地物变化的检测装置，该检测装置可以获取目标检测地在多个时相的遥感影像数据，并对其进行预处理，使多个时相的遥感影像数据的光谱统计特性一致，可以抑制或过滤掉多个时相的遥感影像数据中的干扰因素。原始差异影像建立的低秩稀疏表达模型可以将冗余信息用简单的信息表示，即去除了数据间的冗余性。
[0160]
以上所述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。