專利名稱：基于鄰域相似性及掩模增強的sar圖像變化檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感圖像處理領(lǐng)域，涉及遙感圖像的變化檢測，可用于對SAR圖像變 化的檢測。
背景技術(shù)：
合成孔徑雷達SAR是現(xiàn)代遙感領(lǐng)域的一項突破性技術(shù)，成為獲取信息的一個重要 手段。隨著SAR技術(shù)的不斷發(fā)展和成熟，及SAR系統(tǒng)的分辨率的不斷提高，使得SAR系統(tǒng)具 有了全天候、全天時及覆蓋面積大等優(yōu)點。不同時相同一場景的SAR圖像的獲得，使得通過 SAR圖像變化檢測技術(shù)提供目標(biāo)與場景實時動態(tài)信息成為可能。變化檢測是遙感技術(shù)的主要應(yīng)用之一，它通過對不同時相同一場景的各種圖像進 行對比分析，根據(jù)圖像之間的差異來得到人們所需要的地物或目標(biāo)的變化信息。變化檢測 技術(shù)可以檢測出不同時期圖像灰度值或局部紋理之間的變化，在此基礎(chǔ)上獲得感興趣目標(biāo) 在形狀、位置、數(shù)量、及其它屬性的變化情況。這些變化可能是由圖像場景的真實變化引起 的，也可能是由入射角、大氣條件、傳感器精度、地面濕度等變化引起的。SAR圖像的變化檢 測則特指研究不同時相同一場景的兩幅或多幅SAR圖像之間的變化信息，SAR圖像變化檢 測技術(shù)在環(huán)境檢測等已被廣泛應(yīng)用，如土地利用分析、森林采伐檢測、災(zāi)情評估等。然而，SAR圖像在具有上述優(yōu)點的同時，受斑點噪聲影響是其應(yīng)用的一個主要瓶 頸，如何從SAR圖像自身特點出發(fā)，有效抑制斑點噪聲是SAR圖像實際應(yīng)用中必須考慮的一 個問題。隨著計算機和成像技術(shù)的不斷發(fā)展，SAR圖像變化檢測技術(shù)也在不斷提高和改進 中，近年來逐漸形成了以下幾種較為經(jīng)典的變化檢測算法圖像差值法其主要過程是將兩時相SAR圖像對應(yīng)像素點的灰度值相減得到差異 圖，然后選取0 255的閾值進行分割，得到變化和非變化區(qū)域。圖像差值法算法簡單，方 便易行，但這種方法的缺點也比較明顯容易受SAR成像質(zhì)量、波譜特征不同等客觀條件影 響，易產(chǎn)生“偽變化”信息。圖像比值法其主要過程是計算兩時相SAR圖像對應(yīng)像素點灰 度值的比值得到差異圖，如果一個像素沒有發(fā)生變化，則比值應(yīng)該接近與1，反之，遠大于或 遠小于1。該方法對SAR圖像的乘性噪聲是不敏感的，但得到的差異圖精確度往往會受變化 類型影響較大。分類后比較法其主要過程是先用同一種分類方法對每一時相SAR圖像進 行分類，然后將分類結(jié)果圖進行比較，以確定變化的類別和區(qū)域。如果對應(yīng)像素的分類類別 相同，則認為該像素沒有發(fā)生變化，反之，發(fā)生了變化。該方法不僅可以檢測變化區(qū)域，還可 以確定變化類別信息，同時受配準(zhǔn)誤差影響較小，但它的缺點是受分類器的誤差積累影響 很大。以上三種方法是最為經(jīng)典的變化檢測方法，另外還有變化向量分析法，主分量分 析法等等。但是這些方法均受SAR圖像斑點噪聲影響較大，必須預(yù)先對兩時相SAR圖像進 行濾波去噪，才能得到較好的變化檢測結(jié)果，而濾波在變化檢測方法中需要占用較長的運 行時間，增加了變化檢測方法的復(fù)雜度，另外這些方法構(gòu)造的差異圖中變化類與非變化類區(qū)別都不夠明顯，增加了后續(xù)的分類的難度。
發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出一種基于鄰域相似性及掩模增 強的SAR圖像變化檢測方法，以在無需進行濾波去噪的情況下，抑制SAR圖像的部分斑點噪 聲，提高變化檢測結(jié)果的正確率。本發(fā)明的技術(shù)方案是基于鄰域相似度的原理，構(gòu)建了一個由比值算子演化而來 的鄰域相似度NSR算子，根據(jù)NSR算子構(gòu)造兩時相SAR圖像的差異影像圖DI，再通過對DI 的掩模增強處理后K均值聚類得到變化結(jié)果圖。其具體實現(xiàn)步驟如下(1)對不同時相同一場景的兩幅SAR圖像I1和I2進行幾何校正和配準(zhǔn)；(2)根據(jù)鄰域相似度NSR算子，按照如下步驟構(gòu)造圖像I1和I2的差異影像圖DI ；2a)分別取得兩時相SAR圖像IJPI2在同一位置χ上的像素灰度值鄰域集合N1(X) 和隊⑴，其大小為NXN，N e {3,5,7,9}；2b)比較兩個鄰域集合N1(X)和隊00的相似性，得到差異圖DI在位置χ上的像 素灰度值DI(X) 其中，N1(Xi) ^PN2(Xi)分別表示圖像I1和I2在位置χ上鄰域集合N1(X) ^P N2(χ) 的第i個元素，集合N1(X)與N2(X)越相似，則DI(X)值越大，圖像I1和I2在位置χ上的像 素點屬于非變化區(qū)域的可能性越大，反之，屬于變化區(qū)域的可能性越大；2c)對圖像I1和I2的每一位置χ從左到右，從上到下重復(fù)步驟2a)和2b)，得到差 異影像圖DI ；(3)對差異影像圖DI進行掩模增強處理，得到新的差異影像圖NDI，所述的掩模增強處理包括如下步驟3a)根據(jù)差異影像圖DI的圖像大小選用掩模，若DI小于1000X 1000，則選用中心 系數(shù)為_8的掩模，若DI大于1000 X 1000，則選用中心系數(shù)為-9的掩模；3b)利用所選的掩模，增大DI在位置χ上像素點與其周圍相鄰像素點間的差異，得 到新的差異影像圖在位置X上的值NDI(X) 其中LN表示掩模的長度，取值為9，L(Xi)為掩模中的第i個數(shù)的值，DI(Xi)表示 DI中大小為3X3的χ鄰域集合中的第i個像素的灰度值；3c)對DI的從左到右，從上到下重復(fù)步驟3b)，得到新的差異影像圖NDI ；(4)利用初始點確定的K均值方法，對新的差異影像圖NDI進行聚類，得到變化檢 測結(jié)果圖CDI。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點1、本發(fā)明采用鄰域相似度NSR算子構(gòu)造的差異影像圖，抑制了 SAR圖像的部分斑點噪聲，不需要對原始SAR圖像濾波去噪，降低了變化檢測方法的復(fù)雜度；2、本發(fā)明針對鄰域相似度算子構(gòu)造的差異影像圖，創(chuàng)建的掩模增強處理方法，進 一步減弱了差異影像圖中的噪聲影響，同時有效地增大了該差異影像圖中的變化類中心 和非變化類中心的距離，有利于對差異影像圖的分類，另外，該掩模增強處理方法運行時間 少，此優(yōu)點在檢測兩時相大圖時尤為重要；3、仿真結(jié)果表明，本發(fā)明采用的NSR算子構(gòu)造差異影像圖方法和掩模增強處理方 法較比值R算子，對數(shù)比值LR算子構(gòu)造差異影像圖方法和雙邊濾波處理方法的正確檢測率 高，錯檢和漏檢個數(shù)低，時間復(fù)雜度小。
圖1是本發(fā)明的主要流程圖2是本發(fā)明設(shè)計的掩模；
圖3是第一組實驗仿真圖4是不同算子構(gòu)造的差異影像圖5是對應(yīng)圖4的K均值聚類結(jié)果圖6是掩模增強處理前后的差異影像圖7是對應(yīng)圖6的K均值聚類結(jié)果圖8是對應(yīng)圖6的數(shù)據(jù)分布直方圖9是第二組實驗仿真圖10是雙邊濾波處理DI后的K均值聚類結(jié)果圖11是掩模增強處理DI后的K均值聚類結(jié)果圖12是雙邊濾波處理和掩模增強處理的運行時間對比圖13是分別將圖9中所標(biāo)記的A，B和C區(qū)域放大后的原圖14是對應(yīng)圖13的雙邊濾波處理DI后的K均值聚類結(jié)果圖
圖15是對應(yīng)圖13的掩模增強處理DI后的K均值聚類結(jié)果圖
具體實施例方式參照附圖1，本發(fā)明包括如下步驟步驟一通過遙感圖像處理軟件ERDAS對不同時相同一場景的兩幅SAR圖像I1和 I2進行幾何校正和配準(zhǔn)。步驟二 根據(jù)鄰域相似度NSR算子，按照如下步驟構(gòu)造圖像I1和I2的差異影像圖 DI。2a)分別取得兩時相SAR圖像I1和I2在同一位置χ上的像素灰度值鄰域集合N1 (χ) 和隊⑴，其大小為NXN，N e {3,5,7,9}；2b)比較兩個鄰域集合N1(X)和隊00的相似性，得到差異圖DI在位置χ上的像 素灰度值DI(X) 其中，N1(Xi)和N2 (Xi)分別表示圖像I1和I2在位置χ上鄰域集合N1(X)和N2(X) 的第i個元素，集合N1(X)與N2(X)越相似，則DI(X)值越大，圖像I1和I2在位置χ上的像 素點屬于非變化區(qū)域的可能性越大，反之，屬于變化區(qū)域的可能性越大；2c)對圖像I1和I2的每一位置χ從左到右，從上到下重復(fù)步驟2a)和2b)，得到差 異影像圖DI。步驟三對差異影像圖DI按如下步驟進行掩模增強處理，得到新的差異影像圖 NDI。3a)根據(jù)差異影像圖DI的圖像大小選用掩模，如附圖2所示，其中圖2 (a)是中心 系數(shù)為_8的掩模，適用于DI小于1000X 1000的情況，圖2 (b)是中心系數(shù)為_9的掩模，適 用于DI大于1000X1000的情況；3b)利用所選的掩模，增大DI在位置χ上像素點與其周圍相鄰像素點間的差異，得 到新的差異影像圖在位置X上的值NDI(X)
LNNDI(X) = X(Z)/(x,) - L(X1)), \<i<LN
'=I’其中LN表示掩模的長度，取值為9，L(Xi)為掩模中的第i個數(shù)的值，DI(Xi)表示 DI中大小為3X3的χ鄰域集合中的第i個像素的灰度值；3c)對DI的從左到右，從上到下重復(fù)步驟3b)，得到新的差異影像圖NDI。步驟四利用初始點確定的K均值方法，對新的差異影像圖NDI進行聚類，得到變 化檢測結(jié)果圖⑶I。4a)選用兩個初始聚類中心為C1 = graymin+ (graymax-graymin) /4c2 = graymin- (graymax-graymin) /4,其中，graymin和graymax分別表示NDI中所有像素點灰度的最小值和最大值；4b)根據(jù)初始聚類中心，對NDI中所有的像素點進行首次分類，計算每個像素點到 兩個聚類中心C1和C2之間的歐氏距離，并將該像素點歸到與它最近的那一類；4c)根據(jù)分類結(jié)果，計算新的聚類中心Ci, 其中Ci表示第i類的新的聚類中心，Ni表示第i類中像素點的總個數(shù)，Xj表示第 i類中的第j個像素點；4d)根據(jù)新的聚類中心Ci,對NDI中所有的像素點再次分類，計算每個像素點到新 的聚類中心Ci，i e {1,2}之間的歐氏距離，并將該像素點歸到與自己最近那一類；4e)重復(fù)步驟4c)和4d)直到聚類結(jié)束，聚類結(jié)束的停機準(zhǔn)則如下 其中K表示聚類的類別數(shù)，取值為2，Mxj-CiII表示XjPci的歐式距離，C' 1表 示下一次迭代后的聚類中心；4f)標(biāo)記最終的聚類結(jié)果，第一類標(biāo)記為0，第二類標(biāo)記為1，并將標(biāo)記為1的像素 轉(zhuǎn)換為255，得到變化檢測結(jié)果圖。本發(fā)明的效果可以通過以下仿真進一步說明1仿真參數(shù)對于具有參考圖的第一組實驗仿真圖，進行定量的變化檢測結(jié)果分析①計算漏檢個數(shù)統(tǒng)計實驗結(jié)果圖中發(fā)生變化區(qū)域的像素個數(shù)，與參考圖中變化 區(qū)域的像素個數(shù)進行對比，把參考圖中發(fā)生變化但實驗結(jié)果圖中檢測為未變化的像素個 數(shù)，稱為漏檢個數(shù)FN;②計算錯檢個數(shù)統(tǒng)計實驗結(jié)果圖中未發(fā)生變化區(qū)域的像素個數(shù)，與參考圖中未 變化區(qū)域的像素個數(shù)進行對比，把參考圖中未發(fā)生變化但實驗結(jié)果圖中檢測為變化的像素 個數(shù)，稱為錯檢個數(shù)FP;總檢測錯誤數(shù)OE等于漏檢個數(shù)和錯檢個數(shù)的和；③計算正確檢測率正確檢測率PCC的定義為正確測得的目標(biāo)數(shù)即等于參考圖中發(fā)生變化且實驗結(jié) 果圖中檢測為變化的像素個數(shù)TP與參考圖中未發(fā)生變化且實驗結(jié)果圖中檢測為未變化的 像素個數(shù)TN與圖像的總像素個數(shù)之比，如下式所示PCC = ((TP+TN)/(TP+FP+TN+FN))。2仿真內(nèi)容①將鄰域相似度NSR算子構(gòu)造的差異影像圖，與比值R算子，對數(shù)比值LR算子構(gòu) 造的差異影像圖的效果對比，及對應(yīng)的變化檢測結(jié)果對比和定量分析，通過第一組實驗仿 真圖完成；②對差異影像圖的掩模增強處理MEP前后的直方圖數(shù)據(jù)分布對比，及對應(yīng)的變化 檢測結(jié)果對比和定量分析，通過第一組實驗仿真圖完成；③對差異影像圖的雙邊濾波處理BF和掩模增強處理MEP的運行時間對比分析，及 對應(yīng)的變化檢測效果對比，通過第二組實驗仿真圖完成。3仿真實驗結(jié)果及分析①反應(yīng)Ottawa地區(qū)水災(zāi)的RADARSAT SAR圖像如圖3所示，圖3錯誤！未找到引 用源。(a)和圖3(b)的拍攝時間分別為1997. 05和1997. 08，大小均為290X 350，圖3 (c) 為參考圖，其中真實變化目標(biāo)數(shù)為16049。用不同算子構(gòu)造的差異影像圖如圖4所示，其中圖4(a)，圖4(b)和圖4(c)分別 表示由R算子，LR算子和NSR算子構(gòu)造的差異影像圖。從圖4可以看出本發(fā)明的NSR算子 構(gòu)造的差異影像圖最為平滑，抑制了圖像的部分噪聲，差異影像圖的變化類與非變化類之 間的區(qū)別最為明顯。用不同算子構(gòu)造的差異影像圖的K均值聚類結(jié)果如圖5所示，其中圖 5 (a)，圖5 (b)和圖5 (c)分別表示由R算子，LR算子和NSR算子構(gòu)造的差異影像圖的K均值 聚類結(jié)果圖，從圖5可以看出，NSR算子構(gòu)造的差異影像圖的K均值聚類結(jié)果圖雜點最少， 變化檢測結(jié)果最好。用不同算子構(gòu)造的差異影像圖的類內(nèi)方差如表1所示，用不同算子構(gòu) 造差異影像圖的變化檢測結(jié)果分析如表2所示。
8
表1不同算子構(gòu)造的差異影像圖的類內(nèi)方差 從表1可以看出NSR算子構(gòu)造的差異影像圖的類內(nèi)方差最小，類內(nèi)的數(shù)據(jù)分布最 為均勻，有利于降低FP。表2不同算子構(gòu)造差異影像圖的變化檢測結(jié)果分析 從表2可以看出NSR算子構(gòu)造差異影像圖的K均值聚類結(jié)果的FN，F(xiàn)P和OE最小， PCC取尚ο②用NSR算子構(gòu)造第一組仿真數(shù)據(jù)的差異影像圖如圖6所示，其中圖6(a)是掩 模增強處理前的差異影像圖，圖6(b)是掩模增強處理后的新差異影像圖，它們的數(shù)據(jù)分布 直方圖如圖8所示，實線和虛線分別代表的是掩模處理前后的差異影像圖數(shù)據(jù)分布。從圖 8可以看出，虛線的兩個波峰距離較遠，表明掩模增強處理后差異影像圖的類內(nèi)中心距離增 大了，有利于后續(xù)的分類。掩模增強處理差異影像圖前后的K均值聚類結(jié)果如圖7所示，從 圖7可以看出，差異影像圖經(jīng)過掩模增強處理后的檢測結(jié)果雜點有效減少，邊緣更加平滑。 掩模增強處理差異影像圖前后的變化檢測結(jié)果分析如表3所示。表3掩模處理差異影像圖前后的變化檢測結(jié)果分析 從表3可以看出差異影像圖經(jīng)過掩模增強處理后，F(xiàn)N, FP和OE明顯減少，PCC得 到提高。③關(guān)于黃河入?？诘赜蜃兓膱D像如圖9所示，由radarSAR-2衛(wèi)星獲得，圖9 (a) 和圖9(b)的拍攝時間分別為2008. 06. 18和2009. 06. 19，大小均為7692X7666。雙邊濾波 處理和掩模增強處理的時間對比如圖12所示，實線和虛線分別代表了雙邊濾波處理與掩 模增強處理隨著圖像不斷增大時的運行時間。從圖12可以看出，在圖像小于800X800時，掩模增強處理的時間與雙邊濾波處 理時間相差不大，但是隨著圖像的不斷增大，雙邊濾波處理時間幾乎成指數(shù)級增長，而掩 模增強處理時間卻以非常緩慢的速率在增加，如對于第二組仿真圖的雙邊濾波處理時間為
91596. 844s，而掩模增強處理時間僅為18. 562s，且取得了與雙邊濾波一樣的，甚至更好的檢 測效果，如圖10和圖11所示。放大它們的代表性區(qū)域A，B和C后的原圖如圖13所示，它 們的變化檢測結(jié)果圖，如圖14和15所示，其中A，B和C區(qū)域分別反應(yīng)的是2008年到2009 年間黃河入?？诘赜虻年懙?，港口和海岸的變化。
權(quán)利要求
一種基于鄰域相似性及掩模增強的SAR圖像變化檢測方法，包括如下步驟(1)對不同時相同一場景的兩幅SAR圖像I1和I2進行幾何校正和配準(zhǔn)；(2)根據(jù)鄰域相似度NSR算子，按照如下步驟構(gòu)造圖像I1和I2的差異影像圖DI；2a)分別取得兩時相SAR圖像I1和I2在同一位置x上的像素灰度值鄰域集合N1(x)和N2(x)，其大小為N×N，N∈{3，5，7，9}；2b)比較兩個鄰域集合N1(x)和N2(x)的相似性，得到差異圖DI在位置x上的像素灰度值DI(x) <mrow><mi>DI</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mrow><mi>N</mi><mo>×</mo><mi>N</mi> </mrow></munderover><mi>min</mi><mrow> <mo>(</mo> <msub><mi>N</mi><mn>1</mn> </msub> <mrow><mo>(</mo><msub> <mi>x</mi> <mi>i</mi></msub><mo>)</mo> </mrow> <mo>,</mo> <msub><mi>N</mi><mn>2</mn> </msub> <mrow><mo>(</mo><msub> <mi>x</mi> <mi>i</mi></msub><mo>)</mo> </mrow> <mo>)</mo></mrow> </mrow> <mrow><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mrow><mi>N</mi><mo>×</mo><mi>N</mi> </mrow></munderover><mi>max</mi><mrow> <mo>(</mo> <msub><mi>N</mi><mn>1</mn> </msub> <mrow><mo>(</mo><msub> <mi>x</mi> <mi>i</mi></msub><mo>)</mo> </mrow> <mo>,</mo> <msub><mi>N</mi><mn>2</mn> </msub> <mrow><mo>(</mo><msub> <mi>x</mi> <mi>i</mi></msub><mo>)</mo> </mrow> <mo>)</mo></mrow> </mrow></mfrac><mo>,</mo> </mrow>其中，N1(xi)和N2(xi)分別表示圖像I1和I2在位置x上鄰域集合N1(x)和N2(x)的第i個元素，集合N1(x)與N2(x)越相似，則DI(x)值越大，圖像I1和I2在位置x上的像素點屬于非變化區(qū)域的可能性越大，反之，屬于變化區(qū)域的可能性越大；2c)對圖像I1和I2的每一位置x從左到右，從上到下重復(fù)步驟2a)和2b)，得到差異影像圖DI；(3)對差異影像圖DI進行掩模增強處理，得到新的差異影像圖NDI，所述的掩模增強處理包括如下步驟3a)根據(jù)差異影像圖DI的圖像大小選用掩模，若DI小于1000×1000，則選用中心系數(shù)為 8的掩模，若DI大于1000×1000，則選用中心系數(shù)為 9的掩模；3b)利用所選的掩模，增大DI在位置x上像素點與其周圍相鄰像素點間的差異，得到新的差異影像圖在位置x上的值NDI(x) <mrow><mi>NDI</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>LN</mi></munderover><mrow> <mo>(</mo> <mi>DI</mi> <mrow><mo>(</mo><msub> <mi>x</mi> <mi>i</mi></msub><mo>)</mo> </mrow> <mo>-</mo> <mi>L</mi> <mrow><mo>(</mo><msub> <mi>x</mi> <mi>i</mi></msub><mo>)</mo> </mrow> <mo>)</mo></mrow><mo>,</mo><mn>1</mn><mo>≤</mo><mi>i</mi><mo>≤</mo><mi>LN</mi><mo>,</mo> </mrow>其中LN表示掩模的長度，取值為9，L(xi)為掩模中的第i個數(shù)的值，DI(xi)表示DI中大小為3×3的x鄰域集合中的第i個像素的灰度值；3c)對DI的從左到右，從上到下重復(fù)步驟3b)，得到新的差異影像圖NDI；(4)利用初始點確定的K均值聚類方法，對新的差異影像圖NDI進行聚類，得到變化檢測結(jié)果圖CDI。
2.根據(jù)權(quán)利要求1所述的SAR圖像變化檢測方法，其中步驟(1)所述的對不同時相同 一場景的兩幅SAR圖像I1和I2進行幾何校正和配準(zhǔn)，是通過遙感圖像處理軟件ERDAS完 成。
3.根據(jù)權(quán)利要求1所述的SAR圖像變化檢測方法，其中步驟(4)所述的利用初始點確 定的K均值方法，對新的差異影像圖NDI進行聚類，按如下步驟進行；4a)選用兩個初始聚類中心為 其中，grayfflin和graymax分別表示NDI中所有像素點灰度的最小值和最大值；4b)根據(jù)初始聚類中心，對NDI中所有的像素點進行首次分類，計算每個像素點到兩個聚類中心C1和C2之間的歐氏距離，并將該像素點歸到與它最近的那一類； 4c)根據(jù)分類結(jié)果，計算新的聚類中心Ci，Kl M,其中Ci表示第i類的新的聚類中心，Ni表示第i類中像素點的總個數(shù)，Xj表示第i類 中的第j個像素點；4d)根據(jù)新的聚類中心Ci，對NDI中所有的像素點再次分類，計算每個像素點到新的聚 類中心Ci，i e {1,2}之間的歐氏距離，并將該像素點歸到與自己最近那一類； 4e)重復(fù)步驟4c)和4d)直到聚類結(jié)束，聚類結(jié)束的停機準(zhǔn)則如下滿足 ” 最小，且Σ K I (ε = 0.01) ’ 其中K表示聚類的類別數(shù)，取值為2，Mxj-CiII表示\和4的歐式距離，C' i表示下 一次迭代后的聚類中心；4f)標(biāo)記最終的聚類結(jié)果，第一類標(biāo)記為0，第二類標(biāo)記為1，并將標(biāo)記為1的像素轉(zhuǎn)換 為255，得到變化檢測結(jié)果圖。
全文摘要
本發(fā)明公開了一種基于鄰域相似性及掩模增強的SAR圖像變化檢測方法，它涉及遙感圖像處理領(lǐng)域，主要解決SAR圖像變化檢測的差異圖構(gòu)造受SAR圖像斑點噪聲影響嚴(yán)重的問題，其實現(xiàn)步驟為(1)對不同時相同一場景的兩幅SAR圖像I1和I2進行幾何校正和配準(zhǔn)；(2)用鄰域相似度算子，構(gòu)造圖像I1和I2的差異影像圖DI；(3)對差異影像圖DI進行掩模增強處理，得到新的差異影像圖NDI；(4)利用初始點確定的K均值聚類方法，對新的差異影像圖NDI進行聚類，得到變化檢測結(jié)果圖CDI。本發(fā)明具有運行效率高，算法復(fù)雜度和時間復(fù)雜度低，實驗效果好的特點，可用于兩時相SAR圖像的變化檢測。
文檔編號G06T5/00GK101923711SQ20101023065
公開日2010年12月22日 申請日期2010年7月16日 優(yōu)先權(quán)日2010年7月16日
發(fā)明者公茂果, 劉芳, 吳巧娣, 焦李成, 王桂婷, 王爽, 鐘樺, 馬文萍 申請人:西安電子科技大學(xué)