基于小波分解的多尺度水平集的sar图像变化检测方法
【专利摘要】本发明公开了一种基于小波分解的多尺度水平集的SAR图像变化检测算法，它属于遥感图像处理领域，主要解决了SAR图像变化检测过程中斑点噪声影响严重的问题。其实现过程为：（1）首先对两幅配准后的同一地区不同时相的SAR图像采用对数比操作算子做出差异图；（2）通过平稳小波分解（SWT）对差异图进行多层小波分解，得到不同分辨率的图像；（3）对低分辨率的图像通过水平集算法进行初步分割，所得到的分割图像的轮廓作为更高一层分辨率图像水平集算法的初始化曲线；（4）按照步骤（3）逐层进行，直到对原高分辨率图像进行水平集分割得到最终的分割图像。本发明中多尺度的应用避免了水平集演化过程中闭合曲线容易陷入局部最优的缺点，增加了对噪声的鲁棒性，应用于SAR图像的变化检测，显著地提高了检测效果及检测的正确率，加速了变化检测过程。
【专利说明】基于小波分解的多尺度水平集的SAR图像变化检测方法
【技术领域】
[0001]本发明属于遥感图像处理领域，涉及遥感图像的变化检测，具体提供一种基于小波分解的多尺度水平集的SAR图像变化检测方法，可用于对SAR图像变化的检测。
【背景技术】
[0002]与可见光、红外传感器比较,合成孔径雷达(synthetic aperture radar, SAR)具有分辨率高，全天时、全天候工作的特点，是较好的变化检测图像源。遥感图像变化检测是比较分析同一地区不同时间获得的两幅遥感图像，根据所得到的图像之间的差异进行地物变化和目标变化信息的提取。随着遥感技术的发展，SAR图像变化检测的技术需求日益广泛，目前，全球环境变化加剧，城市急速发展，洪水、地震等自然灾害频频发生，这些都需要及时掌握相关动态信息，为相关决策部门提供支持，SAR图像的种种优点为快速响应提供了技术支持和应急保障。
[0003]SAR图像变化检测主要有两种思路:(I)先分类后比较，即先对两幅配准后图像分别进行分类，通过比较分类结果得出变化部分。但该方法工作量很大，并且存在精度方面的缺陷。该方法是一种比较直观的方法，其优点是可以回避所用多时相遥感图像数据应获取环境条件不同和传感器不同所带来的辐射归一化问题，并可直接获取变化的类型，数量，位置，但此方法很难获得不同时相图像的不变信息具有相同类别的分类结果，且会夸大变化程度。同时，由于分类累积误差问题降低了变化检测精度。(2)对差异图进行分类，即先对两幅配准图像做差异图，再对所得的差异图进行分类比较。这种方法的研究空间比较大，思路简单明确，检测精度较高，是当前比较流行的方法。很多经典和前沿的方法都是基于这种思路进行的。
[0004]国内外学者们对变化检测方法进行了大量的研究，目前SAR图像变化检测经典的方法有:(I)基于简单代数运算的变化检测，经典的变化检测方法包括图像差值法、图像比值法、对数比值法；(2)基于图像变换的变换检测，经典的变化检测方法包括主成份分析、变化向量分析法、相关分析法图像变换法；(3)基于图像分类的变化检测方法。在经典的算法基础上，针对直接代数运算没有考虑到像元的空间上下文信息，误检和漏检现象严重，近年来出现了在此基础上的基于上下文空间关系的变化检测，主要从两个方面进行改进。一方面单尺度上利用差异图像的上下文关系进行进一步的优化得到变化图，如利用马尔可夫随机场对差异图进行分析，继而求得最优变化检测结果；另一方面利用差异图像的小波多尺度信息进行优化得到变化图。
[0005]目前的SAR变化检测算法大部分为中低分辨率、象元级、单极化的SAR影像变化检测。随着SAR技术的日益成熟，图像质量逐渐提高，分辨率逐渐增强，获取数据的能力和精度越来越高，图像获取越来越便捷，SAR变化检测的前景会更加广泛。
【发明内容】
[0006]本发明的目的是提供一种利用小波分解多尺度水平集进行SAR图像变化检测的算法，以便降低噪声的影响，从而提高变化检测精度，同时加速了变化检测的过程。
[0007]本发明的技术方案是，基于小波分解的多尺度水平集SAR图像变化检测方法，其特征是:包括如下步骤:
[0008]步骤101:开始基于小波分解的多尺度水平集SAR图像变化检测方法；
[0009]步骤102:使用对数比方法构造两幅不同时间同一地区的图像I1, I2的差异影像图DI并对其进行平稳小波分解获得不同尺度的图像；
[0010]步骤103:在尺度水平为L的图像(即最低分辨率的图像)上运行水平集算法；
[0011]步骤104:由低分辨率图像到高分辨率图像上依次进行水平集演化分割，每一次的低分辨率图像的分割结果作为下一层高分辨率图像水平集演化的初始化曲线，直到对原始图像进行水平集演化；
[0012]步骤105:获得最终的分割结果；
[0013]步骤106:结束基于小波分解的多尺度水平集SAR图像变化检测方法。
[0014]所述的步骤102，包括如下步骤:
[0015]步骤201:开始平稳小波分解SAR图像的方法； [0016]步骤202:分别取两时相SAR图像I1, I2在同一位置χ上的像素I1(X)和I2(X)，通过对数比方法构造差异图DI(X):
[0017]DI(X)=1gd1(X)Zl2(X))
[0018]步骤203:设置尺度水平L，这里取L=3 ；
[0019]步骤204:利用平稳小波分解对所得到的对数比差异图DI (χ)进行L_1层分解，从而获得不同分辨率的图像；
[0020]步骤205:结束平稳小波分解SAR图像的方法。
[0021]所述的步骤103，包括如下步骤:
[0022]步骤301:开始运行水平集算法；
[0023]步骤302:使用Kittler阈值分割算法对差异图DI (χ)进行初始分割，得到初始分割曲线 Φ°，令 k=0，Φ = Φ1? ；
[0024]步骤303:以曲线Φ kS初始化曲线进行水平集演化，最小化能量函数Fms (I，C)，得到一个轮廓曲线C来分割图像，其中Fms (I，C)定义如下:
【权利要求】
1.一种基于小波分解的多尺度水平集SAR图像变化检测方法，其特征是:包括如下步骤: 步骤101:开始基于小波分解的多尺度水平集SAR图像变化检测方法； 步骤102:使用对数比方法构造两幅不同时间同一地区的图像I1, I2的差异影像图DI并对其进行平稳小波分解获得不同尺度的图像； 步骤103:在尺度为L的图像(即最低分辨率的图像)上运行水平集算法； 步骤104:由低分辨率图像到高分辨率图像上依次进行水平集演化分割，每一次的低分辨率图像的分割结果作为下一层高分辨率图像水平集演化的初始化曲线，直到对原始图像进行水平集演化； 步骤105:获得最终的分割结果； 步骤106:结束基于小波分解的多尺度水平集SAR图像变化检测方法。
2.根据权利要求1所述的基于小波分解的多尺度水平集SAR图像变化检测方法，其特征是:所述的步骤102，包括如下步骤: 步骤201:开始平稳小波分解SAR图像的方法； 步骤202:分别取两时相SAR图像I1, I2在同一位置X上的像素I1(X)和I2(X)，通过对数比方法构造差异图DI(X):
DI (X) = 1gd1 (X)/I2(X)) 步骤203:设置尺度水平L，这里取L=3 ； 步骤204:利用平稳小波分解对所得到的对数比差异图DI (X)进行L-1层分解，从而获得不同分辨率的图像； 步骤205:结束平稳小波分解SAR图像的方法。
3.根据权利要求1所述的基于小波分解的多尺度水平集SAR图像变化检测方法，其特征是:所述的步骤103，包括如下步骤: 步骤301:开始运行水平集算法； 步骤302:使用Kittler阈值分割算法对差异图DI (x)进行初始分割，得到初始分割曲线 Φ°,令 k=0, Φ = Φ1? ； 步骤303:以曲线Φ kS初始化曲线进行水平集演化，最小化能量函数Fms (I，C)，得到一个轮廓曲线C来分割图像，其中Fms(I，C)定义如下:
【文档编号】G06T7/00GK103839256SQ201310733192
【公开日】2014年6月4日 申请日期:2013年12月24日 优先权日:2013年12月24日
【发明者】公茂果, 焦李成, 赵姣姣, 马晶晶, 马文萍, 刘嘉, 雷雨, 李豪, 王爽, 侯彪 申请人:西安电子科技大学