【技术实现步骤摘要】
本专利技术属于SAR图像处理
,特别涉及一种SAR图像的变化检测方法,可用于灾难评估,环境监测,地貌变化预测。
技术介绍
由于合成孔径雷达SAR具有全天时,全天候,拍摄范围大的成像特点,对于SAR图像处理的应用与需求不断提高,而SAR图像变化检测是SAR图像处理技术中的一个重要分支,在军事和民用方面都有着重要的应用。SAR图像变化检测是从两幅在相同地点不同时间拍摄得到的SAR图像中,根据某些特征的差异程度,识别出发生变化的区域和没有发生变化的区域的过程。随着国内外SAR图像技术不断发展,研究人员相继提出了许多有效的变化检测方法,应用最广泛的是先产生差异图再对差异图进行分析的思路。产生差异图主要分为差值方法和比值方法,差值方法是早期获得差异图的方法,该方法运算简单,容易实现,但对噪声十分敏感。比值方法可以有效得抑制SAR图像中富含的乘性噪声,是目前广泛应用的一种方法。对差异图进行分析类似于图像分割,主要分为阈值方法和聚类方法。阈值方法是在差异图中建立一个数学模型,得到一个合适的阈值,该方法运算简单,容易实现,但结果的正确率很低。聚类方法是在差异图中得到两个聚类中心,将所有像素分为两类,模糊C均值聚类是应用最广泛的聚类算法,该方法利用模糊理论对图像进行分割,能够保留图像的细节信息,获得良好的结果,但是该方法没有利用邻域信息,受噪声影响很大,鲁棒性低。随着现代社会对SAR图像变化检测要求的提高,传统的各种算法存在结果正确率低,对噪声的鲁棒性差的缺点,使得传统的各种方法所得到的变化检测结果已不能满足要求,研究人员针对这些缺陷做出了一些改进,例如对传统的模糊 ...
【技术保护点】
一种基于差异图自步学习的SAR图像变化检测方法,包括:(1)输入两幅校准后待检测的SAR图像I1和I2,并利用对数率操作器获得这两幅图像的差异图DI;(2)对差异图DI进行模糊C均值聚类,获得该差异图DI的隶属度矩阵U;(3)根据模糊隶属度矩阵U,对差异图DI中每个像素进行分类,得到初始的变化检测结果图R1;(4)根据初始变化检测结果图R1,选择满足的像素点,构成候选样本集X',其中,t表示像素点邻域内与中心像素类标一致的像素点数目,s表示像素点的邻域范围,α表示选择阈值,取值为0.7;(5)从候选样本集X'中均匀选择出数目为0.1×N的像素点,并利用初始的变化检测结果图R1和差异图DI,生成各类样本数目相同的最终样本集X,其中N为差异图DI中的像素总个数;(6)根据最终样本集X,使用逻辑斯谛回归进行自步学习,得到分类器的参数wend;(7)根据所获取的参数wend,对差异图DI中每一个像素进行分类,得到中间的变化检测结果图R2;(8)根据中间的变化检测结果图R2,利用局部邻域信息重新对差异图DI中的每一个像素进行分类,得到最终的变化检测结果图R:8a)根据中间的变化检测结果图R2,统 ...
【技术特征摘要】
1.一种基于差异图自步学习的SAR图像变化检测方法,包括:(1)输入两幅校准后待检测的SAR图像I1和I2,并利用对数率操作器获得这两幅图像的差异图DI;(2)对差异图DI进行模糊C均值聚类,获得该差异图DI的隶属度矩阵U;(3)根据模糊隶属度矩阵U,对差异图DI中每个像素进行分类,得到初始的变化检测结果图R1;(4)根据初始变化检测结果图R1,选择满足的像素点,构成候选样本集X',其中,t表示像素点邻域内与中心像素类标一致的像素点数目,s表示像素点的邻域范围,α表示选择阈值,取值为0.7;(5)从候选样本集X'中均匀选择出数目为0.1×N的像素点,并利用初始的变化检测结果图R1和差异图DI,生成各类样本数目相同的最终样本集X,其中N为差异图DI中的像素总个数;(6)根据最终样本集X,使用逻辑斯谛回归进行自步学习,得到分类器的参数wend;(7)根据所获取的参数wend,对差异图DI中每一个像素进行分类,得到中间的变化检测结果图R2;(8)根据中间的变化检测结果图R2,利用局部邻域信息重新对差异图DI中的每一个像素进行分类,得到最终的变化检测结果图R:8a)根据中间的变化检测结果图R2,统计每个像素点邻域内类标分别为0和1的像素点数目m1和m2;8b)判断m1是否大于m2,若是,则将像素的类标设置为0,否则,将像素的类标设置为1;8c)将得到的类标作为差异图DI中各个像素点的灰度值,生成最终的变化检测结果图R,并通过...
【专利技术属性】
技术研发人员:尚荣华,焦李成,袁一璟,刘芳,马文萍,王蓉芳,侯彪,王爽,刘红英,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。