SAR影像变化检测方法及装置制造方法及图纸

本发明专利技术适用于遥感领域，提供了一种SAR影像变化检测方法及装置，所述方法包括：对两期SAR影像进行预处理；根据预处理后的两期SAR影像生成差分影像；采用自适应距离的模糊局部信息C均值聚类算法，通过所述差分影像生成未变化类ωu的模糊隶属度函数Uu和变化类ωc的模糊隶属度函数Uc；采用模糊拓扑理论，根据所述未变化类ωu的模糊隶属度函数Uu将所述未变化类ωu划分为内部和模糊边界，以及根据所述变化类ωc的模糊隶属度函数Uc将所述变化类ωc划分为内部和模糊边界；分别对所述未变化类ωu和变化类ωc的内部和模糊边界中的像素进行去模糊化。本发明专利技术提高了SAR影像变化检测中模糊隶属度函数的准确性、模糊边界像素的分类精度，从而能够获得较优的SAR影像变化检测结果。

SAR image change detection method and device

The invention is applicable to the field of remote sensing, provides a SAR image change detection method and device, the method includes: two SAR images are preprocessed; based on two SAR images generated after pretreatment of the difference image using adaptive distance; fuzzy local information C mean clustering algorithm, the fuzzy points difference image generation does not change the class u fuzzy membership degree function Uu and the change of class Omega C membership function Uc; using fuzzy topological theory, the class did not change according to the fuzzy membership function of u Uu will not change the type of Omega u into the internal and the fuzzy boundary, and according to the fuzzy membership change class C function Uc will change of the kind of Omega C into the internal and the fuzzy boundary; for the unchanged class u and class C Omega Omega changes inside the boundary pixels and fuzzy optimization. The invention improves the accuracy of fuzzy membership function and the classification accuracy of fuzzy boundary pixels in SAR image change detection, and achieves better SAR image change detection results.

【技术实现步骤摘要】
SAR影像变化检测方法及装置
本专利技术属于遥感领域，尤其涉及一种SAR影像变化检测方法及装置。
技术介绍
遥感影像变化检测是农业调查、灾害监测、城市研究和资源监测等对地观测应用中的关键技术。由于合成孔径雷达(SyntheticApertureRadar，SAR)具有全天时、全天候以及对某些地物的穿透性能等成像优势，SAR影像变化检测技术在近年来受到了越来越多的关注。其中，模糊聚类算法为使用最广泛的SAR影像变化检测技术之一。然而模糊聚类SAR影像变化检测技术存在以下缺陷：1.在生成模糊隶属度函数的过程中没有考虑未变化类与变化类的形状信息，不能自适应差分影像的统计特征，影响了模糊隶属度函数的准确性。2.在使用最大隶属度原则对模糊隶属度函数进行去模糊化时，没有考虑不同像素的模糊隶属度分布的差异性。比如，若像素A和像素B属于变化类的模糊隶属度分别为0.98和0.52，那么属于未变化类的模糊隶属度分别为0.02和0.48，则根据最大隶属度原则，像素A和B都被标记为变化类，但是对于像素B，其属于变化类和未变化类的模糊隶属度是非常接近的，分类结果具有很高的不确定性，从而影响了SAR影像变化检测本文档来自技高网...

【技术保护点】
一种SAR影像变化检测方法，其特征在于，所述方法包括：对两期SAR影像进行预处理；根据预处理后的两期SAR影像生成差分影像；采用自适应距离的模糊局部信息C均值聚类算法，通过所述差分影像生成未变化类ωu的模糊隶属度函数Uu和变化类ωc的模糊隶属度函数Uc；采用模糊拓扑理论，根据所述未变化类ωu的模糊隶属度函数Uu将所述未变化类ωu划分为内部和模糊边界，以及根据所述变化类ωc的模糊隶属度函数Uc将所述变化类ωc划分为内部和模糊边界；分别对所述未变化类ωu和变化类ωc的内部和模糊边界中的像素进行去模糊化。

【技术特征摘要】
1.一种SAR影像变化检测方法，其特征在于，所述方法包括：对两期SAR影像进行预处理；根据预处理后的两期SAR影像生成差分影像；采用自适应距离的模糊局部信息C均值聚类算法，通过所述差分影像生成未变化类ωu的模糊隶属度函数Uu和变化类ωc的模糊隶属度函数Uc；采用模糊拓扑理论，根据所述未变化类ωu的模糊隶属度函数Uu将所述未变化类ωu划分为内部和模糊边界，以及根据所述变化类ωc的模糊隶属度函数Uc将所述变化类ωc划分为内部和模糊边界；分别对所述未变化类ωu和变化类ωc的内部和模糊边界中的像素进行去模糊化。2.如权利要求1所述的SAR影像变化检测方法，其特征在于，所述采用自适应距离的模糊局部信息C均值聚类算法，通过所述差分影像生成未变化类ωu的模糊隶属度函数Uu和变化类ωc的模糊隶属度函数Uc包括：A:初始化迭代次数n＝0，并分别初始化l类的模糊隶属度函数Ul，所述l类包括未变化类ωu和变化类ωc；B:利用所述模糊隶属度函数Ul和差分影像的像素灰度值，分别计算所述l类对应的聚类中心vl；C:针对每个像素Pi，利用所述像素Pi的模糊局部因子Gli、聚类中心vl以及所述差分影像的像素灰度值计算所述像素Pi隶属于l类的模糊隶属度Ul(Pi)，组合所有像素的模糊隶属度Ul(Pi)得到所述l类的模糊隶属度函数Ul；D:将迭代次数n加1，返回步骤B以进行下一次计算，直至所述迭代次数n大于或等于预设的迭代次数最大值，则输出所述l类的模糊隶属度函数Ul，包括未变化类ωu的模糊隶属度函数Uu和变化类ωc的模糊隶属度函数Uc；其中，所述像素Pi隶属于l类的模糊隶属度Ul(Pi)的计算公式为：所述Gli表示模糊局部因子，且所述dij表示像素Pi到Pj的空间距离，所述d(Pi,vl)表示像素Pi到聚类中心vl的自适应距离。3.如权利要求1所述的SAR影像变化检测方法，其特征在于，所述采用模糊拓扑理论，根据所述未变化类ωu的模糊隶属度函数Uu将所述未变化类ωu划分为内部和模糊边界，以及根据所述变化类ωc的模糊隶属度函数Uc将所述变化类ωc划分为内部和模糊边界包括：获取未变化类ωu的阈值αu和变化类ωc的阈值αc，所述阈值αu和阈值αc均大于0.5；根据所述未变化类ωu的模糊隶属度函数Uu，将所述未变化类ωu中模糊隶属度高于所述阈值αu的像素划分为未变化类ωu的内部、将模糊隶属度低于或等于所述阈值αu的像素划分为未变化类ωu的模糊边界；以及根据所述变化类ωc的模糊隶属度函数Uc，将所述变化类ωc中模糊隶属度高于所述阈值αc的像素划分为变化类ωc的内部、将模糊隶属度低于或等于所述阈值αc的像素划分为变化类ωc的模糊边界。4.如权利要求1所述的SAR影像变化检测方法，其特征在于，所述分别对所述未变化类ωu和变化类ωc的内部和模糊边界中的像素进行去模糊化包括：根据最大隶属度原则，将在所述未变化类ωu中划分为内部的像素标记为未变化类，以及将在所述变化类ωc中划分为内部的像素标记为变化类；根据模糊拓扑的支撑连通性和已标记的像素对在所述未变化类ωu和所述变化类ωc中划分为模糊边界的像素进行重新分类。5.如权利要求4所述的SAR影像变化检测方法，其特征在于，所述根据模糊拓扑的支撑连通性和已标记的像素对在所述未变化类ωu和所述变化类ωc中划分为模糊边界的像素进行重新分类包括：对于在未变化类ωu和变化类ωc中划分为模糊边界的像素Pi，搜寻其八领域N8(Pi)；统计该八领域N8(Pi)中标记为未变化类的像素个数Nu和标记为变化类的像素个数Nc；比较Nu和Nc，若Nu>Nc，则将所述像素Pi标记为未变化类，若Nu<Nc，则将所述像素Pi标记为变化类；若Nu＝Nc，则比较所述像素Pi属于未变化类的模糊隶属度Uu(Pi)和属于变化类的模糊隶属度Uc(Pi)，若Uu(Pi)>Uc(Pi)，则将所述像素Pi标记为未变化类，若Uu(Pi)&am...

【专利技术属性】
技术研发人员：史文中，邵攀，
申请(专利权)人：香港理工大学深圳研究院，
类型：发明
国别省市：广东,44