專利名稱：基于非局部均值的sar圖像變化檢測(cè)模糊聚類分析方法
技術(shù)領(lǐng)域：
本發(fā)明屬于SAR圖像變化檢測(cè)技術(shù)領(lǐng)域，涉及SAR圖像變化檢測(cè)中的差異圖分析技術(shù)。具體地說(shuō)是提出了一種基于非局部均值的SAR圖像變化檢測(cè)模糊聚類分析方法，用來(lái)進(jìn)行SAR圖像變化檢測(cè)中對(duì)差異圖的分類分析，克服原有方法變化區(qū)域檢測(cè)錯(cuò)誤率較高的問(wèn)題，提高SAR圖像變化檢測(cè)中的檢測(cè)精度及速度。
背景技術(shù)：
隨著合成孔徑雷達(dá)(synthetic aperture radar, SAR)技術(shù)的快速發(fā)展,SAR系統(tǒng) 可以全天候、全天時(shí)獲取圖像數(shù)據(jù)，是較好的變化檢測(cè)圖像源。SAR圖像變化檢測(cè)是通過(guò)對(duì)同一地區(qū)的不同時(shí)期的兩幅SAR圖像進(jìn)行比較分析，根據(jù)圖像之間的差異得到所需的地物變化信息。SAR圖像變化檢測(cè)技術(shù)在森林覆蓋變化、土地利用與覆蓋、城市環(huán)境變化等領(lǐng)域具有廣泛的應(yīng)用前景。SAR圖像變化檢測(cè)可以分為三個(gè)階段首先，對(duì)獲得的SAR圖像進(jìn)行預(yù)處理，包括圖像配準(zhǔn)和輻射校正；然后，對(duì)校正過(guò)的圖像進(jìn)行比較，生成包含變化信息的差異圖像 ’最后，通過(guò)分析差異圖，得到最終的變化檢測(cè)結(jié)果圖像(即用二值圖像代表變化和未變化兩類)。差異圖分析技術(shù)是SAR圖像變化檢測(cè)中的關(guān)鍵技術(shù)之一。常見(jiàn)的差異圖分析理論可以分為兩類，閾值理論和聚類理論。在SAR圖像變化檢測(cè)中，許多不同的閾值分割方法被應(yīng)用于差異圖分析。KI閾值分割方法是Kittler和Illingworth提出的經(jīng)典的最小誤差閾值方法，該方法假設(shè)變化區(qū)域與非變化區(qū)域的直方圖統(tǒng)計(jì)分布符合高斯分布，通過(guò)最小化懲罰函數(shù)來(lái)自動(dòng)確定閾值。但該方法中基于高斯模型的假設(shè)并不準(zhǔn)確，實(shí)際SAR圖像數(shù)據(jù)分布并不符合高斯分布，所以其檢測(cè)錯(cuò)誤率仍較高。意大利G. Moser, S. B. Serpico等人在最小誤差閾值基礎(chǔ)上提出了一種廣義最小誤差閾值方法，該方法以三種概率分布模型Nakagami分布、Log-Normal分布和Weibull分布為基礎(chǔ)擴(kuò)展了最小誤差閾值方法。該閾值方法由于使用了更加適合SAR圖像數(shù)據(jù)分布的模型，所以呈現(xiàn)了較好的檢測(cè)結(jié)果。但是，這三種模型仍不能完全擬合差異圖直方圖，所以其檢測(cè)錯(cuò)誤率仍然較高。閾值理論方法簡(jiǎn)單，時(shí)間迅速但需要估計(jì)差異圖變化類和未變化類的統(tǒng)計(jì)模型，這樣大大限制了它的應(yīng)用范圍。聚類理論可以克服閾值理論的限制性，無(wú)需對(duì)變化類和未變化類的分布模型進(jìn)行估計(jì)，可以提高分類精度，進(jìn)而大大改善變化檢測(cè)的正確率。聚類理論是指將物理或抽象對(duì)象的集合分組成由類似的對(duì)象組成的多個(gè)類的過(guò)程。由聚類所生成的簇是一組數(shù)據(jù)對(duì)象的集合，這些對(duì)象與同一簇中的對(duì)象彼此相似，與其它簇中的對(duì)象相異。其中K均值聚類算法和模糊C均值聚類算法是理論發(fā)展最成熟和最為常用的聚類算法。K均值算法是典型的硬聚類算法，其主要缺陷是依賴初始聚類中心的選擇，一旦初始值選的不好，可能無(wú)法得到有效地聚類結(jié)果。另外，該算法需要不斷地進(jìn)行樣本分類調(diào)整，不斷地計(jì)算調(diào)整后新的聚類中心，因此，K均值聚類算法的時(shí)間開(kāi)銷是非常大的。由于硬聚類把每個(gè)待識(shí)別的對(duì)象嚴(yán)格的劃分到某類中，具有非此即彼的性質(zhì)，而模糊聚類能夠描述樣本類屬的中介性，能夠客觀地反映現(xiàn)實(shí)世界，模糊聚類已逐漸成為聚類分析的主流。在眾多模糊聚類算法中，模糊C均值聚類(FCM)算法應(yīng)用最為廣泛，發(fā)展最為成熟，并有一系列基于模糊C均值聚類算法的改進(jìn)算法，克服了原始FCM處理圖像不考慮圖像空間信息及容易陷入局部最優(yōu)的缺陷，對(duì)原始FCM作出了改進(jìn)。全局快速模糊C均值聚類(FGFCM)算法在原始FCM中引入空間相似性度量指標(biāo)，既考慮了鄰域的灰度值信息，也考慮了鄰域的空間信息，能綜合圖像中的空間信息得到更為精確的聚類結(jié)果，且聚類過(guò)程在灰度統(tǒng)計(jì)直方圖上進(jìn)行，圖像的灰度值往往遠(yuǎn)小于圖像大小，這樣，在時(shí)間復(fù)雜度上FGFCM比原始FCM更有優(yōu)勢(shì)。綜上，現(xiàn)有技術(shù)中包括現(xiàn)有的差異圖分析方法對(duì)差異圖的質(zhì)量依賴性高，且對(duì)差異圖中噪聲敏感，現(xiàn)有的常用差異圖分析方法 檢測(cè)錯(cuò)誤率較高，以致SAR圖像變化檢測(cè)系統(tǒng)精度不高。

發(fā)明內(nèi)容
本發(fā)明的目的在于運(yùn)用改進(jìn)模糊C均值聚類將SAR圖像變化檢測(cè)中的差異信息圖分為變化/未變化兩類，克服現(xiàn)有差異圖分析方法對(duì)差異圖中的噪聲敏感，檢測(cè)錯(cuò)誤率較高的缺陷。SAR圖像變化檢測(cè)可以分為三個(gè)階段，預(yù)處理階段，比較產(chǎn)生差異圖階段和差異圖分析階段，對(duì)實(shí)現(xiàn)變化檢測(cè)而言，這三個(gè)階段是不可或缺但又相對(duì)獨(dú)立的部分，差異圖分析作為SAR圖像變化檢測(cè)的終極階段，其任務(wù)是分析由上一階段生成的差異圖像，即把上一階段生成的差異信息圖作為圖像源，進(jìn)行分類分析處理，得到能顯示變化/未變化區(qū)域的二值圖像，完成SAR圖像變化檢測(cè)，本發(fā)明正是處于SAR圖像變化檢測(cè)的終極階段。本發(fā)明的技術(shù)方案是首先輸入由兩幅不同時(shí)間相同地域的SAR圖像構(gòu)造的差異圖，然后按全局快速模糊C均值聚類(FGFCM)算法中的相似性度量指標(biāo)修正像素值，得到考慮到局部空間信息的像素值矩陣，接著對(duì)差異圖進(jìn)行非局部均值濾波處理，得到非局部濾波后的像素值矩陣，再將局部空間信息矩陣與非局部信息矩陣加權(quán)求和，生成完整的像素值矩陣，最后運(yùn)用FGFCM算法對(duì)其進(jìn)行聚類，再通過(guò)FGFCM聚類結(jié)果生成變化檢測(cè)結(jié)果圖，完成對(duì)兩幅SAR圖像中變化區(qū)域的最終檢測(cè)，本發(fā)明其具體實(shí)現(xiàn)步驟如下步驟I通過(guò)星載合成孔徑雷達(dá)獲取兩幅不同時(shí)間相同地域的SAR圖像，將兩幅不同時(shí)間相同地域的圖像，輸入到安裝有矩陣實(shí)驗(yàn)室和Visual C++6.0軟件的計(jì)算機(jī)中，使SAR圖像中每個(gè)像素點(diǎn)由其像素灰度值，即像素值表示；利用相關(guān)軟件處理經(jīng)過(guò)濾波去噪，輻射校正與幾何配準(zhǔn)的預(yù)處理SAR圖像X1,圖像X2構(gòu)造的差異圖像X，
X"i1~m^1,x')]><255，使得在差異圖像上低灰度級(jí)呈現(xiàn)為無(wú)變化區(qū)域，高灰度級(jí)呈現(xiàn)為
變化區(qū)域；步驟2通過(guò)Matlab或C++編程，或Matlab和C++混合編程實(shí)現(xiàn)對(duì)差異圖X中每
個(gè)像素點(diǎn)Xi按相似性度量方法進(jìn)行處理，得到局部空間信息像素矩陣，差異圖X中每個(gè)像 Σ SijXj
素點(diǎn)按公式Y(jié)計(jì)算，其中Sij表示以像素點(diǎn)i為中心的鄰域內(nèi)第j個(gè)像素值和中心
盧 N,像素的相似度，Xj為鄰域內(nèi)第j個(gè)像素點(diǎn)的像素值，Xi i為修正后新的像素矩陣中第i個(gè)像素點(diǎn)的像素值；步驟3對(duì)差異圖X中每個(gè)像素點(diǎn)Xi作非局部均值處理，得到非局部濾波后像素矩
陣，非局部濾波后像素矩陣中每個(gè)像素點(diǎn)通過(guò)公式
權(quán)利要求
1.一種基于非局部均值的SAR圖像變化檢測(cè)模糊聚類分析方法，其特征在于基于非局部均值的SAR圖像變化檢測(cè)模糊聚類分析具體實(shí)現(xiàn)步驟包括有 步驟I通過(guò)星載合成孔徑雷達(dá)獲取兩幅不同時(shí)間相同地域的SAR圖像，將兩幅不同時(shí)間相同地域的圖像，輸入到安裝有矩陣實(shí)驗(yàn)室和Visual C++6. O軟件的計(jì)算機(jī)中，使SAR圖像中每個(gè)像素點(diǎn)由其像素灰度值即像素值表示；利用相關(guān)軟件處理經(jīng)過(guò)濾波去噪，輻射校正與幾何配準(zhǔn)的預(yù)處理SAR圖像X1,圖像X2構(gòu)造的差異圖像x’xj1-= : }255，使得在差異圖像上低灰度級(jí)呈現(xiàn)為無(wú)變化區(qū)域，高灰度級(jí)呈現(xiàn)為變化區(qū)域； 步驟2通過(guò)Matlab或C++編程，或Matlab和C ++混合編程實(shí)現(xiàn)對(duì)差異圖X中每個(gè)像素點(diǎn)Xi按相似性度量方法進(jìn)行處理，得到局部空間信息像素矩陣，差異圖X中每個(gè)像素點(diǎn)YSvXj按公式「計(jì)算，其中Sij表示以像素點(diǎn)i為中心的鄰域內(nèi)第j個(gè)像素值和中心像素 J^N, V的相似度，Xj為鄰域內(nèi)第j個(gè)像素點(diǎn)的像素值，X1 i為修正后新的像素矩陣中第i個(gè)像素點(diǎn)的像素值； 步驟3對(duì)差異圖X中每個(gè)像素點(diǎn)Xi作非局部均值處理，得到非局部濾波后像素矩陣，非局部濾波后像素矩陣中每個(gè)像素點(diǎn)通過(guò)公式' =S W求得，其中P是指以像素點(diǎn)i為中心的半徑為r的搜索窗口，xp是像素點(diǎn)P的像素值，是像素點(diǎn)i和在搜索窗口內(nèi)像素點(diǎn)P的相似度權(quán)重，且滿足O彡wip彡I和=1 4為非局部濾波后的像素矩陣中第i個(gè)像素點(diǎn)的像素值；步驟4對(duì)差異圖X中每個(gè)像素點(diǎn)計(jì)算給予權(quán)重λ i，λ,^-Συ^χ,,χ,,)，其中 Wi=I ν ^rγU(x xp) = txv -Σ-rlog手々，(，，Ap,k分別代表以像素點(diǎn)i和像素點(diǎn)p為中心的第kVk=lh \ Apjc A,,k JJ個(gè)像素點(diǎn)的像素值，Ut代表在搜索窗口內(nèi)相似度指數(shù)U (Xi, Xp)由大到小排列的第t個(gè)，m表示要取相似度指數(shù)U (Xi，Xp)的個(gè)數(shù)； 步驟5對(duì)步驟2生成的局部空間信息像素矩陣和步驟3非局部均值濾波后的像素矩陣進(jìn)行加權(quán)求和，得到新的完整像素值矩陣n，1 = (1-λ, Ag，其中Jii為像素值矩陣η中第i個(gè)像素點(diǎn)的像素值； 步驟6設(shè)置FGFCM算法中聚類個(gè)數(shù)C，模糊指數(shù)m，終止條件ε，最大迭代次數(shù)Τ，搜索窗口半徑r，鄰域窗口半徑s ； 步驟7對(duì)差異圖完整像素值矩陣η按設(shè)定聚類個(gè)數(shù)隨機(jī)初始化隸屬度矩陣yki，Uki表示第i個(gè)像素點(diǎn)屬于第k類的隸屬度，滿足=1和O彡μ ki彡1，令迭代計(jì)數(shù)b = I ; Σ,γΚη, 步驟8更新差異圖完整像素值矩陣η聚類中心K 二氣——’其中，Vk代表第k類的1=1聚類中心，M表示差異圖中的像素值統(tǒng)計(jì)個(gè)數(shù)，Yi表示像素值為i的像素點(diǎn)個(gè)數(shù)，且滿足步驟9更新差異圖完整像素值矩陣η模糊隸屬度矩陣
2.根據(jù)權(quán)利要求I所述的基于非局部思想的SAR圖像變化檢測(cè)模糊聚類分析方法，其特征在于步驟4中計(jì)算差異圖X中每個(gè)像素點(diǎn)的給予權(quán)重λ i，具體實(shí)現(xiàn)步驟包括有 ·4. I計(jì)算搜索窗口內(nèi)相似度指數(shù)U (Xi，xp)，按公式
全文摘要
本發(fā)明公開(kāi)一種基于非局部均值的SAR圖像變化檢測(cè)模糊聚類分析方法。實(shí)現(xiàn)過(guò)程主要包括輸入一幅由兩幅不同時(shí)間相同地域的SAR圖像的差異圖；按全局快速模糊C均值聚類(FGFCM)算法中的相似性度量指標(biāo)修正差異圖像素值，得到局部空間信息像素值矩陣；對(duì)差異圖作非局部均值處理生成非局部濾波的像素值矩陣；對(duì)上述兩個(gè)矩陣加權(quán)求和生成完整的像素值矩陣；運(yùn)用FGFCM算法對(duì)其進(jìn)行聚類，生成變化檢測(cè)二值結(jié)果圖，整體完成對(duì)兩幅SAR圖像的變化檢測(cè)。本發(fā)明兼顧了圖像局部空間信息和非局部均值信息，并將其有機(jī)結(jié)合，使圖像分析的聚類過(guò)程中既有效克服噪聲影響并保留圖像細(xì)節(jié)，得到更為精確的差異圖分析結(jié)果。
文檔編號(hào)G06T7/00GK102938071SQ20121034677
公開(kāi)日2013年2月20日 申請(qǐng)日期2012年9月18日 優(yōu)先權(quán)日2012年9月18日
發(fā)明者公茂果, 焦李成, 陳默, 馬晶晶, 賈萌, 李瑜, 翟路, 王爽, 王桂婷, 馬文萍 申請(qǐng)人:西安電子科技大學(xué)