基于非平穩(wěn)分析與條件隨機場的sar圖像變化檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于非平穩(wěn)分析與條件隨機場的 SAR圖像變化檢測方法，可用于對合成孔徑雷達（SAR)圖像進行變化檢測處理。
【背景技術(shù)】
[0002] 隨著合成孔徑雷達（synthetic aperture radar，SAR)技術(shù)的逐步成熟和SAR圖 像分辨率的不斷提高，SAR圖像的使用逐漸為人們所重視。合成孔徑雷達是一種高分辨率 成像雷達，其在民用和軍用中的應(yīng)用需要SAR圖像變化檢測技術(shù)作為支撐。SAR圖像變化檢 測通過對不同時期的SAR圖像進行比較分析，并根據(jù)SAR圖像之間的差異分析來獲取所需 要的地物變化信息。SAR圖像變化檢測技術(shù)可以應(yīng)用于很多方面，例如在土地資源利用檢測 方面的應(yīng)用、在重大自然災(zāi)害預(yù)防與檢測的應(yīng)用、對海洋變化分析的應(yīng)用；在軍事方面的應(yīng) 用等。
[0003] SAR圖像變化檢測算法一般可分為：基于灰度特征的算法，如直接比較法、統(tǒng)計假 設(shè)法、預(yù)測模型法、相干模型法、主分量法和分類比較法；基于空間特征的算法，如統(tǒng)計紋理 特征分析法和面向?qū)ο蠓诸惙ā?br>[0004] 近期在SAR圖像變化檢測上的研究比較多的有：基于多尺度分析的變化檢測算 法，如Kai-Kuang Ma提出一種基于雙樹-復(fù)小波變換（DT-CWT，Dual-Tree Complex Wavelet Transform)的多尺度變化檢測方法，它利用DT-CWT對對數(shù)比值圖進行多尺度分解，但沒有 考慮到SAR圖像的紋理信息，閾值的選取也是一個棘手的問題；變化分量分析算法，將多通 道的SAR圖像看作向量，使用變化向量來描述SAR圖像從時間t。到時間t /變化的方向和大 小，通過計算SAR圖像變化向量的大小，檢測SAR圖像有沒有發(fā)生變化，優(yōu)點是可以利用較 多甚至全部的數(shù)據(jù)來檢測變化像素，并提供變化像素的類型信息。近年來新發(fā)展起來的是 基于核方法的SAR圖像變化檢測算法，Gustavo Camps-Valls在2008年首先提出了將核方 法應(yīng)用于SAR圖像變化檢測，該方法首先提取SAR圖像的強度信息和紋理信息，然后構(gòu)造強 度紋理比值差值合成核（RDC_kernel)實現(xiàn)SAR圖像變化檢測，該方法可以有效的實現(xiàn)SAR 圖像變化檢測。但是目前的變化檢測方法都沒有明確地從空域結(jié)構(gòu)的角度上考慮SAR圖像 的非平穩(wěn)性。

【發(fā)明內(nèi)容】

[0005] 針對上述現(xiàn)有技術(shù)的問題，本發(fā)明的目的在于提供一種基于非平穩(wěn)分析與條件隨 機場的SAR圖像變化檢測方法，以提高SAR圖像變化檢測的檢測效率和檢測精度。
[0006] 為了達到上述目的，本發(fā)明采用以下技術(shù)方案予以實現(xiàn)。
[0007] -種基于非平穩(wěn)分析與條件隨機場的SAR圖像變化檢測方法，其特征在于，包括 以下步驟：
[0008] 步驟1，輸入待檢測的原始第一時相SAR圖像XjP原始第二時相SAR圖像X 2;
[0009] 步驟2,對原始第一時相SAR圖像XjP原始第二時相SAR圖像X 2分別進行歸一化 處理，并對歸一化后的第一時相SAR圖像t 1和歸一化后的第二時相SAR圖像t 2作對 數(shù)比值運算，得到對數(shù)比值圖像Xb;對數(shù)比值圖像X b的大小與原始第一、第二時相SAR圖像 的大小均相同；
[0010] 步驟3,利用滑動窗口分別提取歸一化后的第一時相SAR圖像的紋理特征矩陣和 歸一化后的第二時相SAR圖像的紋理特征矩陣；并將歸一化后的第二時相SAR圖像的紋理 特征矩陣減去歸一化后的第一時相SAR圖像的紋理特征矩陣，得到對數(shù)比值圖像的紋理特 征矩陣；所述紋理特征矩陣依次由均值特征矩陣、對比度特征矩陣和半方差特征矩陣組合 而成；
[0011] 步驟4,利用三重馬爾科夫場模型算法，將對數(shù)比值圖像\進行平穩(wěn)性分割，得到 兩種平穩(wěn)性區(qū)域:A平穩(wěn)區(qū)域與B平穩(wěn)區(qū)域;A平穩(wěn)區(qū)域中像素點的個數(shù)與B平穩(wěn)區(qū)域中像 素點的個數(shù)的和等于對數(shù)比值圖像中像素點的個數(shù);A平穩(wěn)區(qū)域與B平穩(wěn)區(qū)域的平穩(wěn)性不 同，體現(xiàn)為A平穩(wěn)區(qū)域和B平穩(wěn)區(qū)域中像素點的紋理特征不同。所述紋理特征依次包含均 值特征、對比度特征和半方差特征；
[0012] 步驟5,分別選出A平穩(wěn)區(qū)域和B平穩(wěn)區(qū)域的樣本點；
[0013] 步驟6,提取A平穩(wěn)區(qū)域的所有樣本點的紋理特征，組成A平穩(wěn)區(qū)域的紋理特征向 量，給定A平穩(wěn)區(qū)域的訓(xùn)練標簽I a，結(jié)合A平穩(wěn)區(qū)域的訓(xùn)練標簽IjP A平穩(wěn)區(qū)域的紋理特 征向量構(gòu)成A平穩(wěn)區(qū)域的訓(xùn)練樣本，利用該訓(xùn)練樣本訓(xùn)練支撐向量機，得到第一分類標簽 矩陣Ac ;
[0014] 步驟7,提取B平穩(wěn)區(qū)域的所有樣本點的紋理特征，組成B平穩(wěn)區(qū)域的紋理特征向 量，給定B平穩(wěn)區(qū)域的訓(xùn)練標簽I b，結(jié)合B平穩(wěn)區(qū)域的訓(xùn)練標簽IjP B平穩(wěn)區(qū)域的紋理特 征向量構(gòu)成B平穩(wěn)區(qū)域的訓(xùn)練樣本，利用該訓(xùn)練樣本訓(xùn)練支撐向量機，得到第二分類標簽 矩陣Bc ;
[0015] 步驟8,根據(jù)第一分類標簽矩陣Ac和第二分類標簽矩陣Bc，求得對數(shù)比值圖像Xb 的初始分類標簽矩陣Oc，并求得對數(shù)比值圖像Xb中每個像素點的類條件概率，再對對數(shù)比 值圖像Xb中每個像素點的類條件概率取對數(shù)，得到對數(shù)比值圖像X b*每個像素點的一元勢 能函數(shù)；
[0016] 步驟9,利用指數(shù)加權(quán)均值比率算子提取對數(shù)比值圖像\中每個像素點的邊界強 度，并構(gòu)建對數(shù)比值圖像X b中每個像素點的二元勢能函數(shù)；
[0017] 步驟10,根據(jù)對數(shù)比值圖像Xb中每個像素點的一元勢能函數(shù)和二元勢能函數(shù)，得 到初步算法模型P (XIY)，其中，X為標記場，Y為觀測場；
[0018] 所述初步算法模型P (XIY)的表達式為：
[0019]
[0020] 其中，X為標記場，Y為觀測場，U為非平穩(wěn)場，1/Z為初步算法模型P (XIY)的分布 函數(shù)，QA對數(shù)比值圖像X b中第η個像素點《的鄰域系統(tǒng)，xA標記場X中對應(yīng)于對數(shù)比 值圖像Xb的第η個像素點ST的標記值，\為標記場X中對應(yīng)于對數(shù)比值圖像X ,的像素點 t的標記值，n e {1，2,...，Ν}，N為對數(shù)比值圖像像素點總數(shù)，A(x n，F(xiàn)n，Ub，X)為對數(shù) 比值圖像Xb中第η個像素點乾的一元勢能函數(shù)，I (xn，xt，X，Y，U)為對數(shù)比值圖像Xb中第 η個像素點％的二元勢能函數(shù)：
[0021]
[0022] Qh為水平鄰域系統(tǒng)、Qv為垂直鄰域系統(tǒng)，^為對數(shù)比值圖像Xb中第η個像 素點和的邊界強度，^為對數(shù)比值圖像Xb*像素點t的邊界強度，edge_CS常量，
為二元勢能函數(shù)參數(shù)，γ為觀測場，u為非平穩(wěn)場，gp g2S非平穩(wěn) 場U的兩個不同取值，一般分別取0和1，仏為對數(shù)比值圖像X b中第η個像素點C的平穩(wěn) 性標記值，隊為對數(shù)比值圖像像素點t的平穩(wěn)性標記值，δ為階躍函數(shù)，其中：
[0024] 步驟11，利用條件迭代期望算法計算初步算法模型ρ(Χ|Υ)中的二元勢能函數(shù)參 數(shù)，根據(jù)該二元勢能函數(shù)參數(shù)求得對數(shù)比值圖像X b的最終分類標簽矩陣，即得到原始第二 時相SAR圖像相對于原始第一時相SAR圖像的變化檢測結(jié)果。
[0025] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點：
[0026] 第一，本發(fā)明對SAR圖像進行變化檢測時無需將SAR圖像數(shù)據(jù)進行降維處理，所以 本發(fā)明方法在收斂度、訓(xùn)練速度等方面有較高的性能。
[0027] 第二，本發(fā)明建立初步算法模型時引入了 SAR圖像的非平穩(wěn)信息，克服了條件隨 機場不能明確地從空域結(jié)構(gòu)的角度上考慮SAR圖像的非平穩(wěn)性的缺點，因而本發(fā)明對SAR 圖像的模型擬合性得到了改善。
[0028] 第三，本發(fā)明將通過三重馬爾科夫場模型算法引入SAR圖像的非平穩(wěn)信息很好地 與SAR圖像的紋理特征進行結(jié)合，能夠充分考慮SAR圖像的空間信息，所以本發(fā)明在SAR圖 像的變化檢測中具有很好的抗噪性能和檢測性能。
【附圖說明】
[0029] 下面結(jié)合【附圖說明】和【具體實施方式】對本發(fā)明作進一步詳細說明。
[0030] 圖1為本發(fā)明的流程圖。
[0031] 圖2是本發(fā)明方法與基于條件隨機場的SAR圖像變化檢測方法對印度尼西亞稻田 SAR圖像的變化檢測結(jié)果對比圖，其中：
[0032] 圖2a是實測的印度尼西亞稻田受洪水災(zāi)害前的第一時相SAR圖像；
[0033] 圖2b是實測的印度尼西亞稻田受洪水災(zāi)害后的第二時相SAR圖像；
[0034] 圖2c是印度尼西亞稻田SAR圖像的變化檢測結(jié)果參考圖；
[0035] 圖2d是基于條件隨機場的SAR圖像變化檢測方法對印度尼西亞稻田SAR圖像的 變化檢測結(jié)果圖；
[0036] 圖2e是本發(fā)明方法對印度尼西亞稻田SAR圖像的變化檢測結(jié)果圖。
[0037] 圖3是本發(fā)明方法與基于條件隨機場的SAR圖像變化檢測方法對澳大利亞哥尼達 機場SAR圖像的變化檢測結(jié)果對比圖，其中：
[0038] 圖3a是實測的澳大利亞哥尼達機場受洪水災(zāi)害前的第一時相SAR圖像；
[0039] 圖3b是實測的澳大利亞哥尼達機場受洪水災(zāi)害后的第二時相SAR圖像；
[0040] 圖3c是澳大利亞哥尼達機場SAR圖像的變化檢測結(jié)果參考圖；
[0041] 圖3d是基于條件隨機場的SAR圖像變化檢測方法對澳大利亞哥尼達機場SAR圖 像的變化檢測結(jié)果圖；
[0042] 圖3e是本發(fā)明方法對澳大利亞哥尼達機場SAR圖像的變化檢測結(jié)果圖。
[0043] 圖4是本發(fā)明方法與基于條件隨機場的SAR圖像變化檢測方法對日本城市SAR圖 像的變化檢測結(jié)果對比圖，其中：
[0044] 圖4a是實測的日本城市的第一時相SAR圖像；
[0045] 圖4b是實測的日本城市的第二時相SAR圖像；
[0046] 圖4c是日本城市SAR圖像的變化檢測結(jié)果參考圖；
[0047] 圖4d是基于條件隨機場的SAR圖像變化檢測方法對日本城市SAR圖像的變化檢 測結(jié)果圖；
[0048] 圖4e是本發(fā)明方法對日本城市SAR圖像的變化檢測結(jié)果圖。
[0049] 圖5是本發(fā)明方法與基于條件隨機場的SAR圖像變化檢測方法對加拿大渥太華地 區(qū)SAR圖像的變化檢測結(jié)果對比圖，其中：
[0050] 圖5a是實測的加拿大渥太華地區(qū)的第一時相SAR圖像；
[0051] 圖5b是實測的加拿大渥太華地區(qū)的第二時相SAR圖像；
[0052] 圖5c是加拿大渥太華地區(qū)SAR圖像的變化檢測結(jié)果參考圖；
[0053] 圖5d是基于條件隨機場的變化檢測方法對加拿大渥太華地區(qū)SAR圖像的變化檢 測結(jié)果圖；
[0054] 圖5e是本發(fā)明方法對加拿大渥太華地區(qū)SAR圖像的變化檢測結(jié)果圖。
【具體實施方式】
[0055] 參照圖1，本發(fā)明的一種基于非平穩(wěn)分析與條件隨機場的SAR圖像變化檢測方法， 包括以下具體步驟：
[0056] 步驟1，輸入待檢測的原始第一時相SAR圖像XjP原始第二時相SAR圖像X 2。
[0057] 輸入的待檢測的原始第一時相SAR圖像XjP原始第二時相SAR圖像X 2如下：
[0058]
[0059]
[0060] 其中，Ο'Γ，W)和4^，)分別為原始第一時相SAR圖像的第η個像素點K的坐標和 灰度值，爆J:)和分別為原始第二時相SAR圖像的第η個像素點與的坐標和灰度 值；I為原始第一時相SAR圖像的長度，也是原始第二時相SAR圖像的長度；J為原始第一時 相SAR圖像的寬度，也是原始第二時相SAR圖像的寬度；n e {1，2，...，N}，N為原