检测全极化sar图像的变化区域的方法和装置的制造方法
【技术领域】
[0001] 本发明涉及一种检测全极化SAR图像的变化区域的方法和装置。
【背景技术】
[0002] 进入21世纪以来，世界人口急剧增加，土地沙漠化逐渐严重，资源日益匮乏，自然 灾害频发。2008年汶川大地震、2010年青海玉树大地震及灾难性印尼海啸、2011年日本福 岛大地震和2013年的台风"海燕"多次唤起了全人类对遥感在灾害监测与评估方面的重 视。在实际应用中，上述大多数监测问题都是以变化检测的形式提出，即通过不同时段的观 测，来识别城市、森林、水域、农田等地物状态的变化过程。雷达对地观测技术是解决上述问 题的重要手段之一，合成孔径雷达（Synthetic Aperture Radar, SAR)作为现代遥感领域 的一项突破性成就，其使雷达的基本功能发生了重大改变。近些年，SAR凭借其相较于光学 遥感影像，在全天时、全天候，尤其是多云多雨天气状况下也能有效施行对地观测的独特优 势，成为了目前遥感领域中的一种有效态监测手段，其被越来越多地应用到如震后灾害评 估、海啸受灾状况评估、农作物生长状况监测等的变化检测工作中。在城镇化建设上，SAR图 像变化检测技术作为研究城区变化的重要手段，已在城区扩建、非法建筑及土地滥用、湿地 生态面积缩减状况、城中耕地面积监测和湖波变化中发挥重要作用。
[0003] 但是，由于受到数据源和SAR技术的限制，目前已提出的SAR影像变化检测方法基 本上都是针对单通道（单一微波波段、单一极化方式）的SAR影像设计的，而很少引入极化 信息。2007年，加拿大Radarsat-2、德国TerrraSAR-X和意大利Cosmo-SkyMed新型雷达系 统的出现，引起了全极化雷达遥感研究和应用的热潮。与传统的单极化SAR系统相比，极化 SAR(Polarimetric Synthetic Aperture Radar, PolSAR)能在不同收发极化组合下，测量 地物目标的极化散射特性（即，极化SAR能够通过发射和接收不同极化方式的电磁波，来探 测地面目标对电磁波的调制特性），能够获取同一地物目标更全面信息，从而使其在目标检 测、识别、分类以及目标参数反演等方面也具有显著的优势。受雷达系统侧视成像和斑噪特 性的影响，通过单极化的后向散射系数很难对照射地物进行全面解译和识别。利用多极化 信息可以得到相互补充的不同信息，增加信息含量，获取同一地物目标更全面信息，有利于 地物变化的检测与识别。
[0004] 最近几年，SAR成像技术日益成熟，图像质量逐渐提高，分辨率不断增强，获取数据 的能力和精度越来越高。相对于高分辨率光学影像、中低分辨率SAR影像，高分辨率SAR影 像特点主要表现在：1)高空间分辨率使得SAR图像纹理结构更加清晰，能够在较小的空间 尺度上探测细节变化，实现对建筑物、道路等地面目标细微特征的探测；2)地物空间拓扑 信息更加丰富，更充分地反应在了影像地物的尺寸、形状、邻域地物关系。然而，对于极化 SAR来说，米级分辨率影像在带来地物丰富细节的同时，也带来了数据存储量倍增、独立地 物成像特征破碎、统计特征复杂化等诸多高分辨率SAR影像的解译难题。这时，传统的基于 纹理均匀假设的极化SAR杂波统计模型和相应的相似性度量，已不再适用于高分辨率全极 化SAR图像分割、分类和目标检测等应用需求。目前，全极化SAR变化检测还存在下面2个 不足：
[0005] ①在PolSAR杂波模型方面，单视情况下描述全极化散射矢量的球不变随机矢量 模型（Spherically Invariant Random Vectors, SIRV)模型已基本上与单极化SAR模型的 发展一一对应。但是，为了方便SAR数据压缩、初步去噪和局部散射体分析，全极化SAR数 据常常以多视方式存储。多视后的SAR数据一般用极化协方差矩阵或相干矩阵表征。目前 用于拟合极化相干矩形的多视极化SAR乘性模型中，往往假设模型中纹理的均值为1，这种 假设在高分辨率图像上是不成立的。对于高分辨率数据而言，其纹理结构十分清晰，包含了 极化数据的功率信息，纹理的特征已成为地物识别和检测的重要信息。一般情况下，除非对 相干矩阵进行归一化，否则其纹理均值是不等于1的。
[0006] ②在全极化SAR变化测度研究上，现在主要的测度Wishart距离和SIRV距离中均 没有包含纹理的变化信息。对于SAR变化检测而言，图像之间最明显的变化一般就是强度 的变化，这个变化反映在全极化SAR图像上就是图像功率的变化，而图像功率又是由纹理 表征的。因此,纹理的变化是全极化SAR地物类型变化的主要标志之一，应该是变化检测算 法重点检测的信息。在定义高分辨率全极化SAR变化检测时，既要考虑地物极化散射特性 (斑噪）的变化，也要同时考虑地物本身散射功率（纹理）的变化。
【发明内容】
[0007] 本发明所要解决的问题是现有的全极化SAR模型不能提供精确的区域变化区域， 提供一种基于极不均匀纹理的多视极化SAR乘性模型能检测出准确的变化区域。
[0008] 为了解决上述问题，本发明提供了一种检测全极化SAR图像的变化区域的方法， 方法包括：步骤S2 :使用基于极不均匀纹理的多视极化SAR乘性模型对先后接收的全极化 主、辅SAR图像进行拟合，以分别得到主、辅SAR图像的纹理图像、斑噪协方差图像，并分别 根据主、辅SAR图像的纹理图像确定其对应的概率密度函数的分布参数，主、辅SAR图像为 包括同一对象区域的高分辨率全极化SAR图像；步骤S4 :根据主、辅SAR图像各自的纹理图 像、斑噪协方差图像和概率密度函数的分布参数，并通过基于极不均匀纹理的多视极化SAR 乘性模型的相似性度量对比主、辅SAR图像得到差异信息，基于差异信息确定相对于主、辅 SAR图像的差异图像；步骤S6 :将差异图像与主SAR图像和/或辅SAR图像进行比对，以检 测出变化区域。
[0009] 作为优选，在步骤S2之前，方法进一步包括：步骤Sl :对接收的主、辅SAR图像进 行同一对象区域的对应匹配。
[0010] 作为优选，步骤S2中的使用基于极不均匀纹理的多视极化SAR乘性模型对主、辅 SAR图像进行拟合包括：使用基于极不均匀纹理的乘性模型的概率密度函数推导主、辅SAR 图像的纹理图像、斑噪协方差图像。
[0011] 基于极不均匀纹理的乘性模型的概率密度函数为：
[
[0013] 其中，L代表多视为L视，W为L视下未标准化的全极化相干矩阵，Pw为W的概率 密度函数，τ表示图像的纹理，Σ为斑噪协方差矩阵，r p(L)为L视下概率密度函数的复 数形式的多元Ga_a函数。
[0014] 作为优选，步骤S2中的分别根据主、辅SAR图像的纹理图像确定其对应的纹理图 像的概率密度函数的分布参数包括：设置主、辅SAR图像的纹理图像以符合Ga_a函数分 布。
[0015] 作为优选，基于极不均匀纹理的多视极化SAR乘性模型的相似性度量为：
[0016] Sp = MLLp (X) +MLLp (Y) -MLLp (X U Y)
[0017] 其中，Sp为Pw的变化测度，X为主SAR图像内的子区域，MLLp(X)表示区域X内 Pw的最大对数似然函数，Y为辅SAR图像内的子区域，MLLp(Y)表示区域Y内Pw的最大对 数似然函数，区域X与区域Y为对应子区域。
[0018] 作为优选，在步骤S6之前，包括：步骤S5 :通过对差异图像进行阀值分割来确定其 区域和边界。
[0019] 作为优选，步骤S5包括：S51、对差异图像进行自适应KI阀值分割得到区别变化区 域与不变区域的作为二值化图像的二值化掩膜；S52、通过连通区搜索算法去除二值化图像 中的变化面积小于预定值的变化区域；S53、通过形态学的闭运算中的膨胀操作对变化区域 进行膨胀得到膨胀区域，并对该膨胀区域的周界进行记录；S54、通过形态学的闭运算中的 腐蚀操作，采用与膨胀操作相对应的比例对膨胀区域进行腐蚀，得到腐蚀后区域；S55、将腐 蚀后区域的周界与膨胀区域的周界进行作差得到差异图像中变化区域的边界。
[0020] 作为优选，在步骤S6之后进一步包括：步骤S7 :将变化区域与主、辅SAR图像进行 叠合，确定主、辅SAR图像内的变化部分。
[0021] 本发明还提供了一种检测全极化SAR图像的变化区域的装置，其特征在于，全极 化SAR图像基于极不均匀纹理，检测装置包括：参数确定模块，其配置为使用基于极不均匀 纹理的多视极化SAR乘性模型对先后接收的全极化主、辅SAR图像进行拟合，以分别得到 主、辅SAR图像的纹理图像、斑噪协方差图像，并分别根据主、辅SAR图像的纹理图像确定其 对