基于均值漂移遗传聚类的SAR图像变化检测方法技术

本发明专利技术提出了一种基于均值漂移遗传聚类的SAR图像变化检测方法，其实现步骤为：(1)导入图像；(2)构造差异图像；(3)均值漂移滤波；(4)遗传模糊聚类；(5)分割差异图像；(6)输出结果。本发明专利技术既可以有效减少处于变化类和非变化类之间的区域对合成孔径雷达SAR图像变化检测结果的影响，抑制背合成孔径雷达SAR图像中的固有噪声，又结合了均值漂移滤波、模糊聚类的局部最优和遗传算法的全局寻优能力，加快了算法的收敛速度，减少检测结果中的漏检信息，具有较高的变化检测精度。

【技术实现步骤摘要】
基于均值漂移遗传聚类的SAR图像变化检测方法
本专利技术属于图像处理
，更进一步涉及图像变化检测
中的一种基于均值漂移遗传聚类的合成孔径雷达(SyntheticApertureRadar，SAR)图像变化检测方法。本专利技术可应用于湖泊水位的动态检测、农作物生长状态的动态检测、城区规划、军事侦察等领域，检测地物随时间发生的变化。
技术介绍
SAR图像变化检测是通过分析同一地区不同时刻的多幅SAR图像,利用差异图像的灰度值将图像分为变化区域和不变区域，检测出该地区地物随时间发生变化的信息。合成孔径雷达SAR具有全天候、全天时的特点，不受天气影响，并具有一定的穿透能力，是很好的变化检测图像源，研究SAR图像变化检测技术有着非常广阔的应用前景。模糊C均值聚类是一种应用最为广泛的基于聚类的变化检测方法，近年来，一系列基于模糊C均值聚类改进的方法被提出。MaoguoGong,ZhiqiangZhou,andJingjingMa在论文“ChangeDetectioninSyntheticApertureRadarImagesbasedonImageFusionandFuzzyClustering”(IEEETransactionsonImageProcessing，2012,21(4):2141-2151)中提出了一种基于改进的FLICM(thereformulatedFLICM,RFLICM)SAR图像变化检测方法,与已有的基于模糊C均值聚类的变化检测方法相比，该方法更精确的解决了图像的变化检测问题，但是，RFLICM在精确度和运算速度上仍有待改进。首先，RFLICM随机选取初始聚类中心，导致了该方法对聚类初始中心点十分敏感，而且，RFLICM是以目标函数作为基准点来进行聚类的，因此容易陷入局部最优。西安电子科技大学在其申请的专利“一种基于遗传核模糊聚类的SAR图像变化检测方法”(专利申请号：201410497802.8，公开号：CN104268574A)中公开了一种遗传核模糊聚类SAR图像变化检测方法。该方法对两幅SAR图像求差异图和灰度矩阵，使用遗传模糊聚类获得种群，根据种群计算分割阈值，并根据分割阈值完成对差异图的分割，得到变化检测的结果。该方法结合了遗传算法的全局搜索能力和核模糊聚类算法的局部搜索能力，加快了算法的收敛速度速度，有效减小了算法的运算速度。但是该方法仍然存在的不足之处是，难以选择合适的核函数，且不能很好的去除SAR图像中的固有噪声，对噪声点敏感，降低了变化检测的精度。王浩然在其申请的专利“基于非局部均值的SAR图像变化检测方法”(专利申请号：201310529323.5，公开号：CN103927737A)中公开了一种基于非均值滤波SAR图像变化检测方法。该方法包括对同一地域不同时间获取的两幅SAR图像进行预处理；利用预处理后两幅SAR图像构造比值差异影像图；遍历比值差异影像图每个像素，计算每个像素点的平滑指数矩阵；对预处理后两幅SAR图像分别进行非局部均值滤波后作比值运算得非局部均值滤波比值图；用平滑指数作为权重，将比值差异影像图和非局部均值滤波比值图像求和得到最终的差异影像图；运用模糊局部C均值聚类法分割该最终的差异影像图得到变化检测结果图。该方法虽然有效抑制了噪声，更好地表现真实变化信息，提高了变化检测结果精确度。但是仍然存在的不足之处是，完成不同像素点之间的相似度计算以及搜索会耗费大量的计算时间，时间复杂度高，且不能有效减少处于变化类和非变化类之间的区域对变化检测结果的影响，降低了变化检测的精度。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提出了一种基于均值漂移遗传聚类的SAR图像变化检测方法。结合了均值漂移滤波、模糊聚类算法的局部最优和遗传算法的全局寻优能力，很好地去除合成孔径雷达SAR图像中的固有噪声，减少了检测结果中的漏检信息，具有较高的变化检测精度，加快了算法的收敛速度。本专利技术实现上述目的的思路是：在构造完差异图像后，首先对差异图像进行均值漂移滤波，得到去噪后差异图像，其次对去噪后差异图像进行模糊遗传聚类，得到去噪后差异图像的聚类中心，然后利用去噪后差异图像的聚类中心得到分割阈值，对去噪后差异图像进行分割，得到合成孔径雷达SAR图像的变化检测结果图。为了实现上述目的，本专利技术的具体实现步骤如下：一种基于均值漂移遗传聚类的SAR图像变化检测方法，包括如下步骤：(1)导入图像：导入同一地区、不同时刻获取的两幅大小相同的合成孔径雷达SAR图像；(2)构造差异图像：(2a)计算两幅合成孔径雷达SAR图像的邻域差值图像；(2b)计算两幅合成孔径雷达SAR图像的邻域比值图像；(2c)计算两幅合成孔径雷达SAR图像的邻域差值图像和两幅合成孔径雷达SAR图像的邻域比值图像融合后的归一化差异图像；(3)均值漂移滤波：(3a)利用核密度估计方法，得到两幅合成孔径雷达SAR图像的邻域差值图像和两幅合成孔径雷达SAR图像的邻域比值图像融合后的差异图像每个像素点的核密度值；(3b)将融合后的归一化差异图像每个像素点的灰度值与步骤(3a)得到融合后的差异图像的每个像素点的核密度值作减法运算，并对减法运算结果取绝对值；(3c)判断绝对值是否小于设定的阈值，若是，则执行步骤(3d)；否则，执行步骤(3a)；(3d)将绝对值作为差异图像的像素点灰度值，得到去噪后差异图像；(4)遗传模糊聚类：(4a)初始化去噪后差异图像的第一代种群；(4b)按照下式，计算去噪后差异图像的第一代种群全局划分指标：其中，J(t)表示去噪后差异图像的的第一代种群全局划分指标，t表示去噪后差异图像的第一代种群的进化次数，Σ表示求和操作，i表示去噪后差异图像的聚类中心中的第i个类的序号，c表示去噪后差异图像的聚类个数，j表示去噪后差异图像的第j个像素点的序号，n表示去噪后差异图像总像素点个数，μij表示去噪后差异图像的第j个像素点隶属于去噪后差异图像的聚类中心中第i类的隶属度，μij取值范围为[0，1]，且必须满足的约束条件，m表示模糊指数因子，m为取值大于1的正数，dij2表示去噪后差异图像的第j个像素点到去噪后差异图像的聚类中心中第i类的距离，H(j)表示融合后的归一化差异图像的第j个像素点的灰度值；(4c)按照下式，计算去噪后差异图像的第一代种群的个体适应度：其中，f(t)表示去噪后差异图像的第一代种群的个体适应度，t表示去噪后差异图像的第一代种群的进化次数，J(t)表示去噪后差异图像的全局划分指标；(4d)采用遗传操作获得去噪后差异图像的下一代种群；(4e)按照步骤(4c)中的方法计算去噪后差异图像的下一代种群中每个个体的适应度；(4f)判断去噪后差异图像的下一代种群是否稳定，若是，则执行步骤(4g)；否则，执行步骤(4d)；(4g)计算去噪后差异图像的下一代种群的适应度最大值；(4h)将去噪后差异图像的下一代种群的适应度最大值的个体作为去噪后差异图像的聚类中心；(5)分割差异图像：(5a)按照下式，计算去噪后差异图像的隶属度矩阵的元素：其中，μij表示去噪后差异图像的隶属度矩阵的元素，i表示去噪后差异图像的聚类中心中第i个类的序号，j表示去噪后差异图像的第j个像素点的序号，Σ表示求和操作，k表示去噪后差本文档来自技高网...

【技术保护点】
一种基于均值漂移遗传聚类的SAR图像变化检测方法，包括如下步骤：(1)导入图像：导入同一地区、不同时刻获取的两幅大小相同的合成孔径雷达SAR图像；(2)构造差异图像：(2a)计算两幅合成孔径雷达SAR图像的邻域差值图像；(2b)计算两幅合成孔径雷达SAR图像的邻域比值图像；(2c)计算两幅合成孔径雷达SAR图像的邻域差值图像和两幅合成孔径雷达SAR图像的邻域比值图像融合后的归一化差异图像；(3)均值漂移滤波：(3a)利用核密度估计方法，得到两幅合成孔径雷达SAR图像的邻域差值图像和两幅合成孔径雷达SAR图像的邻域比值图像融合后的差异图像每个像素点的核密度值；(3b)将融合后的归一化差异图像每个像素点的灰度值与步骤(3a)得到融合后的差异图像的每个像素点的核密度值作减法运算，并对减法运算结果取绝对值；(3c)判断绝对值是否小于设定的阈值，若是，则执行步骤(3d)；否则，执行步骤(3a)；(3d)将绝对值作为差异图像的像素点灰度值，得到去噪后差异图像；(4)遗传模糊聚类：(4a)初始化去噪后差异图像的第一代种群；(4b)按照下式，计算去噪后差异图像的第一代种群全局划分指标：J(t)=Σi=1cΣj=0nμijm(t)dij2H(j);]]>其中，J(t)表示去噪后差异图像的的第一代种群全局划分指标，t表示去噪后差异图像的第一代种群的进化次数，Σ表示求和操作，i表示去噪后差异图像的聚类中心中的第i个类的序号，c表示去噪后差异图像的聚类个数，j表示去噪后差异图像的第j个像素点的序号，n表示去噪后差异图像总像素点个数，μij表示去噪后差异图像的第j个像素点隶属于去噪后差异图像的聚类中心中第i类的隶属度，μij取值范围为[0，1]，且必须满足的约束条件，m表示模糊指数因子，m为取值大于1的正数，dij2表示去噪后差异图像的第j个像素点到去噪后差异图像的聚类中心中第i类的距离，H(j)表示融合后的归一化差异图像的第j个像素点的灰度值；(4c)按照下式，计算去噪后差异图像的第一代种群的个体适应度：f(t)=11+J(t);]]>其中，f(t)表示去噪后差异图像的第一代种群的个体适应度，t表示去噪后差异图像的第一代种群的进化次数，J(t)表示去噪后差异图像的全局划分指标；(4d)采用遗传操作获得去噪后差异图像的下一代种群；(4e)按照步骤(4c)中的方法计算去噪后差异图像的下一代种群中每个个体的适应度；(4f)判断去噪后差异图像的下一代种群是否稳定，若是，则执行步骤(4g)；否则，执行步骤(4d)；(4g)计算去噪后差异图像的下一代种群的适应度最大值；(4h)将去噪后差异图像的下一代种群的适应度最大值的个体作为去噪后差异图像的聚类中心；(5)分割差异图像：(5a)按照下式，计算去噪后差异图像的隶属度矩阵的元素：μij=(Σk=1c(||Yj-Vi||2dkj2)1m-1)-1;]]>其中，μij表示去噪后差异图像的隶属度矩阵的元素，i表示去噪后差异图像的聚类中心中第i个类的序号，j表示去噪后差异图像的第j个像素点的序号，Σ表示求和操作，k表示去噪后差异图像聚类中心中第k个类的序号，c表示去噪后差异图像的聚类个数，||·||表示求欧式距离操作，Yj表示去噪后差异图像的第j个像素点灰度值，Vi表示去噪后差异图像的第i个聚类中心，dkj2表示去噪后差异图像的第j个像素点到去噪后差异图像第k类的聚类中心距离，m表示模糊指数因子，m为取值大于1的正数；(5b)求去噪后差异图像的隶属度矩阵所有元素最小值所在的行数；(5c)将步骤(5b)获得的最小值所在的行数作为去噪后差异图像的分割阈值；(5d)判断去噪后差异图像每个像素点的灰度值是否小于去噪后差异图像的分割阈值，若是，执行步骤(5e)；否则，执行步骤(5f)；(5e)将小于去噪后差异图像的分割阈值像素点，归为去噪后差异图像的非变化类；(5f)将大于等于去噪后差异图像的分割阈值像素点，归为去噪后差异图像的变化类；(6)输出结果：对得到的去噪后差异图像的非变化类和去噪后差异图像的变化类，得到两幅合成孔径雷达SAR图像的变化检测的结果图。...

【技术特征摘要】
1.一种基于均值漂移滤波和遗传聚类的SAR图像变化检测方法，包括如下步骤：(1)导入图像：导入同一地区、不同时刻获取的两幅大小相同的合成孔径雷达SAR图像；(2)构造差异图像：(2a)计算两幅合成孔径雷达SAR图像的邻域差值图像；(2b)计算两幅合成孔径雷达SAR图像的邻域比值图像；(2c)计算两幅合成孔径雷达SAR图像的邻域差值图像和两幅合成孔径雷达SAR图像的邻域比值图像融合后的归一化差异图像；(3)均值漂移滤波：(3a)利用核密度估计方法，得到两幅合成孔径雷达SAR图像的邻域差值图像和两幅合成孔径雷达SAR图像的邻域比值图像融合后的差异图像每个像素点的核密度值；(3b)将融合后的归一化差异图像每个像素点的灰度值与步骤(3a)得到融合后的差异图像的每个像素点的核密度值作减法运算，并对减法运算结果取绝对值；(3c)判断绝对值是否小于设定的阈值，若是，则执行步骤(3d)；否则，执行步骤(3a)；(3d)将绝对值作为差异图像的像素点灰度值，得到去噪后差异图像；(4)遗传模糊聚类：(4a)初始化去噪后差异图像的第一代种群；(4b)按照下式，计算去噪后差异图像的第一代种群全局划分指标：其中，J(t)表示去噪后差异图像的的第一代种群全局划分指标，t表示去噪后差异图像的第一代种群的进化次数，∑表示求和操作，i表示去噪后差异图像的聚类中心中的第i个类的序号，c表示去噪后差异图像的聚类个数，j表示去噪后差异图像的第j个像素点的序号，n表示去噪后差异图像总像素点个数，μij表示去噪后差异图像的第j个像素点隶属于去噪后差异图像的聚类中心中第i类的隶属度，μij取值范围为[0，1]，且必须满足的约束条件，m表示模糊指数因子，m为取值大于1的正数，dij2表示去噪后差异图像的第j个像素点到去噪后差异图像的聚类中心中第i类的距离，H(j)表示融合后的归一化差异图像的第j个像素点的灰度值；(4c)按照下式，计算去噪后差异图像的第一代种群的个体适应度：其中，f(t)表示去噪后差异图像的第一代种群的个体适应度，t表示去噪后差异图像的第一代种群的进化次数，J(t)表示去噪后差异图像的全局划分指标；(4d)采用遗传操作获得去噪后差异图像的下一代种群；(4e)按照步骤(4c)中的方法计算去噪后差异图像的下一代种群中每个个体的适应度；(4f)判断去噪后差异图像的下一代种群是否稳定，若是，则执行步骤(4g)；否则，执行步骤(4d)；(4g)计算去噪后差异图像的下一代种群的适应度最大值；(4h)将去噪后差异图像的下一代种群的适应度最大值的个体作为去噪后差异图像的聚类中心；(5)分割差异图像：(5a)按照下式，计算去噪后差异图像的隶属度矩阵的元素：其中，μij表示去噪后差异图像的隶属度矩阵的元素，i表示去噪后差异图像的聚类中心中第i个类的序号，j表示去噪后差异图像的第j个像素点的序号，∑表示求和操作，k表示去噪后差异图像聚类中心中第k个类的序号，c表示去噪后差异图像的聚类个数，||·||表示求欧式距离操作，Yj表示去噪后差异图像的第j个像素点灰度值，Vi表示去噪后差异图像的第i个聚类中心，dkj2表示去噪后差异图像的第j个像素点到去噪后差异图像第k类的聚类中心距离，m表示模糊指数因子，m为取值大于1的正数；(5b)求去噪后差异图像的隶属度矩阵所有元素最小值所在的行数；(5c)将步骤(5b)获得的最小值所在的行数作为去噪后差异图像的分割阈值；(5d)判断去噪后差异图像每个像素点的灰度值是否小于去噪后差异图像的分割阈值，若是，执行步骤(5e)；否则，执行步骤(5f)；(5e)将小于去噪后差异图像的分割阈值像素点，归为去噪后差异图像的非变化类；(5f)将大于等于去噪后差异图像的分割阈值像素点，归为去噪后差异图像的变化类；(6)输出结果：对得到的去噪后差异图像的非变化类...

【专利技术属性】
技术研发人员：尚荣华，焦李成，张竹，李巧凤，马文萍，王爽，侯彪，刘红英，屈嵘，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61