本发明专利技术公开了一种基于空间关联条件概率融合的多时相ＳＡＲ图像变化检测方法，主要解决传统变化检测方法在保持变化区域的完整性时，伪变化区域较多的问题，具体实现步骤为：（１）对增强Ｌｅｅ滤波后的两时相ＳＡＲ图像进行分割；（２）创建条件概率差异图并求得用于融合的空间关联条件概率；（３）利用空间关联条件概率融合两时相分割结果，得到融合差异图；（４）对融合差异图取阈值得到变化检测结果。本发明专利技术在较好地保证变化区域完整性的同时，减少了伪变化区的出现，提高了变化检测的精度，可用于多时相ＳＡＲ图像的火灾、水灾等灾害的评估。
【技术实现步骤摘要】
本专利技术属于图像处理领域，涉及多时相SAR图像的变化检测，具体地说是一种基 于空间关联条件概率融合的多时相SAR图像变化检测方法。
技术介绍
随着卫星遥感技术的发展，遥感数据飞速增加。其中的SAR数据由于不受大气环 境和和云层遮挡的影响成为一种重要的遥感数据。如何准确快速自动地从不同时相的SAR 图像中找出显著变化的区域则具有十分重要的意义。 在SAR图像中寻找"非变化"和"变化"两分类的研究目前还处于初步阶段，大致 有两个路线，一条路线是分类后比较方法，也称后分类比较法，该方法先对两个时相的图像 进行独立分类，再对两幅分类图像进行逐象素的比较，最后得到变化检测图；另外一条路线 是差异图分类方法，该方法先对两个时相的图像进行逐象素的比较，比如逐象素点的差值、 比值、CVA等，再对比较得出的差异图像进行进一步地多种变换、概率分布等处理以达到两 分类，最后得到变化检测图。后分类比较法能够减少由于数据获取平台和环境的不同引起 的伪变化信息，不需要数据的辐射校正等复杂的预处理，但是该方法是基于不同时相的分 类图的，对分割结果准确性要求较高，象素值的微小偏差可能会被判为不同的类别，经差异 比较后会产生非变化与变化间的巨大差异，直接影响最终的变化检测结果。目前较多的研 究是沿着差异分类模型这个路线进行的。差异图分类方法简单直观，得到的变化细节较为 显著。构造差异影像得到的结果与实际的变化和非变化趋势大体一致，但是它们之间反映 出的地物的辐射能量的变化却并不总是相同的，因此反映出的地物变化程度及属性也不完 全相同，往往含有较多的伪变化信息。同时该方法将两时相图像直接进行逐象素的差值或 者比值运算并没有充分利用两时相图像的内在关联特性，无法较好的保持变化区块的完整 性。
技术实现思路
本专利技术的目的在于针对上述两类变化检测方法的不足，提出一种基于空间关联条 件概率融合的SAR图像变化检测方法，以较好的保持变化区块的完整性，并减少伪变化区 块的出现，取得了较好的变化检测结果。 实现本专利技术目的的技术方案是首先分别计算两时相SAR图像的边缘匹配最优分割图和空间关联条件概率图，然后逐点计算条件概率图与两时相SAR图像中对应3 X 3邻域的空间关联条件概率，据此条件概率逐点对两时相的最优分割图进行融合，得到融合差异图，最后对融合差异图分割得到变化检测结果。具体步骤如下 (1)对输入的两时相图像分别采用两次增强Lee滤波，得到图像^和I2 ; (2)用Ca皿y边缘算子分别计算两时相图像I!和I2的边缘，得到两幅Ca皿y边缘4 (3)计算两幅Ca皿y边缘图中每个像素点与其周围每个边缘点的欧氏距离，选择 每个像素与其周围边缘点的最小的距离作为该像素点的边缘距离值，得到两幅Ca皿y边缘 图中各点的边缘距离值； (4)取图像I2的每一个灰度级作为一个阈值对图像12分别二值化，得到与各灰 度级对应的多幅二值图；计算每个二值图的边缘与图像I2的Ca皿y边缘的匹配度(g2)/ m2 (g2)，其中，mi (g2)为LE2 (g2) /BE2 (g2) ， BE2 (g2)是与灰度级g2对应的二值图的边缘上的像 素点数，LE2(g2)是二值图边缘与时相2图像I2的Ca皿y边缘存在重叠的像素点数，m2 (g2) 是灰度级g2对应二值图的边缘上点在第二幅Ca皿y边缘图中对应点的边缘距离值的和；选 取匹配度最大的二值图作为图像I2的最优分割图IE2 ; (5)取图像L的每一个灰度级作为一个阈值对图像L分别二值化，得到与各 灰度级对应的多幅二值图；计算每个二值图的边缘与图像L的Ca皿y边缘的匹配度 m3 (gl) mi (gl) /m2 (gl)，其中，mi (gl)为(gl) /BE! (gl) ， BE! (gl)是与灰度级gl对应的二值 图的边缘上的像素点数，!A(g》是二值图边缘与时相1图像L的Ca皿y边缘图中的边缘存 在重叠的像素点数，m2(gl)是灰度级gl对应二值图边缘上点在第一幅Ca皿y边缘图中对应 点的边缘距离值的和，m"g》为第一时相图像L灰度级gl对应的二值图的边缘与第二时相 图像I2的最优分割图IE2边缘两者存在空间位置重叠的像素点数除以第二时相图像I2的 最优分割图IE2边缘的像素点数的值；选取出匹配度最大的二值图作为图像L的最优分割 图IE!;(6)取图像^和l2中位于(i，j)处像素的灰度值^和V2，组成灰度点对(Vl，v2)，统计图像L和I2中灰度点对(Vl， v2)出现的概率P(Vl， v2)及灰度值Vl出现的概率P(v》; (7)构建一幅与图像L和I2相同大小的MXN图像Ip，对应^和I2出现灰度点对 (Vl， v2)的位置处的IP的像素值赋为概率P(Vl， v2)/P(Vl)，得到空间关联条件概率图IP ; (8)统计空间关联条件概率图IP中每个像素点与图 像L和I2中相同位置像素的3X3邻域内各点的条件概率PW，AvOW.2,.^A…,^('，力力)Zv^" 其中，vp(i，j)为；中(i，j)处点的值，v(s)为图像^禾口 12中(i，j)处点3X3邻域内18个点的值，Nhj(Vp(i，j)，v(s)) 为(vp(i，j)，v(s))在由Ip中(h，l)处像素值与图像I!和12中(h，l)处像素的3X3邻域 内18个像素值组成的18组灰度对中出现的频数，P(v(s))为图像^和^中值v(s)出现 的概率； (9)依据步骤(8)图像^和I2中(i， j)处3X3邻域内各点与Ip中(i， j)处的 点的条件概率，对应地将步骤(4)和步骤(5)中两时相图像的最优分割结果图IE工和IE2中 (i，j)处3X3邻域内各点融合，得到融合后差异图(i，j)处的值，得到一幅融合差异图IF; (10)利用0tsu阈值将步骤(9)所得融合差异图Ip分为变化类与非变化类，得到 变化检测结果。 本专利技术由于采用基于边缘匹配的分割方法分割两时相图，并利用空间关联条件概 率将两时相最优分割图融合，创建出了融合差异图，与现有技术相比具有如下优点 (1)本专利技术实现了边缘硬匹配与软匹配的结合，减少了其他分割方法中过分割的 现象，取得了较好的分割结果。 (2)本专利技术既充分考虑了两时相原图像的区域一致性，又保持了空间关联条件概 率图相对于原图像的概率关系，达到了在尽量保证区域一致性的同时，减少检测出的伪变 化区域的目的。附图说明 图1是本专利技术实现流程图； 图2是本专利技术条件概率差异图的创建流程示意图； 图3是本专利技术空间关联条件概率构建示意图； 图4是本专利技术基于空间关联条件概率的最优分割图四方向融合示意图； 图5是模拟SAR实验数据的Ca皿y边缘匹配曲线图； 图6是模拟SAR实验数据及结果图； 图7是真实SAR实验数据及结果图。具体实施例方式参照图1 ，本专利技术的实现步骤如下 步骤1，输入两时相图像，如图6 (a)和图6 (b)，对输入的两时相图像均采用两次增强Lee滤波，得到图像L和12，其中，增强Lee滤波的窗口大小为5X5像素。 步骤2，用Ca皿y边缘算子分别计算两时相图像I!和I2的边缘，得到两幅Ca皿y边缘图。 步骤3，依次取图像I2的每一个灰度级作为阈值对图像12二值化，得到与各灰度级 对应的多幅二值图，计算每个二值图的本文档来自技高网...
【技术保护点】
一种基于空间关联条件概率融合的多时相ＳＡＲ图像变化检测方法，包括如下步骤： １）对输入的两时相图像分别采用两次增强Ｌｅｅ滤波，得到图像Ｉ↓［１］和Ｉ↓［２］； ２）用Ｃａｎｎｙ边缘算子分别计算两时相图像Ｉ↓［１］和Ｉ↓［２］的边缘，得到两幅Ｃａｎｎｙ边缘图； ３）计算两幅Ｃａｎｎｙ边缘图中每个像素点与其周围每个边缘点的欧氏距离，选择每个像素与其周围边缘点的最小的距离作为该像素点的边缘距离值，得到两幅Ｃａｎｎｙ边缘图中各点的边缘距离值； ４）取图像Ｉ↓［Ｍ×Ｎ图像Ｉ↓［Ｐ］，对应Ｉ↓［１］和Ｉ↓［２］出现灰度点对（ｖ↓［１］，ｖ↓［２］）的位置处的Ｉ↓［Ｐ］的像素值赋为概率Ｐ（ｖ↓［１］，ｖ↓［２］）／Ｐ（ｖ↓［１］），得到空间关联条件概率图Ｉ↓［Ｐ］； ８）统计空间关联条件概率图Ｉ↓［Ｐ］中每个像素点与图像Ｉ↓［１］和Ｉ↓［２］中相同位置像素的３×３邻域内各点的条件概率＊＊＊，其中，ｖ↓［Ｐ］（ｉ，ｊ）为Ｉ↓［Ｐ］中（ｉ，ｊ）处点的值，ｖ（ｓ）为图像Ｉ↓［１］和Ｉ↓［２］中（ｉ，ｊ）处点３×３邻域内１８个点的值，Ｎ↓［ｈ，ｌ］（ｖ↓［Ｐ］（ｉ，ｊ），ｖ（ｓ））为（ｖ↓［Ｐ］（ｉ，ｊ），ｖ（ｓ））在由Ｉ↓［Ｐ］中（ｈ，ｌ）处像素值与图像Ｉ↓［１］和Ｉ↓［２］中（ｈ，ｌ）处像素的３×３邻域内１８个像素值组成的１８组灰度对中出现的频数，Ｐ（ｖ（ｓ））为图像Ｉ↓［１］和Ｉ↓［２］中值ｖ（ｓ）出现的概率； ９）依据步骤（８）图像Ｉ↓［１］和Ｉ↓［２］中（ｉ，ｊ）处３×３邻域内各点与Ｉ↓［Ｐ］中（ｉ，ｊ）处的点的条件概率，对应地将步骤（４）和步骤（５）中两时相图像的最优分割结果图ＩＥ↓［１］和ＩＥ↓［２］中（ｉ，ｊ）处３×３邻域内各点融合，得到融合后差异图（ｉ，ｊ）处的值，得到一幅融合差异图Ｉ↓［Ｆ］； １０）利用Ｏｔｓｕ阈值将步骤（９）所得融合差异图Ｉ↓［Ｆ］分为变化类与非变化类，得到变化检测结果。２］的每一个灰度级作为一个阈值对图像Ｉ↓［２］分别二值化，得到与各灰度级对应的多幅二值图；计算每个二值图的边缘与图像Ｉ↓［２］的Ｃａｎｎｙ边缘的匹配度ｍ↓［１］（ｇ↓［２］）／ｍ↓［２］（ｇ↓［２］），其中，ｍ↓［１］（ｇ↓［２］）为ＬＥ↓［２］（ｇ↓［２］）／ＢＥ↓［２］（ｇ↓［２］），ＢＥ↓［２］（ｇ↓［２］）是与灰度级ｇ↓［２］对应的二值图的边缘上的像素点数，ＬＥ↓［２］（ｇ↓［...
【技术特征摘要】
【专利技术属性】
技术研发人员：王桂婷，焦李成，古振泉，公茂果，侯彪，刘芳，钟桦，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[]
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。