基于自适应权值图像融合的sar图像变化检测方法
【专利摘要】本发明公开了一种基于自适应权值图像融合的SAR图像变化检测方法，主要解决现有技术中单一类型差异图检测精度低的问题。其实现步骤为：1.读入不同时刻同一地区的两幅SAR图像，分别进行PPB滤波得到滤波后的图像X1和X2；2.根据滤波后的图像，得到差值图Ds与对数比值图Dl；3.分别对Ds和Dl进行均值滤波，得到均值滤波后的差值图Ds'与中值滤波后的比值图Dl'；4.计算融合参数η(i,j)；5.根据融合参数对差值图Ds'与比值图Dl'进行融合产生差异图D；6.将差异图D聚成不同的两类，得到变化检测结果。本发明具有操作简单、抗噪性好和检测精度高的优点，可应用于环境监测、灾害预测。
【专利说明】基于自适应权值图像融合的SAR图像变化检测方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，涉及SAR图像变化检测方法，可用于城区规划、自然灾害评估、预测灾害、土地利用和土地覆盖的动态监测等领域。
【背景技术】
[0002]合成孔径雷达图像又叫SAR图像，属于一种微波雷达成像，与可见光和红外遥感相比，微波遥感具有无可比拟的优点:一、微波能穿透云雾、雨雪，具有全天候、全天时的工作能力。二，微波对地物有一定穿透能力。三，采用侧视方式成像，覆盖面积大。由于SAR图像这些优点，使得SAR图像日益成为变化检测的重要数据源。遥感图像变化检测是指通过对同一地区不同时期的两幅或多幅图像进行比较分析，根据图像之间的差异来获取地物的变化信息。变化检测技术可检测出不同时期遥感图像辐射值及局部纹理的变化信息，该特性使得遥感图像在资源和环境监测，如土地利用和覆盖变化，森林和植被变化，城市扩展等，地理空间数据更新，农业作物生长监测，自然灾害监测与评估，军事领域研究等方面得到的广泛应用。
[0003]在变化检测研究中，学者们将现有的多种变化检测方法归为不同的类别，其中最常见的是基于差异图像分析的变化检测方法。该方法通常包括3个关键的步骤:(I)图像预处理；(2)差异图的构造；(3)变化信息的提取。其中:
[0004]差异图构造的好坏对变化检测的结果有着重要的影响，差值法和比值法作为两种最基本的方法，分别通过对校正后的两时相遥感图像逐像素相减和相除运算来获得差异图。差值法构造差异图时，差值为O或接近O的认为是不变区域，不为O的认为是变化区域，该方法理论简单、直接，容易掌握，可以较好地保留细节信息，但缺点是易受SAR图像质量和相干斑影响，产生“伪变化”信息。SAR图像中由于相干斑噪声的影响，多采用比值法构造差异图，且比值法对校准误差不敏感。目前在用比值法构造差异图时主要采用对数比或均值比的形式。Dekker提出使用对数比的方法构造差异图，对数比法就是对比值法取对数，它除了可以将乘性噪声转化为加性噪声外，还对比值图像的变化范围进行了压缩，因此削弱了高像素值区域的变化，部分真实变化区域轮廓的像素灰度值与非变化类像素的灰度值比较接近，不利于保留变化区域的轮廓和提高变化检测精度。均值比法就是取对应像素的邻域均值再求比值，它对噪声具有更强的鲁棒性，但是对背景区域也就是未变化区域带来过多的伪变化信息。因此，使用单一类型的差异图进行变化检测会存在检测精度低以及适用范围窄等问题。
[0005]因此将单一类型的差异图进行融合在变化检测中起到至关重要的作用，现有的将单一类型的差异图进行融合的方法有基于参数权重的差异图融合和离散小波融合等方法。其中:
[0006]离散小波变换融合的方法为:对均值比图和对数比值图分别进行离散小波分解，得到一系列子频带图像，即低频分量，水平方向高频分量，竖直方向高频分量，对角线方向高频分量，在不同的尺度上对各分解层进行融合处理，从而形成融合图像的小波分解表示，最后通过离散小波逆变换得到融合图像。该方法的不足之处是融合的过程比较复杂。
[0007]基于参数权重的差异图融合方法，其过程为:对两幅待融合的图像分别得到他们的差值图与对数比值图，提取差值图Ds中保留细节信息较好的部分与对数比值图D1中的抗噪性能较好的部分，结合两类差异图的优点，按照不同的权重参数α进行融合，融合后的差异图为D，融合公式为D= C1-D^a-CihD1，将差值图与对数比值图根据不同的权重进行融合，取a的值从0-1范围进行多次试验，选取融合效果最好的值作为最终a的值得到最终融合后的差异图。该方法的不足之处为:(I)在没有标准参考图的情况下，无法判断融合结果的好坏，其适用范围窄。(2)在参数a的选择时需要进行多次试验来对比融合的效果，参数a不能自适应，需要手动调整参数，操作繁琐。
【发明内容】
[0008]本发明目的在于提出一种基于自适应权值图像融合的SAR图像变化检测方法，以提高检测的精度，同时解决现有技术在图像融合时参数难以选取，参数不能自适应的问题。
[0009]为了实现上述目的，本发明实现的步骤包括如下:
[0010](I)读入在不同时刻同一地区获取的两幅SAR图像I1和I2，并对这两幅SAR图像I1和I2分别进行基于块的权重概率PPB滤波，得到滤波后的两幅图像X1和X2 ；
[0011](2)计算滤波后的两幅图像X1和X2所对应像素灰度值的差，并进行归一化，得到差值图Ds ；
[0012](3)计算滤波后的两幅图像X1和X2对应像素灰度值的商，并进行归一化，得到对数比值图D1;
[0013](4)将差值图Ds进行11X11窗口的均值滤波，消除差值图Ds中的孤立像素点，得到均值滤波后的差值图Ds’ ；
[0014](5)将对数比值图D1进行3X3窗口的中值滤波，抑制对数比值图D1中的孤立像素点，得到中值滤波后的对数比值图D/ ；
[0015](6)分别计算差值图Ds’中每一个像素点x(i，j)的3X3邻域Ωχ像素的均值U x(i, j)与方差σ x(i, j)，得到融合参数:..σ'.(/,/.)
【权利要求】
1.一种基于自适应权值图像融合的SAR图像变化检测方法，包括如下步骤: (1)读入在不同时刻同一地区获取的两幅SAR图像I1和12，并对这两幅SAR图像I1和I2分别进行基于块的权重概率滤波，得到滤波后的两幅图像X1和X2 ; (2)计算滤波后的两幅图像X1和X2所对应像素灰度值的差，并进行归一化，得到差值图Ds; (3)计算滤波后的两幅图像X1和X2对应像素灰度值的商，并进行归一化，得到对数比值图D1 ； (4)将差值图Ds进行11X 11窗口的均值滤波，消除差值图Ds中的噪声像素点，得到均值滤波后的差值图Ds’ ； (5)将对数比值图D1进行3X3窗口的中值滤波，抑制对数比值图D1中的孤立像素点，得到中值滤波后的对数比值图D/ ； (6)分别计算差值图Ds’中每一个像素点x(i，j)的3X3邻域Ωx像素的均值μx(i，j)与方差σ x(i，j)，得到融合参数
该融合参数n (i, j)随着像素变化而变化，其变化范围在o-1之间，用于体现测量像素点x(i，j)所处的3*3邻域异质性，即匀质区域或异质区域；匀质区域是指图像中平滑的区域，异质区域是指图像中的噪声部分或边缘部分，像素点x(i，j)处于异质区域时的融合参数η (i, j)大于其处于匀质区域时的融合参数η (i, j); (7)根据得到的融合参数η(i, j)将均值滤波后的差值图Ds’与中值滤波后的对数比值图D/进行图像融合，得到融合后的差异图D，该差异图D中每一个横纵坐标在i，j处的像素点为:
D(i, j) = n (i, jOXD^ (i, j) + d-n (i, j))XD/ (i，j)， 其中，D’s(i，j)为均值滤波后差值图中横纵坐标分别为i，j的点，D' !(i, j)为中值滤波后对数比值图中横纵坐标分别为i，j的点； (8)用k-means聚类方法将融合后的差异图D聚类成不同的两类，分别计算这两个不同类别的均值，定义均值较大的那一类为变化类，均值较小的那一类为非变化类，得到最终的变化检测结果。
2.根据权利要求书I中所示的方法，其中所述步骤(3)，按如下步骤进行: 3a)通过如下公式计算计算滤波后的两幅图像X1和X2对应像素灰度值的商R(i，j):
其中X1 (i, j)为图像X1在横纵坐标为i，j处的像素点，X2 (i, j)为图像X2在横纵坐标为i，j处的像素点； 3b)通过如下公式对像素灰度值的商进行归一化，得到每一个像素灰度值的商归一化后的结果:
甘中 R= |R(i ])},3c)有每一个像素灰度值的商归一化后的结果得到对数比值图=D1 = (D1(IjJ))0
3.根据权利要求书I中所示的方法，其中所述步骤(6)中计算差值图Ds’中每一个像素点x(i，j)的3X3邻域Ωχ像素的均值μχα，j)与方差ox(i，j)，其计算公式如下:
其中
为3*3邻域Ωχ内每一个像素点x(i，j)的灰度值之和，
为3*3邻域Ωχ内每一个像素点x(i，j)灰度值减去邻域Ωχ内均 值μχα，j)结果的平方之和。
4.根据权利要求书I中所示的方法，其中步骤⑶所述的用k-means聚类方法将融合后的差异图D聚类成不同的两类，按如下步骤进行: 8a)从差异图D中随机选择2个像素点作为初始聚类中心； Sb)分别计算差异图D中每一个像素点x(i，j)与两个聚类中心的距离，并根据最小距离重新对相应像素点进行划分，把x(i，j)归到与它距离最近的那个类中去； 8c)重新计算每个类的均值作为新的聚类中心； 8d)重复步骤8b)-8c)直到每个聚类不再发生变化为止。
【文档编号】G06T7/00GK104200471SQ201410437415
【公开日】2014年12月10日 申请日期:2014年8月30日 优先权日:2014年8月30日
【发明者】慕彩红, 焦李成, 张文婷, 熊涛, 侯彪, 刘红英, 马文萍, 陈锋, 吴雪文 申请人:西安电子科技大学