基于概率分割及高斯混合聚类的多光谱图像变化检测方法

摘要

本发明属于应用电子设备进行识别的方法或装置技术领域，公开了一种基于概率分割及高斯混合聚类的多光谱图像变化检测方法；首先，输入同地域不同时间的两幅原始多光谱图像，利用CVA和SAM构建混合差异图像HDS；其次，利用统计区域合并算法对差异图像进行多尺度分割将差异图像映射到超像素空间；最后，采用K‑means算法初始化高斯混合模型来克服其易收敛于局部最优解的缺点，拟合超像素特征空间的概率统计分布，利用基于最小错误率的贝叶斯判别规则获得变化检测结果。本发明更好地利用光谱矢量的幅值变化信息和角度变化信息，利用超像素分割可获取图像的局部结构特征，有效提高了SAR图像中变化区域的检测精确。