技术领域本发明属于SAR图像处理技术领域，涉及一种基于联合加权极化差异度的极化SAR图像变化检测方法。
背景技术：
合成孔径雷达(SyntheticApertureRadar，SAR)是一种全天时、全天候的高分辨率微波成像系统，因其采用微波技术进行成像，故可以有效摆脱天气等自然因素的限制实现实时观测，这些特点也使其在自然灾害监测、海洋观测、军事侦察等方面具有独特的优势。传统的单通道单极化SAR图像仅能获得地面场景在某一特定极化收发组合下的目标散射特性，信息量十分有限。近年来，能够获取地物目标极化散射特性的SAR系统(即极化SAR系统)不断发展，极化合成孔径雷达成像技术也日趋成熟。与单极化SAR图像相比，多/全极化SAR图像所包含的信息量更大，能够更加完整准确地揭示目标的散射机理，为充分发掘图像中的目标信息，提高分割、分类、目标检测与识别性能提供了数据支持与保障。由于极化SAR系统成像机理复杂且起步较晚，合理正确地解译极化SAR图像并非易事，这也使得极化SAR图像处理相关领域研究具有很大的发展空间。基于极化合成孔径雷达(PolSAR)图像的变化检测技术作为SAR图像解译的一个重要分支，在灾情估计、城市规划以及军事打击等众多领域发挥着举足轻重的作用。近年来，国内外学者对SAR图像的变化检测技术已有相当深入的研究，并提出了许多方法，如比值法、差值法、分类比较法、植被索引法等。在多极化SAR图像变化检测方面，国内外学者虽然已取得了一定的进展，但各项研究尚不完善、成熟，未形成统一的体系。2003年丹麦科技大学国际空间研究所的KnutConradsen等人提出了一种基于复Wishart分布的极化SAR图像变化检测方法，该方法通过构造似然比检测量实现极化SAR图像的变化检测。2004年日本学者MuhtarQong提出了一种基于极化状态构造的极化SAR图像变化检测方法，该方法通过构造最优极化状态提高了变化检测的正确率。2008年LaurentFerro-Famil利用最大似然比(MaximumLikelihoodratio，MLR)构造变化检测特征量实现了变化检测。2011年EsraErten等人利用KL距离作为变化检测特征量实现了极化SAR图像的变化检测。2013年BhogendraMishra等人提出了一种新的变化检测特征量——归一化差异比(NormalizedDifferenceratio，NDR)，实验表明，利用此检测量进行变化检测时，所包含的信息量比单纯的比值检测量更多，检测效果更好。
技术实现要素：
为克服现有技术的不足，本发明旨在通过对极化SAR数据深入解读，研究一种快速、准确的提取两时相变化区域的方法，实现基于联合加权极化差异度的极化SAR图像变化检测方法。本发明采用的技术方案是，极化合成孔径雷达图像变化检测方法，步骤如下：(一)预处理，对已配准的两时相极化合成孔径雷达图像进行去取向和相干斑噪声抑制操作；(二)构造两时相图像中对应像素点的特征矢量kAi和kBikAi＝[T11T12T13T22T23T33]TkBi＝[T11T12T13T22T23T33]T其中，kAi、kBi分别表示像素点i在A、B两时相极化合成孔径雷达数据中的特征向量，Tmn表示极化合成孔径雷达图像的相干矩阵T中的元素，上标T表示转置；(三)计算两时相图像对应像素点的极化散射差异度和极化功率差异度设两个目标的特征矢量分别为kAi和kBi，对应的天线接收功率分别为PAi和PBi，定义两个目标间的极化散射差异度和极化功率差异度分别为：D1=1-|kAiHkBi|||kAi||2||kBi||2]]>D2=1-2PAi/PBi+PBi/PAi]]>其中，||·||2表示向量的2范数，上标H表示共轭转置；(四)根据两种差异度的相对大小分配相应的加权系数，求和后得到联合加权极化差异度，构造出差异图像，联合加权极化差异度为：d=a·D1+b·D2=a·(1-|kAiHkBi|||kAi||2||kBi||2)+b·(1-2PAi/PBi+PBi/PAi)]]>其中，a、b为加权系数且满足a+b＝1，a、b决定了两种差异类型对整体差异度的贡献大小；(五)对差异图像进行阈值分割提取变化区域：首先利用变化检测特征量即差异图像的均值和标准差确定候选阈值，然后根据变化点个数占所有像素点个数的比例确定最终的分割阈值，最后利用阈值分割方法提取变化区域。本发明的特点及有益效果是：本发明综合利用极化SAR图像的极化信息，以联合加权极化差异度作为变化检测的度量，给出了一种基于联合加权极化差异度的极化SAR图像变化检测方法，该方法可以快速、有效的检测两时相图像的变化区域。附图说明：图1给出了农田数据的两时相Pauli分解图。图2给出了本发明方法的差异图像。图3给出了本发明方法阈值分割后的结果。图4给出了本发明提出方法的流程图。具体实施方式本发明充分利用极化SAR图像的信息，实现了一种基于联合加权极化差异度的极化SAR图像变化检测方法，具体的技术方案分为以下步骤：(1)预处理。主要包括对已配准的两时相极化SAR图像进行去取向和相干斑噪声抑制操作，以此降低地物目标的随机取向和相干斑噪声对变化检测结果的影响。(2)构造两时相图像中对应像素点的特征矢量kAi和kBi。kAi＝[T11T12T13T22T23T33]TkBi＝[T11T12T13T22T23T33]T其中，kAi、kBi分别表示像素点i在A、B两时相极化SAR数据中的特征向量，Tmn表示极化SAR图像的相干矩阵T中的元素，上标T表示转置。(3)计算两时相图像对应像素点的极化散射差异度和极化功率差异度。设两个目标的特征矢量分别为kAi和kBi，对应的天线接收功率分别为PAi和PBi，定义两个目标间的极化散射差异度和极化功率差异度分别为：D1=1-|kAiHkBi|||kAi||2||kBi||2]]>D2=1-2PAi/PBi+PBi/PAi]]>其中，||·||2表示向量的2范数，上标H表示共轭转置。(4)根据两种差异度的相对大小分配相应的加权系数，求和后得到联合加权极化差异度，构造出差异图像。联合加权极化差异度为：d=a·D1+b·D2=a·(1-|kAiHkBi|||kAi||2||kBi||2)+b·(1-2PAi/PBi+PBi/PAi)]]>其中，a、b为加权系数且满足a+b＝1，a、b决定了两种差异类型对整体差异度的贡献大小。(5)对差异图像进行阈值分割提取变化区域。首先利用变化检测特征量(即差异图像)的均值和标准差确定候选阈值，然后根据变化点个数占所有像素点个数的比例确定最终的分割阈值，最后利用阈值分割方法提取变化区域。本发明给出了一种新的加权系数选择方案：理论上讲，在成像条件不变的情况下，同一地物目标在不同时相图像中表现的散射特性和功率特性应该是相同的。当两时相图像同一位置的地物目标发生变化时，其散射特性和功率特性也应相应的发生变化，但变化程度不一定相同，有可能散射特性变化明显，也有可能功率特性变化明显。因此，在分配加权系数a、b时应根据两种差异的相对大小折中考虑。基于上述考虑，加权系数的选择方案如下：当D1＞D2时，分配的加权系数的原则为：a＜0.5，b＞0.5；当D1≤D2时，分配的加权系数的原则为：a＞0.5，b＜0.5。本发明提出了一种综合数据直方图分布和变化点比例的自动阈值选取方法，其主要思想是通过差异图像的均值和标准差确定候选阈值，然后根据变化点比例等先验信息迭代确定最终的分割阈值。具体步骤如下：(1)初始化参数。设预设变化点比例为M，迭代次数为(2)计算整个差异图像的均值μ和标准差σ；(3)确定此次迭代循环中的阈值为(4)对差异图像进行阈值分割，确定实际变化比例M′；(5)若不满足迭代终止条件M′≤M，则更新并重复步骤(3-5)，直到满足M′≤M，此时输出分割阈值Th。本发明利用联合加权极化差异度来描述两时相图像中对应目标的差异程度，该测度可以通过调整加权系数的大小实现差异类型的侧重选择。首先计算两时相对应目标的极化散射差异度和极化功率差异度，然后根据本发明提出的加权系数选择方案确定加权系数，将两部分差异度加权求和后得到对应目标间的联合加权极化差异度，最后利用阈值分割技术提取出变化区域，实现变化检测。下面介绍本发明提出的基于联合加权极化差异度的极化SAR图像变化检测方法的实施过程。1.预处理。该步操作主要包括对已配准的两时相极化SAR图像进行去取向和相干斑噪声抑制操作，以此降低地物目标的随机取向和相干斑噪声对变化检测结果的影响。众所周知，极化SAR图像的相干斑噪声是不可避免的，因此，在进行变化检测之前需要对图像进行相干斑抑制，也就是传统意义上的去噪，以降低相干斑噪声对实验结果的影响。本发明利用2006年Lee提出的基于散射模型的降斑算法对图像进行相干斑抑制。去取向是指去除目标取向对散射的影响而突出显示目标的本质特征，两个不同取向而其他特征完全一样的散射目标，经过该操作后其极化散射信息应该是完全一致的。将去取向操作作为变化检测前期预处理中的一个过程，可以有效避免随机取向对实验结果的影响，有利于增强实验结果的可靠性和准确性。2.构造两时相图像中对应像素点的特征矢量kAi和kBi。目标的变极化效应通常采用包含了目标的全部极化信息的极化相干矩阵T来表征，其表达形式如下：T=T11T12T13T21T22T23T31T32T33=T11T12T13T12*T22T23T13*T23*T33]]>其中，Tmn表示极化相干矩阵T中的元素，上标*表示共轭运算。将T矩阵矢量化得：K＝[T11T12T13T21T22T23T31T32T33]T其中，上标T表示转置。考虑到T矩阵是Hermite矩阵，即矩阵的上三角元素和下三角元素满足互为共轭的关系，因此，可以只利用T矩阵的上三角元素来构造特征向量，其表达形式如下：k＝[T11T12T13T22T23T33]T显然，矢量K和矢量k包含相同的目标信息，但k矢量是六维向量，利用该矢量进行计算时可以降低运算量，提高运算效率。对应到两时相极化SAR图像中，我们将其表示为下式：kAi＝[T11T12T13T22T23T33]TkBi＝[T11T12T13T22T23T33]T其中，kAi、kBi分别表示像素点i在A、B两时相极化SAR数据中的特征向量。3.计算散射差异度和功率差异度。设两时相极化SAR图像对应像素的特征矢量分别为kAi和kBi，对应的天线接收功率分别为PAi和PBi，定义两个目标间的极化散射差异度和极化功率差异度分别为：D1=1-|kAiHkBi|||kAi||2||kBi||2]]>D2=1-2PAi/PBi+PBi/PAi]]>其中，||·||2表示向量的2范数，上标H表示共轭转置运算。极化散射差异描述的是两个相干矩阵的相关性，极化功率差异描述的是两个目标的回波功率差异。4.计算联合加权极化差异度。根据两种差异度的相对大小分配相应的加权系数，求和后得到联合加权极化差异度，构造出差异图像。联合加权极化差异度为：d=a·D1+b·D2=a·(1-|kAiHkBi|||kAi||2||kBi||2)+b·(1-2PAi/PBi+PBi/PAi)]]>其中，a、b为加权系数且满足a+b＝1，a、b决定了两种差异类型对整体差异度的贡献大小。极化差异度描述的是两个目标之间的差异程度，差异度数值越大说明两个目标之间的差异越大；反之，差异度数值越小，则两目标的差异程度越小。统计比较多组数据的散射差异和功率差异的数值特性发现，并非所有像素点都存在统一的绝对占优的差异类型，因此给予所有像素点同样的加权系数会损失掉一部分次优差异类型的信息。鉴于此，本发明提出了一种新的加权系数分配方案。理论上讲，在成像条件不变的情况下，同一地物目标在不同时相图像中表现的散射特性和功率特性应该是相同的。当两时相图像同一位置的地物目标发生变化时，其散射特性和功率特性也应相应的发生变化，但变化程度不一定相同，有可能散射特性变化明显，也有可能功率特性变化明显。因此，在分配加权系数a、b时应根据两种差异的相对大小折中考虑。基于上述考虑，我们确定的加权系数选择方案如下：当D1＞D2时，分配的加权系数的原则为：a＜0.5，b＞0.5；当D1≤D2时，分配的加权系数的原则为：a＞0.5，b＜0.5。5.阈值分割提取变化区域。该步首先利用本发明提出的综合数据直方图分布和变化点比例的自动阈值选取方法确定分割阈值，然后利用该分割阈值，对差异图像进行分割得到最终的变化检测结果。本发明提出了一种综合数据直方图分布和变化点比例的自动阈值选取方法，其主要思想是通过差异图像的均值和标准差确定候选阈值，然后根据变化点比例等先验信息迭代确定最终分割阈值。该阈值选择方法受高斯分布的置信区间概念的启发，差异图像的均值表征了整个待分割差异量的中心分布情况，但实验数据中的变化区域往往较少，直接利用均值作为分割阈值往往会造成大量的虚警，因此需要在均值的基础上累加标准差，至于累加几倍的标准差合适可根据变化点比例进行确定。具体步骤如下：(1)初始化参数。设预设变化点比例为M，迭代次数为(2)计算整个差异图像的均值μ和标准差σ；(3)确定此次迭代循环中的阈值为(4)对差异图像进行阈值分割，确定实际变化比例M′；(5)若不满足迭代终止条件M′≤M，则更新并重复步骤(3-5)，直到满足M′≤M，此时输出分割阈值Th。下面结合附图说明实验效果：图1给出了在美国加利福尼亚州金斯县上空采集的两时相极化SAR数据的Pauli分解图，左图采集于2011年5月19日，右图采集于2011年5月20日。由于5月中旬正是当地的农忙时节，故数据虽然仅相隔一天，也存在由于农作物的灌溉、播种以及耕作导致的明显变化，图中标注了7处较为明显的变化区域。图2和图3给出了本发明方法的差异图像和最终的变化检测结果，从图中可以看出，本发明可以有效地提取变化区域，且虚警少、轮廓清晰。