【图像检测】基于差分算法结合边缘检测实现SAR图像变化检测附matlab代码

1 简介

遥感图像变化检测已广泛应用于土地 、环境、城市及交通等国民经济各部门发展变化的监测和预测之中, 图像变化检测的效果和速度将直接影响其监测和预测能力 。目前, 关于遥感图像变化检测的方法有很多,主要有差值法 、主成分差异法 、主成分组合法等 。实践证明,差值法和比值法具有较高的检测精度和较快的计算速度, 但是 ,这些方法的运用都涉及相关阈值的确定问题 。实际工作中 , 由于直接寻求阈值无从着手 ,因此 ,许多学者提出通过先验知识来确定变化检测的阈值或通过基于一定的假设(如假设图像的灰度分布满足高斯分布 、假设图像每一位置的灰度值只与其周围的邻域有关等 ), 然后再根据某种特定的条件限制来确定阈值。通常情况下 ,变化检测都是基于对未知目标区域进行的 ,而且由于遥感图像自身的局限性 (信息与噪声的共生性、光照不均匀 、时相不一致、方位不一致等), 使得图像数据带有一定的模糊性和不确定性, 所以, 以上方法所确定的阈值都显得不够精确 。MATLAB具有非常强大的符号计算 (尤其是矩阵运算 )功能 ,是一个完整的数学平台,在该平台上 ,用户可以完成十分复杂的功能 ,这样就可以大大提高工程分析计算 、图像处理的效率。

2 部分代码

clear;close all;A=imread('2004北京.bmp');A=rgb2gray(A);B=imread('2007北京.bmp');B=rgb2gray(B);A1=edge(A,'canny');B1=edge(B,'canny');C=zeros(size(A));D=C;siz=size(A);for i=1:siz(1)    for j=1:siz(2)      if  (A1(i,j)==1)&&(B1(i,j)==0)%缓冲区，克服配准误差及杂乱地物影响            C(i,j)=255;%image1中存在而image2中不存在的边缘        elseif   (B1(i,j)==1)&&(A1(i,j)==0)            D(i,j)=255;%image2中存在而image1中不存在的边缘        end;    end;end;subplot(2,2,1),imshow(A1),title('边缘一')subplot(2,2,2),imshow(B1),title('边缘二')subplot(2,2,3),imshow(C),title('边缘差分一')subplot(2,2,4),imshow(D),title('边缘差分二')

3 仿真结果

4 参考文献

[1]张孟君, 李晨钊, 舒红,等. 基于MATLAB的遥感图像变化检测[J]. 国土资源遥感, 2005(4):5.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。