基于间断自适应非局部均值的SAR图像变化检测方法技术

本发明专利技术公开了一种基于间断自适应非局部均值的SAR图像变化检测方法，其实现步骤为：首先对在不同时间获取到的反映同一地理位置区域的两幅SAR图像进行预处理，利用log‑ratio运算产生差异图像，接着将差异图像分为相互重叠的图像块，映射到PCA特征空间，并利用间断自适应函数计算图像块PCA特征的相似性，然后对获得的图像块PCA特征进行非局部均值滤波处理，最后采用k‑均值聚类对滤波后的PCA特征进行聚类，产生变化检测结果图并输出。该发明专利技术能够处理分布复杂的遥感图像，并且能够利用特征空间中能量的分布特点，有效的减少斑点噪声对于变化检测结果的影响，可用于对环境变化的自动检测。

SAR image change detection method based on discontinuous adaptive non local means

The invention discloses a SAR image change detection method based on discontinuous adaptive non-local mean. The implementation steps are as follows: firstly, two SAR images which reflect the same geographical location region are acquired at different time are preprocessed, and the difference images are generated by log ratio operation, and then the difference images are divided into overlapping images. The image block is mapped to the PCA feature space, and the PCA feature similarity of the image block is calculated by the discontinuous adaptive function. Then the PCA feature of the obtained image block is processed by non-local mean filtering. Finally, the filtered PCA feature is clustered by k_means clustering, and the change detection result graph is generated and output. The invention can process the remote sensing image with complex distribution, and can utilize the distribution characteristics of energy in the feature space, effectively reduce the influence of speckle noise on the change detection results, and can be used for automatic detection of environmental change.

【技术实现步骤摘要】
基于间断自适应非局部均值的SAR图像变化检测方法
本专利技术属于图像处理
，具体涉及一种基于间断自适应非局部均值的SAR图像变化检测方法。
技术介绍
森林减少、荒漠化、冰川融化、湖泊干旱和洪水等等这些自然现象都是自然环境和人类活动相互作用和相互影响的结果。也就是说，人类活动和自然过程协同作用极大地影响着地球环境，这些促使我们去更加深入了解地球环境，以便于更好地保护和利用这个星球。变化检测技术是一种有效的测量和记录地球环境变化的方法。同时，由于SAR图像的获取具有全天时、全天候的特点，通过各种平台的SAR传感器可以方便地在不同时间段获取到同一场景的图像。因此，SAR图像变化检测正在获得极大的关注。由于在一个雷达分辨单元内存在大量散射点，使得SAR图像存在斑点噪声。斑点噪声的影响是SAR图像变化检测面临的主要问题之一。Bazi等人指出斑点噪声导致差异图像的直方图上变化类与非变化类像素之间重叠区域的增加，使得两类像素的分离面临更多困难。Dekker指出采用阈值算法检测SAR图像比值差异图的变化区域时，斑点噪声的存在将会增加错检率和漏检率。消除斑点噪声的传统策略是首先进行预处理，即对单个SAR图像进行滤波处理，然后采用对于乘性的斑点噪声具有鲁棒性的差分算子产生差异图像。SAR图像变化检测技术一般而言是非监督的，因为标记样本的获取十分困难且不可靠。因此，各种阈值算法，如：最大的后验(MAP)分类器和广义KI阈值选择算法，都是广泛应用的无监督的SAR图像变化检测算法。这类算法通过对差异图像的直方图应用一个决策阈值来判别变化类和非变化类。但其性能一般受到选择的概率统计模型的影响较大，制约了该类算法的应用前景。Bruzzone等人提出了一种基于马尔可夫随机场(MRF)模型的方法，它能极大地抑制散斑噪声。首先利用期望最大化(EM)算法获取差异图像每个像素的后验概率，然后采用迭代条件模型(ICM)算法，通过MRF空间正则化得到优化结果。然而，该方法对于差异图像的真实统计模型与选择模型之间，以及空间参数β的选取存在拟合优度的问题。空间参数β是一个常数，在变化检测过程中调节空间信息对于最终检测结果的影响，也就是说，变化检测的结果对该参数十分敏感，在实际应用中难以获得最优参数值。Celik提出了一种简单有效的遥感图像变化检测方法。通过PCA提取SAR图像的空谱特征，然后采用k-均值聚类生成变化检测结果图。虽然PCA特征向量能有效地捕捉到图像的局部结构，但由于噪声的能量仍在整个PCA特征空间中传播，因此检测结果不可避免地会受到噪声的影响。综上所述，斑点噪声对最终获得的SAR图像变化检测结果图的精度有很大的影响。是否能够最大程度的减少斑点噪声，对提高SAR图像变化检测的精度发挥着至关重要的影响。
技术实现思路
本专利技术的目的是提供一种基于间断自适应非局部均值的SAR图像变化检测方法，该方法根据PCA的最佳降维特性，最大程度的减少斑点噪声对于检测结果的影响。本专利技术所采用的技术方案是，基于间断自适应非局部均值的SAR图像变化检测方法，具体按照以下步骤实施：步骤1，选取窗口大小为3×3的Lee滤波器分别对两幅原始的获取于不同时间的SAR图像X1，X2进行滤波预处理；步骤2，利用log-ratio运算符获取差异图像X；步骤3，将差异图像X分割大小为5×5相互重叠的图像块，映射到PCA空间，得到差异图像X图像块的PCA特征；步骤4，采用欧式距离计算像素xi、xj对应的图像块PCA特征之间的距离步骤5，采用间断自适应相似性度量方法计算之间的相似度wi′,j；步骤6，对差异图像X的图像块PCA特征进行非局部均值滤波，得到滤波之后的图像块PCA特征步骤7，采用k-均值聚类方法对进行聚类；步骤8，对聚类结果的变化类区域标记为“1”，非变化类标记为“0”，输出最终的变化检测结果。本专利技术的特点还在于，步骤2中，采用log-ratio运算符获取的差异图像X为：步骤4中，为：其中，d为保留的PCA分量的个数；i及j为像素位置标号。步骤5中，w′i,j为：其中，Z是一个标准化常数，其值设为1；γ的值为1.8。步骤6中，为：其中，为代表选取了前d个分量的PCA特征；Si是以像素xi为中心的限制搜索窗口，大小为11×11像素。步骤7中，采用的k-均值聚类方法中设置类别数为2。本专利技术的有益效果是，该方法根据PCA的最佳降维特性：信号的能量聚集而噪声的能量将均匀分布在整个数据集上这一特性，最大程度的减少斑点噪声对于检测结果的影响；由于采用基于间断自适应非局部均值对差异图像的PCA特征进行滤波，然后利用k-均值聚类的方法获得最终的变化检测结果图，所以具有如下优点：该专利技术对于复杂分布的SAR图像，可以有效的检测出变化区域；该专利技术能够在利用特征空间中能量的分布特点，有效的减少斑点噪声对于变化检测结果的影响，可用于对环境变化的自动检测。附图说明图1是本专利技术基于间断自适应非局部均值的SAR图像变化检测方法的流程图；图2是本专利技术基于间断自适应非局部均值的SAR图像变化检测方法的原始SAR图；图3是本专利技术基于间断自适应非局部均值的SAR图像变化检测方法的一段时期后SAR图；图4是本专利技术基于间断自适应非局部均值的SAR图像变化检测方法的测试参考图；图5是本专利技术基于间断自适应非局部均值的SAR图像变化检测方法变化区域检测结果图。具体实施方式下面结合附图和具体实施方式对本专利技术进行详细说明。本专利技术为一种基于间断自适应非局部均值的SAR图像变化检测方法，如图1所示，具体按照以下步骤实施：步骤1，对原始SAR图像预处理选取窗口大小为3×3的Lee滤波器分别对两幅原始的获取于不同时间的SAR图像X1，X2进行滤波预处理；步骤2，产生差异图像利用log-ratio运算符获取差异图像X，差异图像X具体计算公式如下：其中，X1，X2分别为获取于不同时间的SAR图像，log为log运算符；步骤3，差异图像图像块PCA特征提取将差异图像X分割成大小为5×5相互重叠的图像块，映射到PCA空间，得到差异图像X的图像块PCA特征；步骤4，计算图像块PCA特征之间的距离采用欧式距离计算像素xi、xj对应的图像块PCA特征之间的距离采用的是PCA特征的前d个分量，因为信号的能量集中在前d个特征值较大的向量上，最后的5×5-d个分量一般含有的噪声过多，对于变化检测结果的影响较大，具体计算公式如下：其中，d为保留的PCA分量的个数；分别为像素xi、xj对应的图像块PCA特征；为和之间的距离；i及j为像素位置标号。步骤5，间断自适应相似性度量方法采用间断自适应相似性度量方法计算之间的相似度wi′,j，w'i,j代表像素xi对于像素xj值进行修改所作的贡献，这是根据欧拉公式利用AIF方程hγ(d)＝0.5/(1+d/γ)定义的，其计算公式如下：其中，Z是一个标准化常数，其值设为1；参数γ的值为1.8；为和之间的距离；w′i,j为像素xi、xj对应的图像块PCA特征之间的相似度，即之间的相似度。步骤6，利用间断自适应非局部均值对差异图像X的图像块PCA特征进行非局部均值滤波，得到滤波之后的图像块PCA特征其计算公式如下：其中，为滤波之后的图像块PCA特征；为代表选取了前d个分量的PCA特征；Si是以像素xi为中心本文档来自技高网...

【技术保护点】
1.基于间断自适应非局部均值的SAR图像变化检测方法，其特征在于，具体按照以下步骤实施：步骤1，选取窗口大小为3×3的Lee滤波器分别对两幅原始的获取于不同时间的SAR图像X1，X2进行滤波预处理；步骤2，利用log‑ratio运算符获取差异图像X；步骤3，将差异图像X分割大小为5×5相互重叠的图像块，映射到PCA空间，得到差异图像X图像块的PCA特征；步骤4，采用欧式距离计算像素xi、xj对应的图像块PCA特征

【技术特征摘要】
1.基于间断自适应非局部均值的SAR图像变化检测方法，其特征在于，具体按照以下步骤实施：步骤1，选取窗口大小为3×3的Lee滤波器分别对两幅原始的获取于不同时间的SAR图像X1，X2进行滤波预处理；步骤2，利用log-ratio运算符获取差异图像X；步骤3，将差异图像X分割大小为5×5相互重叠的图像块，映射到PCA空间，得到差异图像X图像块的PCA特征；步骤4，采用欧式距离计算像素xi、xj对应的图像块PCA特征之间的距离步骤5，采用间断自适应相似性度量方法计算之间的相似度w′i,j；步骤6，对差异图像X的图像块PCA特征进行非局部均值滤波，得到滤波之后的图像块PCA特征步骤7，采用k-均值聚类方法对进行聚类；步骤8，对聚类结果的变化类区域标记为“1”，非变化类标记为“0”，输出最终的变化检测结果。2.根据权利要求1所述的基于间断自适应非局部均...

【专利技术属性】
技术研发人员：贾萌，王磊，赵志强，陈浩，邱原，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61