利用改進的非局部均值算法對sar圖像變化的檢測方法
【技術領域】
[0001] 本發(fā)明屬于圖像處理技術領域，特別涉及對SAR圖像變化的檢測方法，可用于環(huán) 境監(jiān)測、土地利用、森林采伐的監(jiān)測。
【背景技術】
[0002] 合成孔徑雷達SAR圖像具有高分辨率、全天候、全天時的特點，可方便地獲得同一 地區(qū)不同時間的圖像。SAR圖像的變化檢測是對同一地區(qū)在不同時間所得的圖像進行比較 得到差異圖，然后對差異圖進行分析得到變化區(qū)域和不變區(qū)域的過程。SAR圖像的變化檢測 在環(huán)境監(jiān)測、農(nóng)作物生長狀況監(jiān)測、土地利用、森林采伐監(jiān)測等方面有著非常廣泛的應用。
[0003] 在最近幾十年，關于SAR圖像變化檢測的研究得到越來越多的關注，許多變化檢 測方法被提出。在目前常用的方法中，SAR圖像的變化檢測分為以下三個過程：
[0004] 1)對得到的圖像進行預處理，主要包括輻射校正、幾何校正和圖像配準；
[0005] 2)對預處理后的圖像進行比較，獲得差異圖；
[0006] 3)對差異圖進行分析，獲得變化檢測結果圖像。
[0007] 因為SAR圖像的乘性斑點噪聲處理起來比較困難，所以它的去噪處理和抑制斑點 噪聲顯得尤為重要。由此可知，第一步和第二步對SAR圖像的變化檢測至關重要。對于相 關的處理，目前比較優(yōu)秀的算法有Yaoguo Zheng等提出的使用結合差異圖和k-均值聚類 的SAR圖像變化檢測的算法CDI、公茂果提出的使用小波變換融合基于均值比和對數(shù)比的 差異圖的方法FDWT和Buades等提出的基于非局部均值NLM的圖像去噪方法。在這幾種方 法中，基于小波變換融合的方法雖然降低了圖像斑點噪聲的影響，卻對一些邊緣和細小部 分的圖像信息檢測不明顯，而且去噪能力也不是足夠好?；诮Y合差異圖和k-均值聚類的 SAR圖像變化檢測雖然具有很強的去噪能力，但是在去噪過程中出現(xiàn)過平滑現(xiàn)象，在一定程 度上抑制了圖像的變化信息，因此造成圖像的漏檢率過大。而非局部均值去噪的方法僅僅 考慮了圖像中像素點的灰度屬性，而忽略了它的空間結構屬性，因此依然會丟失部分細節(jié) 信息，出現(xiàn)模糊過平滑現(xiàn)象，尤其是當含噪圖像塊的相似塊較少時，去噪性能會大大降低。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明針對上述已有技術的不足，提出一種利用改進的非局部均值算法對SAR圖 像變化的檢測方法，以減小圖像的漏檢率，提高圖像變化檢測的精確度。
[0009] 為了實現(xiàn)上述目標，本發(fā)明的技術方案包括如下步驟：
[0010] (1)分別輸入變化前的SAR原圖像Q1和變化后的SAR圖像Q 2;
[0011] (2)對變化前的原圖像Q1和變化后的圖像Q2分別進行去噪處理，得到不含噪的原 圖像0 3和不含噪的變化后圖像Q 4:
[0012] 2a)分別選取圖像中以第i像素點和第j個像素點為中心，大小為5X5的局部 分析窗隊和N」，這兩個分析窗隊和N」內(nèi)的像素點灰度值向量分別為X (N J和X (Nj);對比 和的比值，選取其中較大者進行取對數(shù)操作，得到對數(shù)比距離Cl1 (i，j)為： x^Nj) xiNi)
【主權項】
1. 一種利用改進的非局部均值算法對SAR圖像變化的檢測方法，包括如下步驟： (1) 分別輸入變化前的SAR原圖像Q1和變化后的SAR圖像Q 2; (2) 對變化前的原圖像Q1和變化后的圖像Q2分別進行去噪處理，得到不含噪的原圖像 0 3和不含噪的變化后圖像Q 4: 2a)分別選取圖像中以第i像素點和第j個像素點為中心，大小為5X5的局部分析窗 隊和N」，這兩個分析窗隊和N」內(nèi)的像素點灰度值向量分別為X (N D和X (Nj)
的比值，選取其中較大者進行取對數(shù)操作，得到對數(shù)比距離Cl1 (i，j)為：
2b)將對數(shù)比距離Cl1 (i，j)引入到傅里葉核加權距離的求解公式中，得到基于對數(shù)比值 的傅里葉核的加權距離：
其中，il是傅里葉核在以像素點i為中心，大小為5X5的局部分析窗Ni內(nèi)構造的權 重，If1是由傅里葉核構造的以il為權重的加權距離。 2c)利用基于對數(shù)比值的傅里葉核的加權距離，引入二維高斯核函數(shù)，計算第i像素點 與其搜索區(qū)域Si內(nèi)第j個像素點的權重w (i，j):
其中，i2是傅里葉核在以像素點i為中心，大小為7X7的局部分析窗Ni內(nèi)構造的權 重，||2是由傅里葉核構造的以i2為權重的加權距離，Z(i)的表達式如下所示：
其中，O彡w(i，j)彡1且
Z⑴表示歸一化常數(shù)，Si是以像素點i為中 心，大小為5X5的搜索區(qū)域，h是平滑參數(shù)，取值為1/3,隊和Nj分別表示以第i個像素點 和第j個像素點為中心的5X5的局部分析窗，X(Ni)和X(Nj)分別是局部分析窗隊和N j內(nèi) 像素點的灰度值向量； 2d)對以第i個像素點為中心的搜索區(qū)域SiR所有像素點的灰度值進行加權平均，求 得圖像中第i個像素點的新的灰度值INL(i): INL⑴=Σ w(i，j)X(j)，j e Si, 其中，X(j)是去噪聲前原圖像中第j個像素點的灰度值，w(i，j)是與X(j)對應的權 值，表示第i個像素點和第j個像素點之間的相似性； 2e)對變化前的SAR原圖像Q1和變化后的SAR圖像Q 2分別重復步驟2a)到步驟2d)， 直到兩個圖像中每個像素點都獲得新的灰度值； 2f)對變化前的SAR原圖像Q1和變化后的SAR圖像Q 2分別用獲得的每個像素點的新 的灰度值替代該像素點的原灰度值，即可得到不含噪的變化前的SAR原圖像Q3和不含噪的 變化后的SAR圖像Q 4; (3) 利用比值算子得到不含噪的原圖像仏和不含噪的變化后圖像Q4W差異圖Q 5; (4) 利用FLICM聚類算法對差異圖〇5的灰度值進行類別數(shù)為2的聚類分割，其中一類 為變化類，另一類為非變化類； (5) 輸出由步驟⑷得到的變化類圖像，即為變化前SAR的圖像％和變化后SAR圖像 Q2的變化檢測結果圖。
2.根據(jù)權利要求書中1中所提及的方法，其中步驟（3)所述的利用比值算子得到不含 噪的原圖像Q3和不含噪的變化后圖像Q4的差異圖Q 5，按照如下公式計算：
【專利摘要】本發(fā)明公開了一種利用改進的非局部均值算法對SAR圖像變化的檢測方法，主要解決現(xiàn)有技術去噪漏檢像素個數(shù)多和變化檢測精度不高的問題。其實現(xiàn)過程是：1)輸入變化前后的SAR圖像；2)對于兩幅圖像中的每個像素點，計算其與搜索區(qū)域內(nèi)所有像素點的基于對數(shù)比的傅里葉核加權距離并引入二維高斯函數(shù)計算該點與搜尋區(qū)域內(nèi)所有像素點的權重；3)根據(jù)權重求該點新的灰度值并替換其原灰度值，得到去噪后兩幅圖像；4)利用比值算子將去噪后的兩幅圖像生成差異圖；4)利用FLICM算法分割差異圖，輸出變化檢測結果圖。本發(fā)明克服了去噪過程中的過平滑現(xiàn)象，更好的保留了細節(jié)信息，降低了錯誤率，提高了圖像變化檢測的精確度，可用于環(huán)境監(jiān)測。
【IPC分類】G06T5-00, G06T7-00
【公開號】CN104680536
【申請?zhí)枴緾N201510102475
【發(fā)明人】尚榮華, 屈嶸, 馬洪娜, 焦李成, 馬文萍, 劉紅英, 侯彪, 王爽, 熊濤
【申請人】西安電子科技大學
【公開日】2015年6月3日
【申請日】2015年3月9日