本公开涉及图像处理技术领域，具体地，涉及一种基于sar序贯图像的场景变化检测方法及装置。
背景技术：
sar(syntheticapertureradar，合成孔径雷达)是一种主动式微波成像雷达。与光学传感器、红外传感器等其他传感器相比，合成孔径雷达成像不受天气、光照等条件的限制，可对感兴趣的目标进行全天候，全天时的侦查，是一种现代高分辨率微波成像雷达。sar具有观测范围广、观测周期短、操作方便灵活等优点，能够对检测、监视和定位舰船等运动目标进行检测，在民用领域和军用领域的应用都越来越广泛。随着sar成像技术获取地球表面信息能力的不断增强，为变化检测的实施和发展创造了有利条件。
sar信息变化检测方法是一种通过对不同时期sar图像的比较分析，根据信息之间的差异来获取同一地理位置不同时段地物信息变化的方法。ccd(coherentchangedetection，相干变化检测)技术是一种用于检测两幅图像之间变化部分的技术，ccd技术在sar中的应用主要通过干涉sar实现，主要通过对干涉sar得出的一对sar图像进行相关度计算从而实现变化检测。传统的ccd技术是针对两幅图像进行变化检测，当图像中的噪声信号较强、存在系统误差或者场景信号较弱时，检测结果就会存在较大误差或者无法检测出某些微弱变化。
技术实现要素：
本公开的目的是提供一种基于sar序贯图像的场景变化检测方法及装置，用于解决相关技术中对两幅图像进行变化检测得到的检测结果误差较大的问题。
为了实现上述目的，本公开提供一种图像场景变化检测方法，该方法包括：获取第一待检测图像的第一序贯图像序列以及第二待检测图像的第二序贯图像序列；基于所述第一序贯图像序列以及所述第二序贯图像序列分别获得第一序列平均图像以及第二序列平均图像；将所述第一序列平均图像以及所述第二序列平均图像进行配准；对配准后的所述第一序列平均图像以及所述第二序列平均图像进行场景变化检测。
可选地，所述基于所述第一序贯图像序列以及所述第二序贯图像序列分别获得第一序列平均图像以及第二序列平均图像，包括：计算所述第一序贯图像序列中各图像中同一像素点的像素值的第一平均值，基于计算得到的各像素点的所述第一平均值得到第一序列平均图像；计算所述第二序贯图像序列中各图像中同一像素点的像素值的第二平均值，基于计算得到的各像素点的所述第二平均值得到第二序列平均图像。
可选地，所述将所述第一序列平均图像以及所述第二序列平均图像进行配准，包括：指定所述第一序列平均图像以及所述第二序列平均图像中的一幅图像为参考图像，另一幅图像为浮动图像；确定所述浮动图像相对于所述参考图像在水平方向以及竖直方向上发生的位移，得到所述浮动图像的偏移量；以所述参考图像为基准，根据所述浮动图像的偏移量对所述浮动图像进行调整。
可选地，所述对配准后的所述第一序列平均图像以及所述第二序列平均图像进行场景变化检测，包括：基于配准后的所述第一序列平均图像以及所述第二序列平均图像中的同一像素点对应的二维矩形窗计算相关性，得到相关性系数。
可选地所述第一待检测图像以及所述第二待检测图像为sar在聚束模式或滑动聚束模式下获取的图像。
为了解决上述问题，本公开还提供了一种图像场景变化检测装置，包括：获取模块，用于获取第一待检测图像的第一序贯图像序列以及第二待检测图像的第二序贯图像序列；获得模块，用于基于所述第一序贯图像序列以及所述第二序贯图像序列分别获得第一序列平均图像以及第二序列平均图像；配准模块，用于将所述第一序列平均图像以及所述第二序列平均图像进行配准；检测模块，用于对配准后的所述第一序列平均图像以及所述第二序列平均图像进行场景变化检测。
可选地，所述获得模块，包括：第一计算单元，用于计算所述第一序贯图像序列中各图像中同一像素点的像素值的第一平均值，基于计算得到的各像素点的所述第一平均值得到第一序列平均图像；第二计算单元，用于计算所述第二序贯图像序列中各图像中同一像素点的像素值的第二平均值，基于计算得到的各像素点的所述第二平均值得到第二序列平均图像。
可选地，所述配准模块，包括：指定单元，用于指定所述第一序列平均图像以及所述第二序列平均图像中的一幅图像为参考图像，另一幅图像为浮动图像；确定单元，用于获取所述浮动图像相对于所述参考图像在水平方向以及竖直方向上发生的位移，得到所述浮动图像的偏移量；调整单元，用于以所述参考图像为基准，根据所述浮动图像的偏移量对所述浮动图像进行调整。
可选地，所述检测模块用于：基于配准后的所述第一序列平均图像以及所述第二序列平均图像中的同一像素点对应的二维矩形窗计算相关性，得到相关性系数。
可选地，所述第一待检测图像以及所述第二待检测图像为sar在聚束模式下或滑动聚束模式下获得的图像。
本公开的实施例提供的方法通过对第一待检测图像以及第二待检测图像的序贯图像序列中的图像进行处理，得到序列平均图像，基于该图像进行配准，并基于配准后的图像进行场景变化检测，能够提高图像场景变化检测的精度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是本公开提供的一示例性的基于sar序贯图像的场景变化检测方法的流程图。
图2是本公开一示例性的对图像场景进行改动的示意图。
图3a是本公开对第一幅图像进行序列平均后得到的图像的示意图。
图3b是本公开对进行序列平均后得到的图像进行场景改动后的得到的图像的示意图。
图4是使用本公开提供的sar图像的场景变化检测方法进行检测得到的效果图。
图5是本公开提供的一示例性的基于sar序贯图像的场景变化检测装置的结构框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
本公开实施例提供了一种基于sar序贯图像的场景变化检测方法，图1是该方法的流程图，如图1所示，该方法包括如下步骤：
s101：获取第一待检测图像(以下也称第一幅图像)的第一序贯图像序列以及第二待检测图像(以下也称第二幅图像)的第二序贯图像序列；
其中，该第一待检测图像以及第二待检测图像可以是由sar在聚束模式下或滑动聚束模式下获得的两幅图像，这两幅图像可以是基于同一场景在不同时刻拍摄得到的图像。
步骤s101具体可以按照如下方式来处理：
根据在聚束模式下获取的图像的感兴趣区域的sar复图像得到规范化局部图像，设原复图像为sa×r，其局部图像为sm×n：
其中，m＝a-δ＝2m，n＝r-ε＝2n；
其中，sa×r为a×r的复矩阵，a为原方位向总点数，r为原距离向总点数，sm×n为m×n的复矩阵，m为现方位向总点数，n为现距离向总点数，m、n为正整数，δ,ε为满足上述条件的绝对值最小的整数，对于增加的图像点数采取补0的措施。
对规范化局部图像沿方位向进行傅里叶变换：
其中，x为方位向坐标，y为距离向坐标，f(x,y)为坐标位于(x,y)处的值，m为方位向总点数，n为距离向总点数，u为方位向坐标，f(u,y)为傅里叶变换之后的位于(u,y)处的值。
沿方位向对图像的频谱进行分割，可进行无重叠分割和有重叠分割，根据所需要的序贯图像的个数确定切割方式：
当进行无重叠分割时：
当进行有重叠分割时：
其中，q为序贯图像的个数，int[·]为取整运算，m为获得的局部区域sar图像的方位向点数，m0为分割后的单幅图像的方位向点数，α为重叠率。
对分割好的q幅图像分别沿方位向做傅里叶逆变换，得到第一幅sar图像的序贯图像序列：
其中，x为方位向坐标，y为距离向坐标，q为序贯图像的序号，取值为1,2,3,…,q。fq(x,y)为傅里叶逆变换之后坐标位于(x,y)处的值，u为方位向坐标，fq(u,y)为傅里叶变换之后坐标位于(u,y)处的值。
对第二幅聚束模式下获取的相同感兴趣区域的sar图像按照第一幅sar图像的处理方式进行处理，即采用与第一幅sar图像处理时相同的参数和频谱分割方式获得其序贯图像序列。
s102：基于第一序贯图像序列以及第二序贯图像序列分别获得第一序列平均图像以及第二序列平均图像；
该步骤s102具体按照如下方式进行处理：
计算第一序贯图像序列中的各图像中的同一像素点(可以是图像中所有的像素点)的像素值的第一平均值，基于计算得到的各像素点的第一平均值得到第一序列平均图像；计算第二序贯图像序列中各图像中同一像素点的像素值的第二平均值，基于计算得到的各像素点的第二平均值得到第二序列平均图像。也即基于第一待检测图像对应的序贯图像序列中所有的图像，依次将这些图像中相同像素点的像素值相加，并取平均值，得到的该平均值作为该像素点的像素值，进而得到一幅新的图像，即为第一待检测图像的序列平均图像。同理，使用相同的方法得到第二待检测图像的序列平均图像。其中，此处涉及到的计算公式如下：
其中，h1(x,y)为第一幅图像的序贯图像序列平均后的图像，f1q(x,y)为第一幅图像的序贯图像序列中的第q幅图像，h2(x,y)为第二幅图像的序贯图像序列平均后的图像，f2q(x,y)为第二幅图像的序贯图像序列中的第q幅图像，q为序贯图像的个数。
s103：将第一序列平均图像以及第二序列平均图像进行配准；
该步骤s103具体可以按照如下方式进行处理：
指定第一序列平均图像以及第二序列平均图像中的一幅图像为参考图像，另一幅图像为浮动图像；确定浮动图像相对于参考图像在水平方向以及竖直方向上发生的位移，得到浮动图像的偏移量；以参考图像为基准，根据浮动图像的偏移量对浮动图像进行调整。
其中，可以利用两幅图像的复相关函数作为配准相似性度量的理论依据，获得浮动图像在水平方向和竖直方向发生移动，在两幅图像配准时，复相关函数最大，可得此时浮动图像的偏移量。
其中，s(i,j)为复相关函数，i为浮动图像方位向偏移量，j为浮动图像距离向偏移量，*代表对该复数值取共轭。
s104：对配准后的第一序列平均图像以及第二序列平均图像进行场景变化检测。
该步骤s104具体按照如下方式进行处理：
基于配准后的第一序列平均图像以及第二序列平均图像中的同一像素点对应的二维矩形窗计算相关性，得到相关性系数。计算得到的相关性系数越小，代表两幅图像存在的变化越大，从而检测出场景的微弱变化。
其中，k代表所选取的矩形窗中的点数，h1t和h2t分别为两幅图像中对应像素点的复数幅度值，γk为这两个像素点之间的相关性的幅值，φ为其相位值。
为了说明本公开提供的基于sar序贯图像的场景变化检测方法的有效性，使用本方法对实测terrasar-x图像进行处理，通过对第一幅图像进行部分场景改动，得到第二幅图像，从而按照本公开提供的基于sar序贯图像的场景变化检测方法进行场景变化检测。图2为图像场景改动示意图，如图2所示，对原始图像进行了21、22以及23三处不同强度的改变，其中，21、22以及23方框的颜色不同，其中21方框的颜色最深，21至23方框的颜色依次变浅。
图3a为对第一幅图进行序列平均后的图像，图3b为经过场景改动后，在经过序列平均后的图，当场景变化较弱时，无法从视觉上观看出微弱的变化。
图4为使用本公开提供的基于sar序贯图像的场景变化检测方法进行检测得到的效果图，根据图4可以看出，利用本公开提供的方法不仅可以检测出强度较大的变化，同时能够抑制图像中的噪声信号，检测出图像中微弱的变化。故，本公开提出的方法能够有效地抑制图像中的噪声信号，检测图像中微弱的场景变化，提高了检测精度。
本公开提供的基于sar序贯图像的场景变化检测方法，由于对两幅待检测图像对应的序贯图像序列中的图像进行序列平均处理，使得在保持空间分辨率的同时，抑制了图像中噪声，且考虑了目标随方位角散射变换的特性，使得该方法具有更高的检测精度。同时，该方法采用的序贯图像具有时间基线短的特点，使得该方法不仅能够检测静止场景的变化，同时具备动目标监测的能力。再者，该方法基于已有的高分辨率sar图像进行处理，在无需增加检测成本的情况下能够检测出图像场景内的微弱变化。
本公开还提供了一种基于sar序贯图像的场景变化检测装置，该装置可以用于实现本公开提供的基于sar序贯图像的场景变化检测方法，图5是该装置的结构框图，如图5所示，该装置50可以包括如下组成部分：
获取模块51，用于获取第一待检测图像的第一序贯图像序列以及第二待检测图像的第二序贯图像序列；
该第一待检测图像以及第二待检测图像具体可以为sar在聚束模式下或滑动拘束模式下获得的图像。
获得模块52，用于基于第一序贯图像序列以及第二序贯图像序列分别获得第一序列平均图像以及第二序列平均图像；
配准模块53，用于将第一序列平均图像以及第二序列平均图像进行配准；
检测模块54，用于对配准后的第一序列平均图像以及第二序列平均图像进行场景变化检测。
其中，上述获得模块52具体可以包括：第一计算单元，用于计算第一序贯图像序列中各图像中同一像素点的像素值的第一平均值，基于计算得到的各像素点的第一平均值得到第一序列平均图像；第二计算单元，用于计算第二序贯图像序列中各图像中同一像素点的像素值的第二平均值，基于计算得到的各像素点的第二平均值得到第二序列平均图像。
上述配准模块53可以包括：指定单元，用于指定第一序列平均图像以及第二序列平均图像中的一幅图像为参考图像，另一幅图像为浮动图像；确定单元，用于获取浮动图像相对于参考图像在水平方向以及竖直方向上发生的位移，得到浮动图像的偏移量；调整单元，用于以参考图像为基准，根据浮动图像的偏移量对浮动图像进行调整。
上述检测模块54具体可以用于：基于配准后的第一序列平均图像以及第二序列平均图像中的同一像素点对应的二维矩形窗计算相关性，得到相关性系数。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。