檢測(cè)全極化sar圖像的變化區(qū)域的方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種檢測(cè)全極化SAR圖像的變化區(qū)域的方法和裝置。
【背景技術(shù)】
[0002] 進(jìn)入21世紀(jì)以來(lái),世界人口急劇增加,土地沙漠化逐漸嚴(yán)重,資源日益匱乏,自然 災(zāi)害頻發(fā)。2008年汶川大地震、2010年青海玉樹(shù)大地震及災(zāi)難性印尼海嘯、2011年日本福 島大地震和2013年的臺(tái)風(fēng)"海燕"多次喚起了全人類(lèi)對(duì)遙感在災(zāi)害監(jiān)測(cè)與評(píng)估方面的重 視。在實(shí)際應(yīng)用中,上述大多數(shù)監(jiān)測(cè)問(wèn)題都是以變化檢測(cè)的形式提出,即通過(guò)不同時(shí)段的觀 測(cè),來(lái)識(shí)別城市、森林、水域、農(nóng)田等地物狀態(tài)的變化過(guò)程。雷達(dá)對(duì)地觀測(cè)技術(shù)是解決上述問(wèn) 題的重要手段之一,合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)作為現(xiàn)代遙感領(lǐng)域 的一項(xiàng)突破性成就,其使雷達(dá)的基本功能發(fā)生了重大改變。近些年,SAR憑借其相較于光學(xué) 遙感影像,在全天時(shí)、全天候,尤其是多云多雨天氣狀況下也能有效施行對(duì)地觀測(cè)的獨(dú)特優(yōu) 勢(shì),成為了目前遙感領(lǐng)域中的一種有效態(tài)監(jiān)測(cè)手段,其被越來(lái)越多地應(yīng)用到如震后災(zāi)害評(píng) 估、海嘯受災(zāi)狀況評(píng)估、農(nóng)作物生長(zhǎng)狀況監(jiān)測(cè)等的變化檢測(cè)工作中。在城鎮(zhèn)化建設(shè)上,SAR圖 像變化檢測(cè)技術(shù)作為研究城區(qū)變化的重要手段,已在城區(qū)擴(kuò)建、非法建筑及土地濫用、濕地 生態(tài)面積縮減狀況、城中耕地面積監(jiān)測(cè)和湖波變化中發(fā)揮重要作用。
[0003] 但是,由于受到數(shù)據(jù)源和SAR技術(shù)的限制,目前已提出的SAR影像變化檢測(cè)方法基 本上都是針對(duì)單通道(單一微波波段、單一極化方式)的SAR影像設(shè)計(jì)的,而很少引入極化 信息。2007年,加拿大Radarsat-2、德國(guó)TerrraSAR-X和意大利Cosmo-SkyMed新型雷達(dá)系 統(tǒng)的出現(xiàn),引起了全極化雷達(dá)遙感研究和應(yīng)用的熱潮。與傳統(tǒng)的單極化SAR系統(tǒng)相比,極化 SAR(Polarimetric Synthetic Aperture Radar, PolSAR)能在不同收發(fā)極化組合下,測(cè)量 地物目標(biāo)的極化散射特性(即,極化SAR能夠通過(guò)發(fā)射和接收不同極化方式的電磁波,來(lái)探 測(cè)地面目標(biāo)對(duì)電磁波的調(diào)制特性),能夠獲取同一地物目標(biāo)更全面信息,從而使其在目標(biāo)檢 測(cè)、識(shí)別、分類(lèi)以及目標(biāo)參數(shù)反演等方面也具有顯著的優(yōu)勢(shì)。受雷達(dá)系統(tǒng)側(cè)視成像和斑噪特 性的影響,通過(guò)單極化的后向散射系數(shù)很難對(duì)照射地物進(jìn)行全面解譯和識(shí)別。利用多極化 信息可以得到相互補(bǔ)充的不同信息,增加信息含量,獲取同一地物目標(biāo)更全面信息,有利于 地物變化的檢測(cè)與識(shí)別。
[0004] 最近幾年,SAR成像技術(shù)日益成熟,圖像質(zhì)量逐漸提高,分辨率不斷增強(qiáng),獲取數(shù)據(jù) 的能力和精度越來(lái)越高。相對(duì)于高分辨率光學(xué)影像、中低分辨率SAR影像,高分辨率SAR影 像特點(diǎn)主要表現(xiàn)在:1)高空間分辨率使得SAR圖像紋理結(jié)構(gòu)更加清晰,能夠在較小的空間 尺度上探測(cè)細(xì)節(jié)變化,實(shí)現(xiàn)對(duì)建筑物、道路等地面目標(biāo)細(xì)微特征的探測(cè);2)地物空間拓?fù)?信息更加豐富,更充分地反應(yīng)在了影像地物的尺寸、形狀、鄰域地物關(guān)系。然而,對(duì)于極化 SAR來(lái)說(shuō),米級(jí)分辨率影像在帶來(lái)地物豐富細(xì)節(jié)的同時(shí),也帶來(lái)了數(shù)據(jù)存儲(chǔ)量倍增、獨(dú)立地 物成像特征破碎、統(tǒng)計(jì)特征復(fù)雜化等諸多高分辨率SAR影像的解譯難題。這時(shí),傳統(tǒng)的基于 紋理均勻假設(shè)的極化SAR雜波統(tǒng)計(jì)模型和相應(yīng)的相似性度量,已不再適用于高分辨率全極 化SAR圖像分割、分類(lèi)和目標(biāo)檢測(cè)等應(yīng)用需求。目前,全極化SAR變化檢測(cè)還存在下面2個(gè) 不足:
[0005] ①在PolSAR雜波模型方面,單視情況下描述全極化散射矢量的球不變隨機(jī)矢量 模型(Spherically Invariant Random Vectors, SIRV)模型已基本上與單極化SAR模型的 發(fā)展一一對(duì)應(yīng)。但是,為了方便SAR數(shù)據(jù)壓縮、初步去噪和局部散射體分析,全極化SAR數(shù) 據(jù)常常以多視方式存儲(chǔ)。多視后的SAR數(shù)據(jù)一般用極化協(xié)方差矩陣或相干矩陣表征。目前 用于擬合極化相干矩形的多視極化SAR乘性模型中,往往假設(shè)模型中紋理的均值為1,這種 假設(shè)在高分辨率圖像上是不成立的。對(duì)于高分辨率數(shù)據(jù)而言,其紋理結(jié)構(gòu)十分清晰,包含了 極化數(shù)據(jù)的功率信息,紋理的特征已成為地物識(shí)別和檢測(cè)的重要信息。一般情況下,除非對(duì) 相干矩陣進(jìn)行歸一化,否則其紋理均值是不等于1的。
[0006] ②在全極化SAR變化測(cè)度研究上,現(xiàn)在主要的測(cè)度Wishart距離和SIRV距離中均 沒(méi)有包含紋理的變化信息。對(duì)于SAR變化檢測(cè)而言,圖像之間最明顯的變化一般就是強(qiáng)度 的變化,這個(gè)變化反映在全極化SAR圖像上就是圖像功率的變化,而圖像功率又是由紋理 表征的。因此,紋理的變化是全極化SAR地物類(lèi)型變化的主要標(biāo)志之一,應(yīng)該是變化檢測(cè)算 法重點(diǎn)檢測(cè)的信息。在定義高分辨率全極化SAR變化檢測(cè)時(shí),既要考慮地物極化散射特性 (斑噪)的變化,也要同時(shí)考慮地物本身散射功率(紋理)的變化。
【發(fā)明內(nèi)容】
[0007] 本發(fā)明所要解決的問(wèn)題是現(xiàn)有的全極化SAR模型不能提供精確的區(qū)域變化區(qū)域, 提供一種基于極不均勻紋理的多視極化SAR乘性模型能檢測(cè)出準(zhǔn)確的變化區(qū)域。
[0008] 為了解決上述問(wèn)題,本發(fā)明提供了一種檢測(cè)全極化SAR圖像的變化區(qū)域的方法, 方法包括:步驟S2 :使用基于極不均勻紋理的多視極化SAR乘性模型對(duì)先后接收的全極化 主、輔SAR圖像進(jìn)行擬合,以分別得到主、輔SAR圖像的紋理圖像、斑噪?yún)f(xié)方差圖像,并分別 根據(jù)主、輔SAR圖像的紋理圖像確定其對(duì)應(yīng)的概率密度函數(shù)的分布參數(shù),主、輔SAR圖像為 包括同一對(duì)象區(qū)域的高分辨率全極化SAR圖像;步驟S4 :根據(jù)主、輔SAR圖像各自的紋理圖 像、斑噪?yún)f(xié)方差圖像和概率密度函數(shù)的分布參數(shù),并通過(guò)基于極不均勻紋理的多視極化SAR 乘性模型的相似性度量對(duì)比主、輔SAR圖像得到差異信息,基于差異信息確定相對(duì)于主、輔 SAR圖像的差異圖像;步驟S6 :將差異圖像與主SAR圖像和/或輔SAR圖像進(jìn)行比對(duì),以檢 測(cè)出變化區(qū)域。
[0009] 作為優(yōu)選,在步驟S2之前,方法進(jìn)一步包括:步驟Sl :對(duì)接收的主、輔SAR圖像進(jìn) 行同一對(duì)象區(qū)域的對(duì)應(yīng)匹配。
[0010] 作為優(yōu)選,步驟S2中的使用基于極不均勻紋理的多視極化SAR乘性模型對(duì)主、輔 SAR圖像進(jìn)行擬合包括:使用基于極不均勻紋理的乘性模型的概率密度函數(shù)推導(dǎo)主、輔SAR 圖像的紋理圖像、斑噪?yún)f(xié)方差圖像。
[0011] 基于極不均勻紋理的乘性模型的概率密度函數(shù)為:
[
[0013] 其中,L代表多視為L(zhǎng)視,W為L(zhǎng)視下未標(biāo)準(zhǔn)化的全極化相干矩陣,Pw為W的概率 密度函數(shù),τ表示圖像的紋理,Σ為斑噪?yún)f(xié)方差矩陣,r p(L)為L(zhǎng)視下概率密度函數(shù)的復(fù) 數(shù)形式的多元Ga_a函數(shù)。
[0014] 作為優(yōu)選,步驟S2中的分別根據(jù)主、輔SAR圖像的紋理圖像確定其對(duì)應(yīng)的紋理圖 像的概率密度函數(shù)的分布參數(shù)包括:設(shè)置主、輔SAR圖像的紋理圖像以符合Ga_a函數(shù)分 布。
[0015] 作為優(yōu)選,基于極不均勻紋理的多視極化SAR乘性模型的相似性度量為:
[0016] Sp = MLLp (X) +MLLp (Y) -MLLp (X U Y)
[0017] 其中,Sp為Pw的變化測(cè)度,X為主SAR圖像內(nèi)的子區(qū)域,MLLp(X)表示區(qū)域X內(nèi) Pw的最大對(duì)數(shù)似然函數(shù),Y為輔SAR圖像內(nèi)的子區(qū)域,MLLp(Y)表示區(qū)域Y內(nèi)Pw的最大對(duì) 數(shù)似然函數(shù),區(qū)域X與區(qū)域Y為對(duì)應(yīng)子區(qū)域。
[0018] 作為優(yōu)選,在步驟S6之前,包括:步驟S5 :通過(guò)對(duì)差異圖像進(jìn)行閥值分割來(lái)確定其 區(qū)域和邊界。
[0019] 作為優(yōu)選,步驟S5包括:S51、對(duì)差異圖像進(jìn)行自適應(yīng)KI閥值分割得到區(qū)別變化區(qū) 域與不變區(qū)域的作為二值化圖像的二值化掩膜;S52、通過(guò)連通區(qū)搜索算法去除二值化圖像 中的變化面積小于預(yù)定值的變化區(qū)域;S53、通過(guò)形態(tài)學(xué)的閉運(yùn)算中的膨脹操作對(duì)變化區(qū)域 進(jìn)行膨脹得到膨脹區(qū)域,并對(duì)該膨脹區(qū)域的周界進(jìn)行記錄;S54、通過(guò)形態(tài)學(xué)的閉運(yùn)算中的 腐蝕操作,采用與膨脹操作相對(duì)應(yīng)的比例對(duì)膨脹區(qū)域進(jìn)行腐蝕,得到腐蝕后區(qū)域;S55、將腐 蝕后區(qū)域的周界與膨脹區(qū)域的周界進(jìn)行作差得到差異圖像中變化區(qū)域的邊界。
[0020] 作為優(yōu)選,在步驟S6之后進(jìn)一步包括:步驟S7 :將變化區(qū)域與主、輔SAR圖像進(jìn)行 疊合,確定主、輔SAR圖像內(nèi)的變化部分。
[0021] 本發(fā)明還提供了一種檢測(cè)全極化SAR圖像的變化區(qū)域的裝置,其特征在于,全極 化SAR圖像基于極不均勻紋理,檢測(cè)裝置包括:參數(shù)確定模塊,其配置為使用基于極不均勻 紋理的多視極化SAR乘性模型對(duì)先后接收的全極化主、輔SAR圖像進(jìn)行擬合,以分別得到 主、輔SAR圖像的紋理圖像、斑噪?yún)f(xié)方差圖像,并分別根據(jù)主、輔SAR圖像的紋理圖像確定其 對(duì)