基于显著性融合的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图像显著性融合的SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测易受斑点噪声的影响，而且检测精度不高的问题。本发明专利技术的具体步骤如下：(1)输入SAR图像；(2)滤波；(3)计算像素的对数比值值；(4)构造全局显著图；(5)计算不同尺度的对比度显著值；(6)构造局部显著图；(7)融合局部显著图和全局显著图；(8)模糊聚类；(9)输出变化检测结果。本发明专利技术具有对SAR图像变化检测的噪声影响鲁棒性好和检测精度高的优点。

【技术实现步骤摘要】

本专利技术属于图像处理
，更进一步涉及遥感图像的变化检测
中的一种基于显著性融合的SAR图像变化检测方法。本专利技术实现对两幅不同时相获取的合成孔径雷达SAR(Synthetic Aperture Radar)图像变化区域的检测，可在地物覆盖与利用、自然灾害监测与评估，城市规划，地图更新等领域广泛应用。
技术介绍
SAR图像变化检测是指利用不同时相同一地区的两幅SAR图像来检测和分析地面的变化情况。由于SAR技术与普通光学遥感技术相比具有全天候、全天时工作的特点，使得SAR图像变化检测在国民经济和军事应用领域有着广泛的应用。近年来，利用SAR图像进行变化检测在国际遥感领域受到高度重视，已经成为图像处理的主要研究方向之一。Miriam Cha等人在其发表的“Two-Stage Change Detection for SyntheticAperture Radar”(IEEE Transactions on Geoscience&Remote Sensing,2015,53(12):6547-6560)论文中提出了一种两阶段法的SAR图像变化检测方法。该方法的第一阶段首先检测由大尺度的目标引起的具有不等方差的像素对，得到初始的变化检测图；再将具有相等方差或相近方差的像素对作为第二阶段的输入。第二阶段使用Berger相关估计来检测SAR图像中有微小变化的区域，从而确定最终的变化检测图像。由于该方法只考虑两幅图像对应像素的方差，虽然能够在初始检测图中得到较高的像素对比度，但是该方法仍然存在的不足之处是，该方法没有考虑SAR图像的空间信息，所以仍存在变化检测精度不高的问题。西安电子科技大学在其申请的专利“基于图像融合的遥感图像变化检测方法”(申请专利号：201210414782.4，公开号：102968790A)中提出了一种基于图像融合的遥感图像变化检测方法。该方法首先提取变化前后两幅图像的差值差异图和比值差异图，并提取差值图像的方差矩阵；用KI阈值分割法，得到最佳阈值T；根据最佳阈值T和方差矩阵将差值图与比值图融合，得到融合后的最终差异图D；对所得的最终差异图D的灰度值进行类别数为2的模糊C均值聚类分割，将聚类中心取值较大的一类作为变化类，另一类为非变化类，得到变化检测结果。虽然该方法对于具有明显目标的差异图有较好的检测，但是该方法仍然存在的不足之处是，对于具有不明显的变化目标的差异图检测效果并不好，且不能有效抑制斑点噪声的影响。西安电子科技大学在其申请的专利“基于低秩矩阵分解的SAR图像变化检测方法”(申请专利号：201210193347.3，公开号：102722892A)中提出了一种基于低秩矩阵分解的SAR图像变化检测方法。该方法首先对待测的两幅SAR图像进行降斑预处理，得到较为平滑的SAR图像；接着构造降斑后的两幅图像的对数比值，然后将对数比值进行低秩稀疏分解，得到对数比值的低秩部分和稀疏部分；再按列将稀疏部分变换成稀疏矩阵；最后用K均值算法对得到的稀疏矩阵进行聚类，得到最终的变化检测结果。该方法虽然能较为准确的检测到变化区域，但是该方法仍然存在的不足之处是，由于没有考虑细节信息和空间邻域信息，所以仍然存在检测精度并不理想的问题。
技术实现思路
本专利技术的目的在于克服上述现有技术的不足，提出了一种基于显著性融合的SAR图像变化检测方法。本专利技术与现有中其他SAR图像变化检测技术相比，能够有效抑制斑点噪声，且提高SAR图像变化检测的检测精度。本专利技术实现上述目的的思路是：先对输入的已配准的不同时相同一地区的SAR图像进行非局部均值滤波，再对滤波后的SAR图像进行对数比值操作，然后构造全局显著图，同时对滤波后的SAR图像计算不同尺度的对比度显著值，然后构造局部显著图，将全局显著图和局部显著图融合得到显著性融合图，最后对显著性融合图进行模糊C均值聚类得到变化检测结果。本专利技术实现的具体步骤包括如下：(1)输入SAR图像：输入同一地区不同时相的两幅已配准、校正的SAR图像I1和I2；(2)滤波：采用非局部均值滤波器对输入的两幅SAR图像I1和I2分别进行滤波，得到滤波后的SAR图像X1和X2；(3)计算像素的对数比值值：对滤波后的SAR图像X1和X2取对应像素的灰度级进行对数比值操作，得到对数比值差异图DL；(4)按照下式，计算对数比值差异图的像素的全局显著值：D(Ik)=Σ∀Ii∈DL||Ik-Ii||]]>其中，D(Ik)表示对数比值差异图中像素的全局显著值，Ik表示对数比值差异图中第k个像素的灰度值，k＝0,1,2,...,255，∑表示求和操作，表示任意符号，∈表示属于符号，Ii表示对数比值差异图中除Ik之外的第个像素的灰度值，i＝0,1,2,...,255，DL表示对数比值差异图，||·||表示取灰度值的距离操作；(5)计算不同尺度的对比度显著值：(5a)分别对滤波后的SAR图像X1和X2取1×1像素，采用像素对比度方法，构造1×1像素尺度的对比度显著图；(5b)以3×3像素的滑动窗口分别对滤波后的图像X1和X2取块；(5c)分别将所有的块中的像素均按列拉成一列，得到三维矩阵L1和L2；(5d)采用向量对比度方法，由三维矩阵L1和L2构造出3×3像素尺度的对比度显著值；(5e)以5×5像素的滑动窗口分别对滤波后的图像X1和X2取块；(5c)分别将所有的块中的像素均按列拉成一列，得到三维矩阵L3和L4；(5g)采用向量对比度方法，由三维矩阵L3和L4构造出5×5像素尺度的对比度显著值；6)采用下式的加权平均法，融合不同尺度的对比度显著图，得到局部显著图：S'＝α0·S0+α1·S1+α2·S2其中，S'表示局部显著图，S0表示1×1像素尺度的对比度显著图，S1表示3×3像素尺度的显著图，S2表示5×5像素尺度的对比度显著图，α0、α1、α2表示加权系数，α0+α1+α2＝1，0≤α0、α1、α2≤1；(7)按照下式，融合全局显著图和局部显著图，得到显著性融合图：S(i,j)＝D(i,j)·exp(-S'(i,j))其中，S表示显著性融合图，D表示全局显著图，S'表示局部显著图，exp表示指数操作符号，i和j分别表示显著性融合图、全局显著图和局部显著图中同一位置的像素的行和列坐标值；(8)模糊聚类：(8a)采用模糊C均值聚类方法，对显著性融合图进行聚类，得到显著性融合图中每个像素的隶属于非变化类和变化类的隶属度值；(8b)将非变化类的隶属度值大于变化类的隶属度值的像素，判归为非变化类像素；将非变化类的隶属度值小于变化类的隶属度值的像素，判归为变化类像素；得到SAR图像的变化检测结果；(9)输出变化检测结果。本专利技术与现有技术相比具有以下优点：第一，由于本专利技术采用结合不同尺度的对比度显著图来计算局部显著图的方法，分别选取1×1、3×3和5×5三种不同尺度的图像块来计算中心像素的对比度，从而结合了图像的邻域信息，克服了现有技术中没有考虑邻域信息，导致SAR图像变化检测易受斑点噪声的影响，使得本专利技术有利于抑制相干斑噪声，进而减少了变化检测的误检率。第二，由于本专利技术采用显著性融合的方法，将全局显著图和局部显著图进行融合，在全局显著图凸显变化目标的基础上，增本文档来自技高网...

【技术保护点】
一种基于显著性融合的SAR图像变化检测方法，包括如下步骤：(1)输入SAR图像：输入同一地区不同时相的两幅已配准、校正的SAR图像I1和I2；(2)滤波：采用非局部均值滤波器对输入的两幅SAR图像I1和I2分别进行滤波，得到滤波后的SAR图像X1和X2；(3)计算像素的对数比值值：对滤波后的SAR图像X1和X2取对应像素的灰度级进行对数比值操作，得到对数比值差异图DL；(4)按照下式，计算对数比值差异图的像素的全局显著值：D(Ik)=Σ∀Ii∈DL||Ik-Ii||]]>其中，D(Ik)表示对数比值差异图中像素的全局显著值，Ik表示对数比值差异图中第k个像素的灰度值，k＝0,1,2,...,255，∑表示求和操作，表示任意符号，∈表示属于符号，Ii表示对数比值差异图中除Ik之外的第个像素的灰度值，i＝0,1,2,...,255，DL表示对数比值差异图，||·||表示取灰度值的距离操作；(5)计算不同尺度的对比度显著值：(5a)分别对滤波后的SAR图像X1和X2取1×1像素，采用像素对比度方法，构造1×1像素尺度的对比度显著图；(5b)以3×3像素的滑动窗口分别对滤波后的图像X1和X2取块；(5c)分别将所有的块中的像素均按列拉成一列，得到三维矩阵L1和L2；(5d)采用向量对比度方法，由三维矩阵L1和L2构造出3×3像素尺度的对比度显著值；(5e)以5×5像素的滑动窗口分别对滤波后的图像X1和X2取块；(5f)分别将所有的块中的像素均按列拉成一列，得到三维矩阵L3和L4；(5g)采用向量对比度方法，由三维矩阵L3和L4构造出5×5像素尺度的对比度显著值；(6)采用下式的加权平均法，融合不同尺度的对比度显著图，得到局部显著图：S'＝α0·S0+α1·S1+α2·S2其中，S'表示局部显著图，S0表示1×1像素尺度的对比度显著图，S1表示3×3像素尺度的显著图，S2表示5×5像素尺度的对比度显著图，α0、α1、α2表示加权系数，α0+α1+α2＝1，0≤α0、α1、α2≤1；(7)按照下式，融合全局显著图和局部显著图，得到显著性融合图：S(i,j)＝D(i,j)·exp(‑S'(i,j))其中，S表示显著性融合图，D表示全局显著图，S'表示局部显著图，exp表示指数操作符号，i和j分别表示显著性融合图、全局显著图和局部显著图中同一位置的像素的行和列坐标值；(8)模糊聚类：(8a)采用模糊C均值聚类方法，对显著性融合图进行聚类，得到显著性融合图中每个像素的隶属于非变化类和变化类的隶属度值；(8b)将非变化类的隶属度值大于变化类的隶属度值的像素，判归为非变化类像素；将非变化类的隶属度值小于变化类的隶属度值的像素，判归为变化类像素；得到SAR图像的变化检测结果；(9)输出变化检测结果。...

【技术特征摘要】
1.一种基于显著性融合的SAR图像变化检测方法，包括如下步骤：(1)输入SAR图像：输入同一地区不同时相的两幅已配准、校正的SAR图像I1和I2；(2)滤波：采用非局部均值滤波器对输入的两幅SAR图像I1和I2分别进行滤波，得到滤波后的SAR图像X1和X2；(3)计算像素的对数比值值：对滤波后的SAR图像X1和X2取对应像素的灰度级进行对数比值操作，得到对数比值差异图DL；(4)按照下式，计算对数比值差异图的像素的全局显著值：D(Ik)=Σ∀Ii∈DL||Ik-Ii||]]>其中，D(Ik)表示对数比值差异图中像素的全局显著值，Ik表示对数比值差异图中第k个像素的灰度值，k＝0,1,2,...,255，∑表示求和操作，表示任意符号，∈表示属于符号，Ii表示对数比值差异图中除Ik之外的第个像素的灰度值，i＝0,1,2,...,255，DL表示对数比值差异图，||·||表示取灰度值的距离操作；(5)计算不同尺度的对比度显著值：(5a)分别对滤波后的SAR图像X1和X2取1×1像素，采用像素对比度方法，构造1×1像素尺度的对比度显著图；(5b)以3×3像素的滑动窗口分别对滤波后的图像X1和X2取块；(5c)分别将所有的块中的像素均按列拉成一列，得到三维矩阵L1和L2；(5d)采用向量对比度方法，由三维矩阵L1和L2构造出3×3像素尺度的对比度显著值；(5e)以5×5像素的滑动窗口分别对滤波后的图像X1和X2取块；(5f)分别将所有的块中的像素均按列拉成一列，得到三维矩阵L3和L4；(5g)采用向量对比度方法，由三维矩阵L3和L4构造出5×5像素尺度的对比度显著值；(6)采用下式的加权平均法，融合不同尺度的对比度显著图，得到局部显著图：S'＝α0·S0+α1·S1+α2·S2其中，S'表示局部显著图，S0表示1×1像素尺度的对比度显著图，S1表示3×3像素尺度的显著图，S2表示5×5像素尺度的对比度显著图，α0、α1、α2表示加权系数，α0+α1+α2＝1，0≤α0、α1、α2≤1；(7)按照下式，融合全局显著图和局部显著图，得到显著性融合图：S(i,j)＝D(i,j)·exp(-S'(i,j))其中，S表示显著性融合图，D表示全局显著图，S'表示局部显著图，exp表示指数操作符号，i和j分别表示显著性融合图、全局显著图和局部显著图中同一位置的像素的行和列坐标值；(8)模糊聚类：(8a)采用模糊C均值聚类方法，对显著性融合图进行聚类，得到显著性融合图中每个像素的隶属于非变化类和变化类的隶属度值；(8b)将非变化类的隶属度值大于变化类的隶属度值的像素，判归为非变化类像素；将非变化类的隶属度值小于变化类的隶属度值的像素，判归为变化类像素；得到SAR图像的变化检测结果；(9)输出变化检测结果。2.根据权利要求1所述的基于显著性融合的SAR图像变化检测方法，其特征在于：步骤(5a)中所述像素对比度方法的具体步骤如下：第一步，按照下式，计算1×1像素尺度的对比度显著图的对...

【专利技术属性】
技术研发人员：焦李成，张丹，王佳东，马晶晶，尚荣华，马文萍，赵进，赵佳琦，杨淑媛，侯彪，王爽，
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