基于顯著性引導的sar圖像變化檢測方法
【技術領域】
[0001] 本發(fā)明屬于雷達圖像處理技術領域，涉及SAR圖像的變化檢測，可用于農(nóng)業(yè)調(diào)查， 自然災害和國土資源監(jiān)測，軍事目標監(jiān)測與戰(zhàn)場打擊效果評估。
【背景技術】
[0002] 變化檢測方法主要是分析多時圖像中的變化信息從而對其進行理解與解譯，該方 法近些年已引起了廣泛的研宄和關注。特別是在遙感領域，由于合成孔徑雷達SAR本身所 具有的全天時全天候的工作特性，使得SAR圖像的變化檢測方法已廣泛應用于農(nóng)業(yè)調(diào)查， 自然災害和國土資源監(jiān)測，軍事目標監(jiān)測與戰(zhàn)場打擊效果評估等諸多方面。
[0003] 針對同一地區(qū)不同時段獲取的SAR圖像，傳統(tǒng)的SAR圖像變化檢測方法主要分為 兩大類：有監(jiān)督方法和無監(jiān)督方法。有監(jiān)督方法由于其需要有標記的樣本來進行模型的訓 練，而這類有標記樣本恰是不易獲取的，從而使得這類方法的使用受到局限。無監(jiān)督方法不 需要標記樣本，直接在構(gòu)造差分圖的基礎上進行變化信息的分析和解譯，從而使得該類方 法得到廣泛應用。
[0004] 比較經(jīng)典的無監(jiān)督SAR變化檢測方法主要有主成分分析和K均值聚類結(jié)合的 方法PCA-K、加入局部信息的模糊聚類算法FLICM、基于馬爾科夫隨機場的模糊聚類算法 MRFFCM。PCA-K方法在由對數(shù)比值算子構(gòu)造的差分圖的基礎上，首先進行非重疊分塊，利用 主分量分析方法獲得特征空間，然后對差分圖進行重疊分塊，將所有向量化的塊投影到該 特征空間以獲得特征向量，最后對這些特征向量通過K均值算法進行聚類來獲得最終的變 化檢測圖。FLICM和MRFFCM方法主要是在進行變化檢測的過程中考慮到了數(shù)據(jù)的局部鄰域 信息。盡管這些方法都能夠有效的對變化信息進行檢測，但仍存在檢測精度不高和易受噪 聲干擾的問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有技術檢測精度不高且易受噪聲影響的缺點，提出一種 基于顯著性引導的SAR圖像變化檢測方法，以提高SAR圖像變化檢測的精度。
[0006] 實現(xiàn)本發(fā)明目的的技術方案是：
[0007] -.技術原理
[0008] 在計算機視覺領域，顯著圖描述的是在視覺上存在強局部對比度的區(qū)域，這些區(qū) 域能被人能首先并且長時間關注到。這些強對比度來自局部區(qū)域的紋理、灰度值、形狀、顏 色等等。這使得我們考慮在給定一個初始差分圖的情況下SAR圖像的變化檢測問題，顯著 性和變化檢測在理論和視覺上存在著共性。顯著性主要是用來提取明顯區(qū)別與局部和全局 區(qū)域的那些區(qū)域，而在給定初始差分圖的情況下，SAR圖像的變化檢測問題可以看作是尋找 與其他區(qū)域具有精確區(qū)分的區(qū)域，從該角度來看，顯著圖的提取和SAR圖像的變化檢測問 題在本質(zhì)上是一致的，而且在視覺效果上來說，多時SAR圖像的變化區(qū)域正好也對應著初 始差分圖的顯著區(qū)域。
[0009] 二.實現(xiàn)方案
[0010] 本發(fā)明基于顯著性引導的SAR圖像變化檢測方法，包括如下步驟：
[0011] (1)對待檢測的兩幅SAR圖像XjPX2進行對數(shù)比值操作，得到一個初始的差分圖 Dl：
【主權項】
1. 一種基于顯著性引導的SAR圖像變化檢測方法，包括如下步驟： (1) 對待檢測的兩幅SAR圖像Xi和X2進行對數(shù)比值操作，得到一個初始的差分圖D^
(2) 對初始差分圖町提取顯著圖S; (3) 對顯著圖S進行闊值化操作，得到具有精確邊緣的二值化顯著圖S' (4) 根據(jù)二值化顯著圖S'E分別提取兩幅SAR圖像X1和X2中對應的區(qū)域，對該區(qū)域使 用窗口大小為3X3的均值濾波器進行降斑，得到降斑后的圖像Ii和12,對降斑后的圖像進 行對數(shù)比值操作，得到差分圖町S:
(5) 對差分圖町S通過主分量分析提取特征； (6) 用K均值算法對得到的特征矩陣進行聚類，得到最終的變化檢測結(jié)果。
2. 根據(jù)權利要求1所述的基于顯著性引導的SAR圖像變化檢測方法，其中所述步驟 (2)提取初始差分圖町的顯著圖S，按如下步驟進行： (2a)按大小為7X7的窗口W50%的重疊率對初始差分圖町進行塊劃分，并對每一個 塊進行向量化操作，得到相對應的向量并構(gòu)造向量矩陣X，其中X的每一列為一個向量，X的 大小為49XLL為塊的個數(shù)； (2b)計算X中第i列向量Xi和第j列向量Xj之間的不相似性；
其中，dy(Xi，Xj)為對向量Xi和向量Xj的值進行歸一化后的歐式距離，dp(Xi，Xj)為向量Xi和向量XJ之間的歐式距離，C為參數(shù)取為3 ; (2c)計算向量Xi在尺度r下的顯著值；
其中，K為與向量Xi最為相似的向量的個數(shù)，其值取64 ;r為尺度比例，^〇<，為)為在尺 度r下第i列向量為和與向量Xi最為相似的向量集中第h列向量為之間的不相似性，exp 為W自然對數(shù)e為底數(shù)的指數(shù)函數(shù)； (2d)計算向量Xi在各尺度下的顯著值：
其中，M為尺度的個數(shù)，取值為4 ;R為尺度比例集，其包括100 %，80 %，50 %和30 %四 種不同比例；考（i)為第i個列向量和與第i列向量最為接近的向量在尺度r下歸一化的 歐氏距離，□是一個歸一化算子，用于將不同尺度下得到的顯著圖插值到與原始SAR圖像 具有同樣的大小。
3. 根據(jù)權利要求1所述的基于顯著性引導的SAR圖像變化檢測方法，其中所述步驟 (3)對顯著圖S進行闊值化操作，按如下步驟進行： (3a)構(gòu)造一個與顯著圖S大小相同的全零矩陣S,，再根據(jù)顯著值的直方圖分布設置闊 值T; (3b)將顯著圖S中像素點的值與闊值T進行比較；如果顯著圖S中像素點的值大于 闊值T，則將S沖與該像素點位置對應的像素點的值改為1，否則，仍為0,最終得到由1和 0組成的二值化顯著圖s'C。
4. 根據(jù)權利要求1所述的基于顯著性引導的SAR圖像變化檢測方法，其中步驟（4)所 述的根據(jù)二值化顯著圖S'C分別提取兩幅SAR圖像X1和X2中對應的區(qū)域，是將SAR圖像X1 和X2分別與二值化顯著圖S'E進行對應點的乘積，得到與二值化顯著圖S'E相對應的區(qū)域 Isi和IS2; /、, = 乂,0兩，''=1，2， 其中@為點乘算子。
5. 根據(jù)權利要求1所述的基于顯著性引導的SAR圖像變化檢測方法，其中所述步驟 (5)對差分圖Du通過主分量分析提取特征，按如下步驟進行： 巧a)將差分圖町S劃分為大小為3X3的不重疊塊，并將每一個塊進行向量化操作，即將 每一個塊改寫成一個向量，構(gòu)造向量矩陣C，其中C的每一行為一個向量，C的大小為PX9， P為塊的個數(shù)； 巧b)通過主分量分析對矩陣C生成一個特征空間； 巧C)將差分圖町S劃分為大小為3X3的重疊塊，對每一個塊進行向量化操作并投影到 特征空間W生成特征向量，特征向量的維度取為1 ; 巧d)把所有的特征向量組成一個大小為1X化XJ)的特征矩陣F，其中K為差分圖町S的寬度值，J為差分圖町S的長度值。
【專利摘要】本發(fā)明公開了一種基于顯著性引導的SAR圖像變化檢測方法，主要解決現(xiàn)有方法對SAR圖像變化區(qū)域不能精確檢測以及易受斑點噪聲影響的問題。其實現(xiàn)步驟是：1.對待檢測的兩幅SAR圖像進行對數(shù)比值操作，得到初始差分圖；2.對初始差分圖提取顯著圖并進行閾值化操作，得到二值化顯著圖；3.根據(jù)二值化顯著圖分別提取兩幅SAR圖像中對應的區(qū)域，對該區(qū)域使用窗口大小為3×3的均值濾波器降斑，再通過對數(shù)比值操作得到差分圖；4.對差分圖通過主分量分析提取特征；5.用K均值算法對得到的特征矩陣進行聚類，得到最終的變化檢測結(jié)果。本發(fā)明能對變化區(qū)域進行準確定位并精確檢測，可用于公共安全，雷達圖像處理和視頻監(jiān)控領域。
【IPC分類】G06T7-00
【公開號】CN104794729
【申請?zhí)枴緾N201510223998
【發(fā)明人】焦李成, 鄭耀國, 馬文萍, 屈嶸, 侯彪, 王爽, 楊淑媛, 馬晶晶
【申請人】西安電子科技大學
【公開日】2015年7月22日
【申請日】2015年5月5日