基于判别随机场的无监督sar图像变化检测方法
【专利摘要】本发明属于合成孔径雷达图像变化检测【技术领域】，公开了基于判别随机场的无监督SAR图像变化检测方法。该基于判别随机场的无监督SAR图像变化检测方法，包括以下步骤：通过合成孔径雷达获取原始两时相图像；提取出原始第k时刻图像的图像特征，k取1和2，将原始两时相图像作灰度值的差值运算，得到差值图像，得出差值图像中第i像素点的灰度值的归一化值；针对差值图像中的第i像素点，构造第一特征向量和第二特征向量；在差值图像中，对每个像素点分别计算变化类能量函数和非变化类能量函数；在差值图像中，根据每个像素点的变化类能量函数和非变化类能量函数的大小关系，判断对应像素点在原始两时相图像中有没有发生变化。
【专利说明】基于判别随机场的无监督SAR图像变化检测方法
【技术领域】
[0001]本发明属于合成孔径雷达图像变化检测【技术领域】，特别涉及基于判别随机场的无监督SAR图像变化检测方法。
【背景技术】
[0002]合成孔径雷达(SAR)以其能够全天时全天候工作的特点越来越成为图像获取的主要工具，其不受光线、环境等影响。但其成像方式不可避免的引入相干斑噪声，这也为SAR图像的处理带来了困难与挑战。而变化检测则是图像处理的一个重要分支，变化检测在灾害评估、城市化进程检测、军事目标探测等领域有着重要的意义。因此获得高精度、高抗干扰能力、高速度、普适性的变化检测方法成为现在研究的热点。
[0003]变化检测一般分为有监督和无监督的变化检测算法。虽然有监督的算法有时可以获得比较理想的检测结果，但是要求知道真实变化信息，或者需要大量的有标记训练样本，而这些在实际应用中往往是很难做到的。所以无监督的变化检测能更好的迎合实际工作的需要，具有重要意义。传统的无监督变化检测方法有例如图像差值法，图像比值法，后分类比较法，图像回归法，植被索引法等。这些变化检测方法实现简单，但通常并不能取得理想结果，近年来又有学者提出了诸多新的变化检测算法，其中基于马尔科夫随机场(MRF)的变化检测是其中一种重要的思想，该算法由L.Bruzzone于2000年提出，由于其利用了邻域信息所以具有很好的趋于一致性，随后T.Kasetkasem等学者在此基础上进行了诸多改进并获得了很好的处理效果。然而MRF在进行似然项建模时只考虑了该点的灰度信息，并且认为各个像素点之间条件独立，而这一假设并不符合客观事实；并且MRF在建模时只利用了该点的灰度信息，故其的可扩展性受到了很大的局限性。
【发明内容】
[0004]本发明的目的在于提出基于判别随机场的无监督SAR图像变化检测方法。该基于判别随机场的无监督SAR图像变化检测方法可用于对SAR图像进行地物状态变化监测与评估，能够灵活运用特征信息，且充分利用全图信息，具有变化检测结果准确度高的特点。
[0005]为实现上述技术目的，本发明采用如下技术方案予以实现。
[0006]基于判别随机场的无监督SAR图像变化检测方法，其特征在于，包括以下步骤:
[0007]S1:通过合成孔径雷达获取原始两时相图像，原始两时相图像为原始第I时刻图像以及原始第2时刻图像；提取出原始第k时刻图像的图像特征，k取I和2，所述原始第k时刻图像的图像特征包括:原始第k时刻图像的灰度值矢量Uk，原始第k时刻图像的灰度值矢量Uk的第i个元素为:原始第k时刻图像中第i像素点的灰度值i取I至M，M为原始第I时刻图像的像素点的总数；
[0008]将原始两时相图像作灰度值的差值运算，得到差值图像，得出差值图像中第i像素点的灰度值的归一化值；针对差值图像中的第i像素点，构造第一特征向量和第二特征
向量;[0009]S2:在差值图像中，当任一像素点的灰度值的归一化值大于设定的标记场门限T时，将对应的像素点的灰度值的归一化值更新为I ;任一像素点的灰度值的归一化值小于或等于设定的标记场门限T时，将对应的像素点的灰度值的归一化值更新为-1 ；
[0010]在差值图像中，对每个像素点分别计算变化类能量函数和非变化类能量函数；在差值图像中，如果第i像素点的变化类能量函数小于非变化类能量函数，将第i像素点的
灰度值的归一化值Δ?/f更新为I ;否则，将第i像素点的灰度值的归一化值Δ?/f更新
为-1 ;当每个像素点的灰度值的归一化值不再变化时，判断第i像素点的灰度值的归一化
值Δ?/f的大小；如果Δ?/f = 1，则说明对应的像素点在原始两时相图像中发生变化；如
果Δ?/f = -1，则说明对应的像素点在原始两时相图像中没有发生变化。
[0011]本发明的特点和进一步改进在于:
[0012]在步骤SI中，差值图像中的第i像素点的灰度值Λ0)为
【权利要求】
1.基于判别随机场的无监督SAR图像变化检测方法，其特征在于，包括以下步骤: 51:通过合成孔径雷达获取原始两时相图像，原始两时相图像为原始第I时刻图像以及原始第2时刻图像；提取出原始第k时刻图像的图像特征，k取I和2，所述原始第k时刻图像的图像特征包括:原始第k时刻图像的灰度值矢量Uk，原始第k时刻图像的灰度值矢量Uk的第i个元素为:原始第k时刻图像中第i像素点的灰度值，i取I至M，M为原始第I时刻图像的像素点的总数；将原始两时相图像作灰度值的差值运算，得到差值图像，得出差值图像中第i像素点的灰度值的归一化值；针对差值图像中的第i像素点，构造第一特征向量和第二特征向量； 52:在差值图像中，当任一像素点的灰度值的归一化值大于设定的标记场门限T时，将对应的像素点的灰度值的归一化值更新为I ;任一像素点的灰度值的归一化值小于或等于设定的标记场门限T时，将对应的像素点的灰度值的归一化值更新为-1 ；在差值图像中，对每个像素点分别计算变化类能量函数和非变化类能量函数；在差值图像中，如果第i像素点的变化类能量函数小于非变化类能量函数，将第i像素点的灰度值的归一化值更新为I;否则，将第i像素点的灰度值的归一化值么^/=更新为-1 ；当每个像素点的灰度值的归一化值不再变化时，判断第i像素点的灰度值的归一化值 的大小；如果Δ?/f =1，则说明对应的像素点在原始两时相图像中发生变化；如果AU(；} = -1，则说明对应的像素点在原始两时相图像中没有发生变化。
2.如权利要求1所述的基于判别随机场的无监督SAR图像变化检测方法，其特征在于，在步骤SI中，差值图像中的第i像素点的灰度值AU⑴为:ΔΙ/(/) 二;按照以
…AUU) -mm(AUU])下公式得出第i像素点的灰度值的归一化值:
3.如权利要求1所述的基于判别随机场的无监督SAR图像变化检测方法，其特征在于，在步骤SI中，所述原始第k时刻图像的图像特征包括:原始第k时刻图像的半方差图特征矢量felk、间隙度特征矢量fe2k、以及灰度共生特征矢量fe3k ;原始第k时刻图像的半方差图特征矢量中的第i个元素为:原始第k时刻图像中第i像素点对应的半方差图特征純;原始第k时刻图像的间隙度特征矢量的第i个元素为:原始第k时刻图像中第i像素点对应的间隙度特征;原始第k时刻图像的灰度共生特征矢量为:原始第k时刻图像中第i像素点对应的灰度共生特征fe$; 按照以下公式得出第i像素点对应的差值半方差图特征Afel(i)、第i像素点对应的差值间隙度特征Afe2(i)、第i像素点对应的差值灰度共生特征Afe3(i):
4.如权利要求2或3所述的基于判别随机场的无监督SAR图像变化检测方法，其特征在于，在步骤SI中，在针对差值图像中的第i像素点，构造出第一特征向量和第二特征向量之后，提取训练样本；所述提取训练样本包括以下步骤:在差值图像中，当任一像素点的灰度值的归一化值大于第一设定门限Tl时，将对应的像素点的灰度值的归一化值更新为I ;当第任一像素点的灰度值的归一化值小于第二设定门限T2时，将对应的像素点的灰度值的归一化值的更新为-1 ；T1>T2 ;提取所有经过更新后的像素点的灰度值的归一化值作为训练样本； 在步骤SI之后，设置Iii (Y)中每个元素的权重的初始值，将Iii (Y)中每个元素的权重的初始值组成列向量Wtl ;设置Uu (Y)中每个元素权重的初始值，将Uu(Y)中每个元素的权重的初始值组成列向量Vci ; 按照以下公式对W0和Vtl进行迭代处理，直到达到预定迭代次数P ；
【文档编号】G06T7/00GK103810705SQ201410033596
【公开日】2014年5月21日 申请日期:2014年1月23日 优先权日:2014年1月23日
【发明者】李明, 安琳, 吴艳, 朱华慧, 王帅 申请人:西安电子科技大学