基于迭代马尔科夫的合成孔径雷达影像变化检测方法技术

一种基于迭代马尔科夫的合成孔径雷达影像变化检测方法，由构建对数比值差异图D、确定先验概率和先验二值图、构建特征空间、确定特征数值的量化级、确定似然函数、确定变化类B

SAR image change detection method based on iterative Markov

【技术实现步骤摘要】
基于迭代马尔科夫的合成孔径雷达影像变化检测方法


[0001]本专利技术属于遥感影像应用
，具体地涉及到同一地区不同时刻两幅合成孔径雷达影像的变化检测方法。

技术介绍

[0002]用多时相遥感影像探测来监测地球表面发生的变化是遥感技术最重要的应用之一。其中合成孔径雷达(SAR)因为具有全天候、全天时的特点，可方便地获得同一地区不同时刻的图像，被广泛应用于地震区域的定位和灾害评估、对农作物生长状况的监测、对土地使用的监测等等。SAR图像变化检测也成了它的一个重要的应用领域，通过对不同时期图像的比较分析，根据图像之间的差异得到所需要的变化信息。
[0003]由于SAR系统采用合成相干方式成像，乘性相干斑总是伴随SAR影像而存在。因此，如何有效地设计基于SAR影像的变化检测方法得到了越来越多学者的关注。
[0004]现有的SAR图像处理存在的主要技术问题是：SAR影像的乘性噪声对后续的构造差异图及差异图分类都有较大影像，会导致变化检测的精度降低，造成错分、误分的现象。
[0005]在图像处理
，进行合成孔径雷达影像处理时，要充分考虑相干斑的影响，如何做到既能消除相干斑的影响又能保留真实变化信息不受到损失，是图像处理
当前需迫切解决的一个技术问题。

技术实现思路

[0006]本专利技术所要解决的技术问题在于提供一种鲁棒性好、正确率高、分类精度高的基于迭代马尔科夫的合成孔径雷达影像变化检测方法。
[0007]解决上述技术问题所采用的技术方案由下述步骤组成：
>[0008](1)构建对数比值差异图D
[0009]用对数比值方法将同一地区不同时刻的合成孔径雷达影像I1和合成孔径雷达影像I2构建对数比值差异图D：
[0010][0011](2)确定先验概率和先验二值图
[0012]按下式确定先验概率
[0013][0014]其中，l表示当前迭代次数，δ是参数，δ≠0，D
f
为归一差异图，T为将先验概率经过最大类间方差法进行阈值分割得到的分割阈值，将先验概率中大于阈值T的像素点置
为1，小于阈值T的像素点置为0，得到先验二值图T
p
。
[0015](3)构建特征空间
[0016]采用3
×
3不重叠分块方法将差异图D
f
分成n个图像块，将图像块拉成列向量构建成自相关矩阵，并采用奇异值分解方法构建成K维特征空间：
[0017][0018]其中，λ
j
是自相关矩阵的第j个特征值，k为像素点个数，k∈[1,2，
…
，8]，n为有限的正整数。
[0019](4)确定特征数值的量化级
[0020]将特征空间中的像素点用K
‑
means聚类方法分为变化类C、非变化类UC以及混淆类MC三类，并通过下式将变化类C与非变化类UC分布间的K
‑
L距离
[0021]DL(C,UC)＝K(C|UC)+K(UC|C)
[0022]其中，K(C|UC)表示从变化类C到非变化类UC的KL散度，K(UC|C)表示从非变化类UC到变化类C的KL散度，DL(C,UC)表示变化类C与非变化UC之间的K
‑
L距离；将K
‑
L距离最大化，获得变化类C与非变化类UC分布间相应特征值的量化级。
[0023](5)确定似然函数
[0024]将量化级采用直方图方法得到先验二值图T
p
中变化类B
C
的似然函数P
l
(F
i
|B
C
)和非变化类B
UC
的似然函数P
l
(F
i
|B
UC
)：
[0025][0026][0027][0028]其中表示像素i处的第k个特征属于变化类B
C
的条件概率，表示像素i处的第k个特征属于非变化类B
UC
的条件概率，是像素i处的第k个特征，ω
k
表示第k维特征的权重,和是第k维特征的变化部分和非变化部分的均值。
[0029](6)确定变化类B
C
的后验概率
[0030]按下式确定差异图D
f
中各像素属于变化类B
C
的后验概率P
l
(B
C
|F
o
)：
[0031][0032](7)确定后验概率对应的二值图
[0033]通过最大类间方差阈值法对后验概率P
l
(B
C
|F
i
)进行二值化，得到后验概率对应的后验二值图T
a
。
[0034](8)马尔科夫迭代融合
[0035]利用能量最小化原则，采用迭代方式融合先验二值图T
p
和后验二值图T
a
，得到融合后二值图Y。
[0036](9)输出最终结果
[0037]按下式确定先验概率及先验二值图T
p
：
[0038][0039]T
p
＝Y
[0040]重复步骤(5)
‑
(8)，直至到最大迭代次数l
max
，停止迭代，输出变化检测结果图Y。
[0041]在本专利技术的步骤(8)中，所述的迭代方式融合先验二值图T
p
和后验二值图T
a
的方法为：
[0042]1)用先验二值图T
p
和后验二值图T
a
，将能量函数U1最小化，得到初始化二值图B0，能量函数U1如下：
[0043][0044][0045][0046]其中，b
mn
表示图像B0中像素点(m,n)的类标，A
S
(m,n)表示二值图A中像素点(m,n)的邻域，A(p,q)表示当前位置处属于A
S
(m,n)中的像素点，T表示计算二值图A所使用的阈值，x
pq
表示二值图A所对应差异图在(p,q)位置处的强度值，γ是一个调节参数，γ＞0。
[0047]2)将能量函数U2(B
t
,B
t
‑1,T
p
,T
a
)最小化得到二值图B
t
，能量函数U2如下：
[0048][0049][0050]其中，t表示马尔科夫融合迭代次数，β表示平衡因子，β＞0，表示二值图B
t
‑1中(m,n)位置处的邻域，表示当前位置处属于中的像素点。
[0051]3)重复执行步骤2)，当二值图B
t
‑1和二值图B
t
中不同标记的像素个数小于给定的阈值T
d
或者达到最大迭本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迭代马尔科夫的合成孔径雷达影像变化检测方法，其特征在于由下述步骤组成：(1)构建对数比值差异图D用对数比值方法将同一地区不同时刻的合成孔径雷达影像I1和合成孔径雷达影像I2构建对数比值差异图D：(2)确定先验概率和先验二值图按下式确定先验概率按下式确定先验概率其中，l表示当前迭代次数，δ是参数，δ≠0，D
f
为归一差异图，T为将先验概率经过最大类间方差法进行阈值分割得到的分割阈值，将先验概率中大于阈值T的像素点置为1，小于阈值T的像素点置为0，得到先验二值图T
p
；(3)构建特征空间采用3
×
3不重叠分块方法将差异图D
f
分成n个图像块，将图像块拉成列向量构建成自相关矩阵，并采用奇异值分解方法构建成K维特征空间：其中，λ
j
是自相关矩阵的第j个特征值，k为像素点个数，k∈[1，2，...，8]，n为有限的正整数；(4)确定特征数值的量化级将特征空间中的像素点用K
‑
means聚类方法分为变化类C、非变化类UC以及混淆类MC三类，并通过下式将变化类C与非变化类UC分布间的K
‑
L距离DL(C，UC)＝K(C|UC)+K(UC|C)其中，K(C|UC)表示从变化类C到非变化类UC的KL散度，K(UC|C)表示从非变化类UC到变化类C的KL散度，DL(C，UC)表示变化类C与非变化UC之间的K
‑
L距离；将K
‑
L距离最大化，获得变化类C与非变化类UC分布间相应特征值的量化级；(5)确定似然函数将量化级采用直方图方法得到先验二值图T
p
中变化类B
C
的似然函数P
l
(F
i
|B
C
)和非变化类B
UC
的似然函数P
l
(F
i
|B
UC
)：
其中表示像素i处的第k个特征属于变化类B
C
的条件概率，表示像素i处的第k个特征属于非变化类B
UC
的条件概率，是像素i处的第k个特征，ω
k
表示第k维特征的权重，和是第k维特征的变化部分和非变化部分的均值；(6)确定变化类B
C
的后验概率按下式确定差异图D
f
中各像素属于变化类B
C
的后验概率P
l
(B
C
|F
i
)：：(7)确定后验概率对应的二值图通过最大类间方差阈值法对后验概率P
l
(B
C
|F
i
)进行二值化，得到后验概率对应的后验二值图T
...

【专利技术属性】
技术研发人员：武杰，余玲玲，刘明，马苗，裴炤，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：