基于高阶统计特征的多波段雷达图像变化检测方法技术

基于高阶统计特征的多波段雷达图像变化检测方法，先输入不同时相的不同波段的SAR遥感图像，再对SAR图像进行预处理，然后对SAR图像进行滤波处理，再对两幅SAR图像进行归一化处理，然后对两幅SAR图像进行配准处理，分别获得各图像的高阶统计特征图，再获得两图像的联合高阶统计特征图；然后产生高阶统计特征差异图，在高阶统计特征差异图中产生检测阈值，再获得由高阶统计特征产生的变化信息，然后对两图像的高阶联合统计特征图进行处理，设置阈值，获取变化信息，对不同特征获得的变化信息进行融合处理，最后输出变化信息图，本发明专利技术能够有效地检测到不同时相不同波段SAR图像的变化信息。

Multi band radar image change detection method based on higher-order statistics

Based on the high order statistical characteristics of multi band radar image change detection method, the SAR remote sensing images of different bands of different wavelengths are first input, then the SAR image is preprocessed, then the SAR image is filtered, then two SAR images are normalized, and then two SAR images are registered and processed, respectively. The high order statistical feature map of each image is obtained, and then the combined high order statistical feature map of the two image is obtained. Then the high order statistical feature difference graph is produced, the detection threshold is generated in the high order statistical feature difference graph, and the change information produced by the high order statistical feature is obtained, and then the high order joint statistical feature map of the two image is carried out. As a result, the threshold is set, the change information is obtained, the change information obtained by different features is fused, and the change information is output at last. The invention can effectively detect the change information of different SAR images of different wavelengths in different phase.

【技术实现步骤摘要】
基于高阶统计特征的多波段雷达图像变化检测方法
本专利技术属于信号处理
，具体涉及基于高阶统计特征的多波段雷达图像变化检测方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,以下简称SAR)成像遥感是一种非常重要的数据源，用不同时相的SAR图像来获取变化信息是遥感领域的一个重要应用方向，SAR图像变化检测跟普通的光学遥感图像变化检测原理是一样的，首先获取同一区域不同时间的SAR图像，然后通过对两幅或序列的SAR图像进行处理来获取监测区域的动态或变化信息。目前多时相的SAR图像变化检测方法可以归纳为以下五类：第一类是基于图像像素运算的直接变化检测方法，即在不同时相的遥感图像之间直接进行处理或运算，以获取变化信息，如图像灰度差值法、图像灰度比值法、图像纹理特征差值法、相关系数法、图像回归法和典型相关法等。第二类是基于图像特征域的变化检测方法，首先分别提取不同时相图像的特征，然后对这些特征进行比较和运算处理，以获得变化信息，如最大似然估计法、贝叶斯估计法和统计特征法等。第三类是基于变换域的变化检测方法，这类方法首先对不同时相的图像进行相同的变换，然后在变换域中提取变化信息，如傅里叶变换、小波变换、主成份分析和多尺度几何变换理论等等。第四类是基于图像分类的变化检测方法，这类方法首先对不同时相的遥感图像分别进行分类，然后对不同的类分别进行比较分析，以获得最终的变化信息，如支持向量机、聚类分析和神经网络等。第五类是基于新的理论和交叉学科的变化检测方法，如稀疏表示、模糊理论、人工智能、信息融合和各种群智能等。其中，基于特征的方法主要是利用低阶的统计特性、纹理特征、区域特征、分形特征和结构特征等，几乎没有涉及到图像的高阶统计量特征。遥感图像存在空间分辨率、辐射分辨率、光谱分辨率和时间分辨率，遥感图像变化检测就是利用不同时间遥感图像来获取变化信息。目前，不同时相的遥感图像进行变化检测，充分利用的就是遥感图像的时间分辨率。同卫星同传感器的遥感图像很难满足实际需求，因为单颗卫星的周期通常比较长，而一些突发事件，例如各种灾害的监测和救援，需要及时了解情况。此时，就需要不同卫星的不同传感器的来弥补单卫星的时间分辨率。不同卫星上安装的传感器一般不同，尤其是SAR成像，每颗卫星的SAR成像传感器发射的微波频率不同，获取的信息有别。因微波成像过程中，频率是影响微波成像的一个重要因素。所以，不同时相的多波段SAR图像变化检测比单波段的变化检测难，而且更复杂。
技术实现思路
为了克服上述现有技术的缺点，本专利技术的目的在于提供了基于高阶统计特征的多波段雷达图像变化检测方法，能够有效地检测到监测区域或目标的变化信息。为了达到上述目的，本专利技术采取的技术方案为：基于高阶统计特征的多波段雷达图像变化检测方法，包括以下步骤：步骤1：输入不同时相的SAR遥感图像；步骤2：对SAR图像进行预处理；步骤3：对SAR图像进行滤波处理；步骤4：对两幅SAR图像进行归一化处理；步骤5：对两幅SAR图像进行配准处理；步骤6：分别获得各图像的高阶统计特征图；步骤7：获得两图像的联合高阶统计特征图；步骤8：产生高阶统计特征差异图，把步骤6中所获得的高阶统计特征图进行差值或比值运算，获得不同时相SAR图像的特征差异图。步骤9：在高阶统计特征差异图中产生检测阈值，具体步骤为，步骤9.1：获取特征差异图的直方图，通过直方图的波峰和波谷确定一个大概的阈值T1；步骤9.2：采用自适应的期望值最大化(ExpectationMaximization,EM)算法对特征差异图进行处理，获得比较精细的阈值T2；步骤9.3：对步骤9.1和步骤9.2中阈值进行均值处理，获得最后的检测阈值T，即步骤10：获得由高阶统计特征产生的变化信息；由高阶统计矩特征差异图按步骤9的方法产生的阈值来获取变化信息，具体的判断函数为式中的C1表示获取的变化信息，(m,n)表示像素的空间坐标，FMD表示高阶矩特征差异图；获得由高阶统计累积量特征差异图产生的变化信息为C2；步骤11：对两图像的高阶联合统计特征图进行处理，设置阈值，获取变化信息，高阶联合统计特征包括高阶联合矩特征和累积量特征，对联合特征图按步骤9产生阈值，按步骤10进行判断检测，获得的变化信息用C3表示；步骤12：进行融合处理，变化信息的融合处理按式(3)数学模型进行处理，即C(m,n)＝α·C1(m,n)+β·C2(m,n)+γ·C3(m,n)(21)式中的C表示获取的最终的变化信息，α、β和γ表示权系数，它们分别设为0.25，0.25和0.5；步骤13：输出变化信息图。所述的步骤2中对输入SAR图像进行预处理步骤为：对输入不同时相的SAR图像对分别进行辐射和几何校正处理。所述的步骤3中对SAR图像进行滤波处理的具体步骤为；步骤3.1：选择相干性原理对SAR图像进行滤波处理，去除斑点噪声的同时能够有效保持边缘和几何细节信息；具体实现过程如下，先对SAR图像进行傅里叶变换，在频域内进行错位处理，获得两幅子图像，进行反傅里叶变换，进行相干处理，获得相干处理增强的图像，进行坐标变换，恢复到原坐标下的图像；步骤3.2：以图像中某点(m，n)为中心，设置一个卷积模板，其窗口大小为K×L，对窗口内的所有像素值进行均值处理，处理结果代替像素点(m，n)的值；所有的像素都按上述规则处理，直到全部像素处理完毕，设置窗口参数K＝L＝5；步骤3.3：把增强后的图像和均值滤波后的图像合成一幅新的SAR图像。所述的步骤4中对两幅SAR图像进行归一化处理的具体步骤为：步骤4.1：先分别计算两幅图像像素灰度值的最大值与最小值；步骤4.2：按公式(1)计算，实现SAR图像的归一化处理，式中为归一化后的某像素的灰度值，Ii为归一化前该像素的灰度值，Imax和Imin分别为该图像中像素灰度值的最大值和最小值。所述的步骤5中按Hu-SIFT方法对两幅图像实施配准处理。所述的步骤6中获得各SAR图像的高阶统计特征图的具体步骤为：步骤6.1：获取SAR图像的高阶距统计特性，对于一个随机变量x，其k阶原点矩mk和k阶中心矩μk的计算方法分别为式(2)和式(3)，其中式中E[·]表示求数学期望值；mk＝E[xk](2)其中表示均值，一幅图像的大小为N×N，即像素个数为N2，图像的k阶原点矩mk和k阶中心矩μk的计算方法分别为式(4)和式(5)；式中的为均值，n表示统计特性的阶次；当n＝1时，获得的是均值特征图；当n＝2时，获得的是方差特征图；步骤6.2：邻域窗口大小选择，在计算SAR图像的高阶统计特征时，在式(4)和式(5)中，N表示图像的所有像素个数，对于计算某个像素(m，n)的统计特性时，以该像素为中心，选取一个邻域范围内的像素来计算该像素的统计特性，选择计算高阶统计特性的邻域窗口大小设置为5×5；步骤6.3：获取高阶矩特征图，对提取窗口大小为5的图像三阶和四阶中心矩特征图的计算公式如下，式中的阶数为3，即n＝3，用来获取三阶高阶矩统计特征图；当n＝4时，得到计算四阶统计矩特征的公式，即步骤6.4：获取高阶累积量特征图，随机变量的二阶和三阶累积量与对应的二阶和三阶中心矩的计算方法是一样的，即图像的二阶和三阶累积量特征图就是图像的二阶和三阶矩特征图；随机变本文档来自技高网...

【技术保护点】
1.基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，包括以下步骤：步骤1：输入不同时相的SAR遥感图像；步骤2：对SAR图像进行预处理；步骤3：对SAR图像进行滤波处理；步骤4：对两幅SAR图像进行归一化处理；步骤5：对两幅SAR图像进行配准处理；步骤6：分别获得各图像的高阶统计特征图；步骤7：获得两图像的联合高阶统计特征图；步骤8：产生高阶统计特征差异图，把步骤6中所获得的高阶统计特征图进行差值或比值运算，获得不同时相SAR图像的特征差异图。步骤9：在高阶统计特征差异图中产生检测阈值，具体步骤为，步骤9.1：获取特征差异图的直方图，通过直方图的波峰和波谷确定一个大概的阈值T1；步骤9.2：采用自适应的期望值最大化(Expectation Maximization,EM)算法对特征差异图进行处理，获得比较精细的阈值T2；步骤9.3：对步骤9.1和步骤9.2中阈值进行均值处理，获得最后的检测阈值T，即

【技术特征摘要】
1.基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，包括以下步骤：步骤1：输入不同时相的SAR遥感图像；步骤2：对SAR图像进行预处理；步骤3：对SAR图像进行滤波处理；步骤4：对两幅SAR图像进行归一化处理；步骤5：对两幅SAR图像进行配准处理；步骤6：分别获得各图像的高阶统计特征图；步骤7：获得两图像的联合高阶统计特征图；步骤8：产生高阶统计特征差异图，把步骤6中所获得的高阶统计特征图进行差值或比值运算，获得不同时相SAR图像的特征差异图。步骤9：在高阶统计特征差异图中产生检测阈值，具体步骤为，步骤9.1：获取特征差异图的直方图，通过直方图的波峰和波谷确定一个大概的阈值T1；步骤9.2：采用自适应的期望值最大化(ExpectationMaximization,EM)算法对特征差异图进行处理，获得比较精细的阈值T2；步骤9.3：对步骤9.1和步骤9.2中阈值进行均值处理，获得最后的检测阈值T，即步骤10：获得由高阶统计特征产生的变化信息；由高阶统计矩特征差异图按步骤9的方法产生的阈值来获取变化信息，具体的判断函数为式中的C1表示获取的变化信息，(m,n)表示像素的空间坐标，FMD表示高阶矩特征差异图；获得由高阶统计累积量特征差异图产生的变化信息为C2；步骤11：对两图像的高阶联合统计特征图进行处理，设置阈值，获取变化信息，高阶联合统计特征包括高阶联合矩特征和累积量特征，对联合特征图按步骤9产生阈值，按步骤10进行判断检测，获得的变化信息用C3表示；步骤12：进行融合处理，变化信息的融合处理按式(21)数学模型进行处理，即C(m,n)＝α·C1(m,n)+β·C2(m,n)+γ·C3(m,n)(21)式中的C表示获取的最终的变化信息，α、β和γ表示权系数，它们分别设为0.25，0.25和0.5；步骤13：输出变化信息图。2.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤2中对输入SAR图像进行预处理步骤为：对输入不同时相的SAR图像对分别进行辐射和几何校正处理。3.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤3中对SAR图像进行滤波处理的具体步骤为；步骤3.1：选择相干性原理对SAR图像进行滤波处理，去除斑点噪声的同时能够有效保持边缘和几何细节信息；具体实现过程如下，先对SAR图像进行傅里叶变换，在频域内进行错位处理，获得两幅子图像，进行反傅里叶变换，进行相干处理，获得相干处理增强的图像，进行坐标变换，恢复到原坐标下的图像；步骤3.2：以图像中某点(m，n)为中心，设置一个卷积模板，其窗口大小为K×L，对窗口内的所有像素值进行均值处理，处理结果代替像素点(m，n)的值；所有的像素都按上述规则处理，直到全部像素处理完毕，设置窗口参数K＝L＝5；步骤3.3：把增强后的图像和均值滤波后的图像合成一幅新的SAR图像。4.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤4中对两幅SAR图像进行归一化处理的具体步骤为：步骤4.1：先分别计算两幅图像像素灰度值的最大值与最小值；步骤4.2：按公式(1)计算，实现SAR图像的归一化处理，式中为归一化后的某像素的灰度值，Ii为归一化前该像素的灰度...

【专利技术属性】
技术研发人员：黄世奇，武文胜，周美丽，林东，王祖良，张婷，段向阳，
申请(专利权)人：西京学院，
类型：发明
国别省市：陕西,61