基于邻域相似性及掩模增强的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邻域相似性及掩模增强的ＳＡＲ图像变化检测方法，它涉及遥感图像处理领域，主要解决ＳＡＲ图像变化检测的差异图构造受ＳＡＲ图像斑点噪声影响严重的问题，其实现步骤为：（１）对不同时相同一场景的两幅ＳＡＲ图像Ｉ１和Ｉ２进行几何校正和配准；（２）用邻域相似度算子，构造图像Ｉ１和Ｉ２的差异影像图ＤＩ；（３）对差异影像图ＤＩ进行掩模增强处理，得到新的差异影像图ＮＤＩ；（４）利用初始点确定的Ｋ均值聚类方法，对新的差异影像图ＮＤＩ进行聚类，得到变化检测结果图ＣＤＩ。本发明专利技术具有运行效率高，算法复杂度和时间复杂度低，实验效果好的特点，可用于两时相ＳＡＲ图像的变化检测。

【技术实现步骤摘要】

本专利技术属于遥感图像处理领域，涉及遥感图像的变化检测，可用于对SAR图像变 化的检测。
技术介绍
合成孔径雷达SAR是现代遥感领域的一项突破性技术，成为获取信息的一个重要 手段。随着SAR技术的不断发展和成熟，及SAR系统的分辨率的不断提高，使得SAR系统具 有了全天候、全天时及覆盖面积大等优点。不同时相同一场景的SAR图像的获得，使得通过 SAR图像变化检测技术提供目标与场景实时动态信息成为可能。变化检测是遥感技术的主要应用之一，它通过对不同时相同一场景的各种图像进 行对比分析，根据图像之间的差异来得到人们所需要的地物或目标的变化信息。变化检测 技术可以检测出不同时期图像灰度值或局部纹理之间的变化，在此基础上获得感兴趣目标 在形状、位置、数量、及其它属性的变化情况。这些变化可能是由图像场景的真实变化引起 的，也可能是由入射角、大气条件、传感器精度、地面湿度等变化引起的。SAR图像的变化检 测则特指研究不同时相同一场景的两幅或多幅SAR图像之间的变化信息，SAR图像变化检 测技术在环境检测等已被广泛应用，如土地利用分析、森林采伐检测、灾情评估等。然而，SAR图像在具有上述优点的同时，受斑点噪声影响是其应用的一个主要瓶 颈，如何从SAR图像自身特点出发，有效抑制斑点噪声是SAR图像实际应用中必须考虑的一 个问题。随着计算机和成像技术的不断发展，SAR图像变化检测技术也在不断提高和改进 中，近年来逐渐形成了以下几种较为经典的变化检测算法图像差值法其主要过程是将两时相SAR图像对应像素点的灰度值相减得到差异 图，然后选取0 255的阈值进行分割，得到变化和非变化区域。图像差值法算法简单，方 便易行，但这种方法的缺点也比较明显容易受SAR成像质量、波谱特征不同等客观条件影 响，易产生“伪变化”信息。图像比值法其主要过程是计算两时相SAR图像对应像素点灰 度值的比值得到差异图，如果一个像素没有发生变化，则比值应该接近与1，反之，远大于或 远小于1。该方法对SAR图像的乘性噪声是不敏感的，但得到的差异图精确度往往会受变化 类型影响较大。分类后比较法其主要过程是先用同一种分类方法对每一时相SAR图像进 行分类，然后将分类结果图进行比较，以确定变化的类别和区域。如果对应像素的分类类别 相同，则认为该像素没有发生变化，反之，发生了变化。该方法不仅可以检测变化区域，还可 以确定变化类别信息，同时受配准误差影响较小，但它的缺点是受分类器的误差积累影响 很大。以上三种方法是最为经典的变化检测方法，另外还有变化向量分析法，主分量分 析法等等。但是这些方法均受SAR图像斑点噪声影响较大，必须预先对两时相SAR图像进 行滤波去噪，才能得到较好的变化检测结果，而滤波在变化检测方法中需要占用较长的运 行时间，增加了变化检测方法的复杂度，另外这些方法构造的差异图中变化类与非变化类区别都不够明显，增加了后续的分类的难度。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提出一种基于邻域相似性及掩模增 强的SAR图像变化检测方法，以在无需进行滤波去噪的情况下，抑制SAR图像的部分斑点噪 声，提高变化检测结果的正确率。本专利技术的技术方案是基于邻域相似度的原理，构建了一个由比值算子演化而来 的邻域相似度NSR算子，根据NSR算子构造两时相SAR图像的差异影像图DI，再通过对DI 的掩模增强处理后K均值聚类得到变化结果图。其具体实现步骤如下(1)对不同时相同一场景的两幅SAR图像I1和I2进行几何校正和配准；(2)根据邻域相似度NSR算子，按照如下步骤构造图像I1和I2的差异影像图DI ；2a)分别取得两时相SAR图像IJPI2在同一位置χ上的像素灰度值邻域集合N1(X) 和队⑴，其大小为NXN，N e {3,5,7,9}；2b)比较两个邻域集合N1(X)和队00的相似性，得到差异图DI在位置χ上的像 素灰度值DI(X) 其中，N1(Xi) ^PN2(Xi)分别表示图像I1和I2在位置χ上邻域集合N1(X) ^P N2(χ) 的第i个元素，集合N1(X)与N2(X)越相似，则DI(X)值越大，图像I1和I2在位置χ上的像 素点属于非变化区域的可能性越大，反之，属于变化区域的可能性越大；2c)对图像I1和I2的每一位置χ从左到右，从上到下重复步骤2a)和2b)，得到差 异影像图DI ；(3)对差异影像图DI进行掩模增强处理，得到新的差异影像图NDI，所述的掩模增强处理包括如下步骤3a)根据差异影像图DI的图像大小选用掩模，若DI小于1000X 1000，则选用中心 系数为_8的掩模，若DI大于1000 X 1000，则选用中心系数为-9的掩模；3b)利用所选的掩模，增大DI在位置χ上像素点与其周围相邻像素点间的差异，得 到新的差异影像图在位置X上的值NDI(X) 其中LN表示掩模的长度，取值为9，L(Xi)为掩模中的第i个数的值，DI(Xi)表示 DI中大小为3X3的χ邻域集合中的第i个像素的灰度值；3c)对DI的从左到右，从上到下重复步骤3b)，得到新的差异影像图NDI ；(4)利用初始点确定的K均值方法，对新的差异影像图NDI进行聚类，得到变化检 测结果图CDI。本专利技术与现有技术相比具有如下优点1、本专利技术采用邻域相似度NSR算子构造的差异影像图，抑制了 SAR图像的部分斑点噪声，不需要对原始SAR图像滤波去噪，降低了变化检测方法的复杂度；2、本专利技术针对邻域相似度算子构造的差异影像图，创建的掩模增强处理方法，进 一步减弱了差异影像图中的噪声影响，同时有效地增大了该差异影像图中的变化类中心 和非变化类中心的距离，有利于对差异影像图的分类，另外，该掩模增强处理方法运行时间 少，此优点在检测两时相大图时尤为重要；3、仿真结果表明，本专利技术采用的NSR算子构造差异影像图方法和掩模增强处理方 法较比值R算子，对数比值LR算子构造差异影像图方法和双边滤波处理方法的正确检测率 高，错检和漏检个数低，时间复杂度小。附图说明图1是本专利技术的主要流程图2是本专利技术设计的掩模；图3是第一组实验仿真图4是不同算子构造的差异影像图5是对应图4的K均值聚类结果图6是掩模增强处理前后的差异影像图7是对应图6的K均值聚类结果图8是对应图6的数据分布直方图9是第二组实验仿真图10是双边滤波处理DI后的K均值聚类结果图11是掩模增强处理DI后的K均值聚类结果图12是双边滤波处理和掩模增强处理的运行时间对比图13是分别将图9中所标记的A，B和C区域放大后的原图14是对应图13的双边滤波处理DI后的K均值聚类结果图图15是对应图13的掩模增强处理DI后的K均值聚类结果图具体实施例方式参照附图1，本专利技术包括如下步骤步骤一通过遥感图像处理软件ERDAS对不同时相同一场景的两幅SAR图像I1和 I2进行几何校正和配准。步骤二 根据邻域相似度NSR算子，按照如下步骤构造图像I1和I2的差异影像图 DI。2a)分别取得两时相SAR图像I1和I2在同一位置χ上的像素灰度值邻域集合N1 (χ) 和队⑴，其大小为NXN，N e {3,5,7,9}；2b)比较两个邻域集合N1(X)和队00的相似性，得到差异图DI在位置χ上的像 素灰度值DI(X) 其中，N1(Xi)和N2 (Xi)分别表示图像本文档来自技高网...

【技术保护点】
一种基于邻域相似性及掩模增强的ＳＡＲ图像变化检测方法，包括如下步骤：（１）对不同时相同一场景的两幅ＳＡＲ图像Ｉ↓［１］和Ｉ↓［２］进行几何校正和配准；（２）根据邻域相似度ＮＳＲ算子，按照如下步骤构造图像Ｉ↓［１］和Ｉ↓［２］的差异影像图ＤＩ；２ａ）分别取得两时相ＳＡＲ图像Ｉ↓［１］和Ｉ↓［２］在同一位置ｘ上的像素灰度值邻域集合Ｎ↓［１］（ｘ）和Ｎ↓［２］（ｘ），其大小为Ｎ×Ｎ，Ｎ∈｛３，５，７，９｝；２ｂ）比较两个邻域集合Ｎ↓［１］（ｘ）和Ｎ↓［２］（ｘ）的相似性，得到差异图ＤＩ在位置ｘ上的像素灰度值ＤＩ（ｘ）：ＤＩ（ｘ）＝＊ｍｉｎ（Ｎ↓［１］（ｘ↓［ｉ］），Ｎ↓［２］（ｘ↓［ｉ］））／＊ｍａｘ（Ｎ↓［１］（ｘ↓［ｉ］），Ｎ↓［２］（ｘ↓［ｉ］）），其中，Ｎ↓［１］（ｘ↓［ｉ］）和Ｎ↓［２］（ｘ↓［ｉ］）分别表示图像Ｉ↓［１］和Ｉ↓［２］在位置ｘ上邻域集合Ｎ↓［１］（ｘ）和Ｎ↓［２］（ｘ）的第ｉ个元素，集合Ｎ↓［１］（ｘ）与Ｎ↓［２］（ｘ）越相似，则ＤＩ（ｘ）值越大，图像Ｉ↓［１］和Ｉ↓［２］在位置ｘ上的像素点属于非变化区域的可能性越大，反之，属于变化区域的可能性越大；２ｃ）对图像Ｉ↓［１］和Ｉ↓［２］的每一位置ｘ从左到右，从上到下重复步骤２ａ）和２ｂ），得到差异影像图ＤＩ；（３）对差异影像图ＤＩ进行掩模增强处理，得到新的差异影像图ＮＤＩ，所述的掩模增强处理包括如下步骤：３ａ）根据差异影像图ＤＩ的图像大小选用掩模，若ＤＩ小于１０００×１０００，则选用中心系数为－８的掩模，若ＤＩ大于１０００×１０００，则选用中心系数为－９的掩模；３ｂ）利用所选的掩模，增大ＤＩ在位置ｘ上像素点与其周围相邻像素点间的差异，得到新的差异影像图在位置ｘ上的值ＮＤＩ（ｘ）：ＮＤＩ（ｘ）＝＊（ＤＩ（ｘ↓［ｉ］）－Ｌ（ｘ↓［ｉ］）），１≤ｉ≤ＬＮ，其中ＬＮ表示掩模的长度，取值为９，Ｌ（ｘ↓［ｉ］）为掩模中的第ｉ个数的值，ＤＩ（ｘ↓［ｉ］）表示ＤＩ中大小为３×３的ｘ邻域集合中的第ｉ个像素的灰度值；３ｃ）对ＤＩ的从左到右，从上到下重复步骤３ｂ），得到新的差异影像图ＮＤＩ；（４）利用初始点确定的Ｋ均值聚类方法，对新的差异影像图ＮＤＩ进行聚类，得到变化检测结果图ＣＤＩ。...

【技术特征摘要】

【专利技术属性】
技术研发人员：公茂果，焦李成，吴巧娣，王桂婷，钟桦，王爽，刘芳，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[中国|西安]