基于小波變換和svm的sar遙感影像變化檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于小波變換和SVM的SAR遙感影像變化檢測方法，屬于多時相 SAR遙感影像變化檢測技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 遙感圖像變化檢測是指通過比較分析同一地理區(qū)域不同時相的遙感圖像，獲得該 地區(qū)運(yùn)段時間的地物變化信息。近幾年，遙感圖像變換檢測技術(shù)已廣泛應(yīng)用于眾多領(lǐng)域，如 環(huán)境監(jiān)測、農(nóng)業(yè)研究，城鎮(zhèn)變化調(diào)查、森林植被變化監(jiān)測等。
[0003] 合成孔徑雷達(dá)(SAR)具有高分辨率、全天候、全天時的特點(diǎn)，可方便地獲得同一地 區(qū)不同時間的圖像。但是SAR圖像固有的相干斑噪聲嚴(yán)重影響了圖像質(zhì)量及后期應(yīng)用。本文 采用基于小波變換的融合方法對差異圖像進(jìn)行處理，有效抑制了圖像的背景噪聲，使得圖 像更有利于后續(xù)變化檢測。
[0004] 遙感圖像變化檢測方法通?？蒞分成有監(jiān)督的變化檢測和無監(jiān)督的變化檢測兩 大類。有監(jiān)督的變化檢測方法需要獲取大量真實(shí)的地物信息，通過大量已標(biāo)記的樣本去識 別其他未標(biāo)記的樣本。由于實(shí)際操作中，有標(biāo)記的樣本數(shù)量有限且獲取困難，因此有監(jiān)督方 法的實(shí)際操作很難實(shí)現(xiàn)。無監(jiān)督的變化檢測不需要額外的地物信息，直接通過兩幅原始圖 像進(jìn)行比較，得到最終的遙感圖像變化檢測結(jié)果。無監(jiān)督方法成熟，簡單易操作，但是檢測 效果不理想。在實(shí)際應(yīng)用中，存在大量未標(biāo)記的數(shù)據(jù)，如何有效利用運(yùn)些未標(biāo)記的數(shù)據(jù)的信 息來提高變化檢測精度，一直是人們研究的熱點(diǎn)。

【發(fā)明內(nèi)容】

[000引為解決現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種基于小波變換和支持向量機(jī) 的兩時相的SAR遙感影像變化檢測方法，通過使用的漸進(jìn)直推式支持向量機(jī)運(yùn)種半監(jiān)督的 方法，不需要大量已知的地物信息，可操作性強(qiáng)，同時充分利用了大量未標(biāo)記的樣本數(shù)據(jù)， 提高了變化檢測精度。
[0006] 為了實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用如下的技術(shù)方案：
[0007] -種基于小波變換和SVM的SAR遙感影像變化檢測方法，其特征是，包括如下步驟： [000引1)輸入同一區(qū)域、不同時相的兩幅SAR遙感影像，分別記為：Ii和12;
[0009] 2)利用ENVI對Ii和12進(jìn)行幾何校正；
[0010] 3)對Ii和12分別提取對數(shù)比值圖Xi和均值比值圖X2;
[0011] 4)對步驟3)得到的對數(shù)比值圖Xi和均值比值圖X2進(jìn)行小波變換，融合兩幅影像的 低頻系數(shù)和高頻系數(shù)，反變換得到差異圖像Xd;
[0012] 5)依據(jù)已知的參考圖像，隨機(jī)選擇60個已標(biāo)記的樣本點(diǎn)組成初始訓(xùn)練集；
[0013] 6) W初始訓(xùn)練集為輸入數(shù)據(jù)，利用PTSVM算法對訓(xùn)練集進(jìn)行訓(xùn)練，得到一個分類超 平面；
[0014] 7)利用步驟6)得到的分類超平面對步驟4)得到的差異影像Xd進(jìn)行二分類，確定影 像的變化區(qū)域和非變化區(qū)域。
[0015] 前述的基于小波變換和SVM的SAR遙感影像變化檢測方法，其特征是，所述步驟2) 中幾何校正的具體步驟如下：
[0016] 26)顯示基準(zhǔn)影像和待校正影像；
[0017] 27)啟動幾何校正模塊；
[0018] 28)采集地面控制點(diǎn)GCPs;
[0019] 29)選擇校正參數(shù)輸出結(jié)果；
[0020] 30)檢驗(yàn)校正結(jié)果。
[0021] 前述的基于小波變換和SVM的SAR遙感影像變化檢測方法，其特征是，所述步驟3) 中用式（1)、（2)計算對數(shù)比值圖Xi和均值比值圖X2:
式中，化（i，j)和化Q J)分別表示待檢測圖像Ii和12中W坐標(biāo)Q J)為中屯、的3X3鄰域窗口 內(nèi)所有像素灰度值的平均值。
[0022] 前述的基于小波變換和SVM的SAR遙感影像變化檢測方法，其特征是，所述步驟4) 中的具體步驟如下：
[0023] 41)分別對步驟3)得到的對數(shù)比值圖Xi和均值比值圖枯進(jìn)行歸一化處理：
(3) ，式中，義r表示Xi歸一化之后的圖像，;表示X2歸一化 (4) 之后的圖像，Xlmax表示Xl中所有像素點(diǎn)的最大值，枯max表示枯中所有像素點(diǎn)的最大值；
[002引42)對本?和馬'分別進(jìn)行3層平穩(wěn)小波變換，得到每幅圖像的各層低頻系數(shù)和高頻 系數(shù)；其中高頻系數(shù)包括水平分量、垂直分量和對角分量，低頻系數(shù)包含源圖像的近似特 性；
[0026] 43)低頻系數(shù)的融合規(guī)則為:CA = CAi/化CA2/2(5)，式中，CA是融合后的低頻系數(shù)， CAi是對數(shù)比值圖而第；層的低頻系數(shù)，CA2是均值比值圖磚第；層的低頻系數(shù)；
[0027] 44)高頻系數(shù)的融合規(guī)則為:0/，(/V)=、記I門?處乎么;內(nèi) (6)，式 中，CH3(i，j)表示融合后的第立層的水平方向高頻系數(shù)，CH3i(i，j)表示對數(shù)比值圖軒第立 層的水平方向高頻系數(shù)，C也2(i，j)表示均值比值圖X;'第S層的水平方向高頻系數(shù)，Ei(i，j) 表示W(wǎng)C出l(i，j)為中屯、的3X3窗口內(nèi)的局部能量，巧(z?，/) = 完kw[Cパ3l(A)了，E2(i，j)表 示W(wǎng)CH32(i，j)為中屯、的3X補(bǔ)口內(nèi)的局部能量，= 訂，Ni,康示W(wǎng)坐 標(biāo)(i J)為中屯、的3 X 3窗口內(nèi)分所有點(diǎn)的集合；
[0028] 45)對融合后的低頻和高頻系數(shù)進(jìn)行平穩(wěn)小波逆變換，重構(gòu)得到差異影像XcL
[0029] 前述的基于小波變換和SVM的SAR遙感影像變化檢測方法，其特征是，所述步驟6) 具體步驟如下：
[0030] 61)初始化懲罰因子C和初始化當(dāng)前迭代次數(shù)i和迭代總次數(shù)G，使用基于歸納 式學(xué)習(xí)的SVM對初始訓(xùn)練集進(jìn)行訓(xùn)練，得到一個初始模型；
[0031] 62)根據(jù)初始模型，求出候選集4中的樣本個數(shù)A，計算公式如下：
[00創(chuàng) A二min{Nl'N;) 巧），式中，、C分別為初始模型正負(fù)邊界支持向量 數(shù)；
[0033] 63)根據(jù)模型求出未標(biāo)記樣本數(shù)據(jù)到分界面的距離，并分別選擇A個最接近分界面 的樣本加入到候選集中；
[0034] 64)計算候選集4±中樣本點(diǎn)的闊值，計算公式如下：
[0036] 65)更新訓(xùn)練集和未標(biāo)記的樣本集，當(dāng)樣本點(diǎn)到超平面的距離大于闊值時，將樣本 點(diǎn)加入到混合訓(xùn)練集，并將數(shù)據(jù)從候選集中去除；
[0037] 66)更新懲罰因子，計算公式如下：IiO)，式中，i表示 第i次迭代，為勺初始值；
[0038] 67)根據(jù)新的訓(xùn)練集和懲罰因子重新訓(xùn)練，得到一個新的模型并更新當(dāng)前迭代次 數(shù)i = i+l;
[0039] 68)重復(fù)步驟3)到7)，直到當(dāng)前迭代次數(shù)i大于G。
[0040] 本發(fā)明所達(dá)到的有益效果:采用基于小波變換的融合方法構(gòu)造差異影像，有效抑 制了 SAR遙感圖像中的相干斑噪聲，解決了單一類型差異影像檢測精度低、適用范圍窄的問 題，提高了變換檢測方法的抗噪性;采用半監(jiān)督的PTSVM方法確定差異影像的變化區(qū)域和非 變化區(qū)域，適用于已標(biāo)記樣本數(shù)量很少的情況，充分利用了大量未標(biāo)記的樣本，進(jìn)一步提高 了變化檢測方法的檢測精度。
【附圖說明】
[0041] 圖1是本發(fā)明的實(shí)現(xiàn)流程示意圖。
[0042] 圖2是拍攝時間為1997年5月的加拿大渥太華地區(qū)受雨季影響其地表SAR遙感圖 像；
[0043] 圖3是拍攝時間為1997年8月的加拿大渥太華地區(qū)受雨季影響其地表SAR遙感圖 像；
[0044] 圖4是加拿大渥太華地區(qū)的地物變化參考圖；
[0045] 圖5是采用插值法對兩幅不同時相的SAR遙感影像進(jìn)行變化檢測得到的變化檢測 結(jié)果圖；
[0046] 圖6是采用對數(shù)比值法對兩幅不同時相的SAR遙感影像進(jìn)行變化檢測得到的變化 檢測結(jié)果圖；
[0047] 圖7是采用均值比值法對兩幅不同時相的SAR遙感影像進(jìn)行變化檢測得到的變化 檢測結(jié)果圖；
[0048] 圖8是采用融合-EM法對兩幅不同時相的SAR遙感影像進(jìn)行變化檢測得到的變化檢 測結(jié)果圖；
[0049] 圖9是采用本發(fā)明對兩幅不同時相的SAR遙感影像進(jìn)行變化檢測得到的變化檢測 結(jié)果圖。
【具體實(shí)施方式】
[0050] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。W下實(shí)施例僅用于更加清楚地說明本發(fā)明 的技術(shù)方案，而不能W此來限制本發(fā)明的保護(hù)范圍。
[0051 ]參照圖1，本發(fā)明的實(shí)現(xiàn)步驟如下：
[0052] 步驟1)輸入同一區(qū)域、不同時相的兩幅SAR遙感影像，分別記為:Ii和12。
[0053] 步驟2)利用ENVI遙感軟件對Ii和12進(jìn)行幾何校正，具體步驟如下：
[0054] 21)顯示基準(zhǔn)影像和待校正影像。
[00巧]22)啟動幾何校正模塊。
[0056] 23)采集地面控制點(diǎn)GCPs。
[0057] 24)選擇校正參數(shù)輸出結(jié)果。
[005引 25)檢驗(yàn)校正結(jié)果。
[0059] 步驟3)對幾何校正之后的Ii和12,用式（1)、（2)計算對數(shù)比值圖Xi和均值比值圖
,、，式中，JiiQ, j)和化（i, j)分別表示待檢 '2) 測圖像Ii和12中W坐標(biāo)(i，j)為中屯、的3 X 3鄰域窗口內(nèi)所有像素灰度值的平均值。
[0060] 步驟4)對步驟3)得到的對數(shù)比值圖Xi和均值比值圖X2進(jìn)行小波變換，融合兩幅影 像的低頻系數(shù)和高頻系數(shù)，反變換得到差異圖像XcU具體步驟如下：
(3)
[0061] 41)分別對數(shù)比值圖Xi和均值比值圖X2進(jìn)行歸一化處理： ， (4) 式中，種表示Xl歸一化之后的圖像，X;表示X2歸一化之后的圖像，Xlmax表示X沖所有像素點(diǎn) 的最大值，X2max表示拉中所有像素點(diǎn)的最大值；
[0062] 42)對X,'和分別進(jìn)行3層平穩(wěn)小波變換，得到每幅圖像的各層低頻系數(shù)和高頻 系數(shù);其中高頻系數(shù)包括水平分量、垂直分量和對角分量。其中低頻系數(shù)包含了源圖像的近 似特性，大體反映圖像輪廓;高頻系數(shù)體現(xiàn)了圖像的細(xì)節(jié)信息，如邊緣、線條W及區(qū)域的邊 界等，運(yùn)也是人眼最敏感的部分。同一場景的不同傳感器得到的圖像，其低頻系數(shù)大小差不 多，但高頻系