专利名称：一种多时相sar图像城市区域变迁变化检测方法
技术领域：
本发明属于电子科学技术领域，具体涉及一种多时相SAR图像城市区域变迁变化检测方法。
背景技术：
变化检测是通过分析不同时间获得的图像确定地物分布变化情况的一种过程。在民用和军用领域，变化检测都有着重要的研究意义。例如，通过对农田的监视，可以分析作物的生长态势；通过对城市发展用地的调查，可以评估城市化的发展情况。在军用方面，变化检测技术可以用于战场态势的估计，有助于及时地改变战略部署。随着SAR成像技术(特别是星载SAR成像技术)和计算机技术的发展，获取SAR 图像变得越来越便捷。而且，全天时全天候的工作特性也体现了通过SAR获取多时相遥感图像的独特优势，人们可以在短时间内不受天气状况和光照强度的影响下获得同一地理位置不同时段的SAR图像。但从另一方面来说，SAR图像中固有斑点噪声的存在使得变化检测的难度要高于基于多光谱图像的检测方法。变化检测分为有监督变化检测和非监督变化检测两大类。由于SAR图像的非平稳程度较高，非监督变化检测就成为变化检测的主要方式。近年来，随着SAR成像技术的不断成熟和成像质量的日益提高，基于SAR图像的多时相变化检测研究无论在理论研究上还是在具体应用上都得到了快速的发展。随着图像信号分解的滤波器设计理论和相关技术的发展，近年来在变化域对SAR 图像进行处理的研究逐渐增多，特别是基于小波分析的SAR图像处理。但是，人们在应用小波分析对SAR图像进行处理时，发现小波在表示图像这种二维信号时存在根本性的不足， 因此利用这种工具提高SAR图像处理的性能空间比较有限。近年来，许多学者不断探索和研究，提出了超越传统小波分析能力的一系列图像表示工具来弥补小波分析的内在缺陷， 这些工具统称为多尺度几何分析(Multiscale Geometrical Analysis，MGA)。MGA是一门新兴的信号处理技术，它是一批推动小波分析发展的信号处理界的学者不断提出和发展的图像多尺度表示形式，它包括许多种方法RidgelelBrushlet、 Curvelet、Contourlet、Bandelet、Beamlet、Directionlet、禾口 Shearlet，等等。这些 MGA 方法的提出和发展正是致力于探索一种崭新的高维函数最优表示方法，弥补小波分析的不足。这些方法除了具有小波分析的优良特性之外，更重要的是在构造的过程中使用了具有各向异性的基函数，因此能够稀疏地逼近各种奇异曲线或曲面。MGA作为最优表示二维图像信号的有效工具，已经受到了众多学科领域学者的关重，已经开始探索把MGA方法运用到图像处理的不同领域，并取得了很好的效果。上述提到的各种MGA工具的提出在对图像这种二维信号进行表示上均具有小波分析无可比拟的优点-可以同时对图像进行局部化、多尺度、多方向的表示，但它们之间也存在固有的差别，在不同的图像处理应用中所表现出来的特点互有各异。在对图像的边缘或脊这些奇异性信息的表示上Shearlet方法在性能上更具有独特的优势，它通过具有高度各向异性的基以最优稀疏表示的形式更细致、更准确地刻画图像中的边缘或脊，对不同粗细程度的边缘或脊描述得更有效，对这些奇异性信息的方向敏感性更强。换句话说，Shearlet方法在对图像中的边缘或脊这类奇异性信息在尺度、位置和方向上能提供更准确更有效的表达效果。图像经过Shearlet变换后每级分解先将图像分解成一个逼近系数子带(主要表现图像的低频信息，包含图像的绝大多数能量)和多个方向子带(主要反映图像在不同方向上的高频信息，包含图像各个方向的细节特征)。而且，由于Shearlet方法是一种对图像进行的多尺度变换，因而也特别适用于从含有噪声的图像中完成结构化信息的提取。由于SiearIet是一种能够高效表示图像细节信息的MGA方法，在刻画图像的各种结构化特征方面具有独特的优势，因此它特别适合于像城市区域这种具有复杂结构的地物类目标的变化检测。
发明内容
本发明的目的是提供一种多时相SAR图像城市区域变迁变化检测方法，解决了现有检测方法不适合于城市区域这种具有复杂结构的地物类目标的变化检测的问题。本发明所采用的技术方案是，一种多时相SAR图像城市区域变迁变化检测方法， 具体按照以下步骤实施步骤1 采集同一地域不同时期的两幅多时相SAR图像，进行几何校正和辐射校正；步骤2 对步骤1得到的校正后的同一地域不同时期的两幅多时相SAR图像进行处理，得到变化检测结果。本发明的特点还在于，其中步骤2对步骤1得到的校正后的同一地域不同时期的两幅多时相SAR图像进行处理，具体按照以下步骤实施步骤a 多时相图像的Shearlet变换，采用Laplacian金字塔分解和带通滤波器滤波，采用3_4级分解，每一级分解为 4-8个子带方向，变换后得到图像在不同尺度、不同方向子带内的Shearlet系数图像；步骤b 子带差别图的确立，将两幅SAR图像的Shearlet系数在各个方向子带对应地相减，然后取绝对值，具体按照如下表达式来执行
权利要求
1.一种多时相SAR图像城市区域变迁变化检测方法，其特征在于，具体按照以下步骤实施步骤1 采集同一地域不同时期的两幅多时相SAR图像，进行几何校正和辐射校正； 步骤2 对步骤1得到的校正后的同一地域不同时期的两幅多时相SAR图像进行处理， 得到变化检测结果。
2.根据权利要求1所述的多时相SAR图像城市区域变迁变化检测方法，其特征在于，所述步骤2对步骤1得到的校正后的同一地域不同时期的两幅多时相SAR图像进行处理，具体按照以下步骤实施步骤a 多时相图像的Shearlet变换，采用Laplacian金字塔分解和带通滤波器滤波，采用3_4级分解，每一级分解为4_8个子带方向，变换后得到图像在不同尺度、不同方向子带内的Shearlet系数图像； 步骤b:子带差别图的确立，将两幅SAR图像的Shearlet系数在各个方向子带对应地相减，然后取绝对值，具体按照如下表达式来执行其中，O+J),为SAR图像Ik，k= 1，2在尺度1方向子带d中对应位置为(i，j)的 Shearlet系数，DM1,^!, j)为尺度1方向子带d中对应位置为(i，j)的差别值； 步骤c 通过统计分类获取子带变化图，采用Bayesian分类来完成，将DM1,d(i，j)对应的变化类属记为^i，j)，按照模式分类中最大后验分类的准则来确定变化的类属情况变化类 。hanged”或无变化类“Wun。hanged”， 其依据的表达式为Chd{i, j) = argmax P{wm\DMhd(i, j))，^m ^ changed，她unchanged j在上述表达式中，Di . .、、 PlAWm)P(DMl,d(j^)\Wm) 1P{wm\DMld{l,j))=、‘..、丨~G ψchanged,Wunchanged)，2_uPlAWm)P(DMlAl^)\Wm)wm其中，Pu(Wm)为类属 Wm 的先验概率且 Pu (Wehanged)+Pu (Wmehanged) = Lp(DMu^j) Iwffl) 为在类属wm给定的条件下差别值DM1Ji, j)对应的似然性值；确定 。hang和“wm。hang:类的先验概率PuW以及计算P^MuG，j) |wffl)假设 P(DM1JLj) |wffl)近似服从高斯分布，子带差别图的直方图呈现一种“尖峰值、长拖尾”的非高斯分布形式，将这种分布形式用高斯混合模型来表达P (DMlj d(i, j)) = Pi, d (wchanged) ρ (DMlj d(i, j) I Wchanged)+P1, d (Wunchanged) ρ (DM1, d (i， j) |wm。hangJ，w。hangral类和t 类所对应的P(DM1JLj) |wffl)通过各自对应的均值和方差来计算；Pu(Wm)和pQMuG，j) |wffl)对应的均值与方差参数的估计采用期望最大化算法； 接着，按照如下规则确立尺度1方向子带d中对应位置为(i，j)的变化类属值，从而获得多尺度子带变化图
全文摘要
本发明公开了一种多时相SAR图像城市区域变迁变化检测方法，首先采集同一地域不同时期的两幅多时相SAR图像，进行几何校正和辐射校正；其次对校正后的同一地域不同时期的两幅多时相SAR图像进行处理，得到变化检测结果。本发明检测方法，路线简单、切实可行，易于实现，是专门针对城市遥感图像的应用而提出的。对于呈现复杂多结构化特征的城市区域的空时变迁变化检测，本发明方法具有独特的图像表示优势。
文档编号G06T7/00GK102176014SQ20111002091
公开日2011年9月7日 申请日期2011年1月19日 优先权日2011年1月19日
发明者孙强 申请人:西安理工大学