基于非平稳分析与条件随机场的sar图像变化检测方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，具体涉及一种基于非平稳分析与条件随机场的 SAR图像变化检测方法，可用于对合成孔径雷达（SAR)图像进行变化检测处理。
【背景技术】
[0002] 随着合成孔径雷达（synthetic aperture radar，SAR)技术的逐步成熟和SAR图 像分辨率的不断提高，SAR图像的使用逐渐为人们所重视。合成孔径雷达是一种高分辨率 成像雷达，其在民用和军用中的应用需要SAR图像变化检测技术作为支撑。SAR图像变化检 测通过对不同时期的SAR图像进行比较分析，并根据SAR图像之间的差异分析来获取所需 要的地物变化信息。SAR图像变化检测技术可以应用于很多方面，例如在土地资源利用检测 方面的应用、在重大自然灾害预防与检测的应用、对海洋变化分析的应用；在军事方面的应 用等。
[0003] SAR图像变化检测算法一般可分为：基于灰度特征的算法，如直接比较法、统计假 设法、预测模型法、相干模型法、主分量法和分类比较法；基于空间特征的算法，如统计纹理 特征分析法和面向对象分类法。
[0004] 近期在SAR图像变化检测上的研究比较多的有：基于多尺度分析的变化检测算 法，如Kai-Kuang Ma提出一种基于双树-复小波变换（DT-CWT，Dual-Tree Complex Wavelet Transform)的多尺度变化检测方法，它利用DT-CWT对对数比值图进行多尺度分解，但没有 考虑到SAR图像的纹理信息，阈值的选取也是一个棘手的问题；变化分量分析算法，将多通 道的SAR图像看作向量，使用变化向量来描述SAR图像从时间t。到时间t /变化的方向和大 小，通过计算SAR图像变化向量的大小，检测SAR图像有没有发生变化，优点是可以利用较 多甚至全部的数据来检测变化像素，并提供变化像素的类型信息。近年来新发展起来的是 基于核方法的SAR图像变化检测算法，Gustavo Camps-Valls在2008年首先提出了将核方 法应用于SAR图像变化检测，该方法首先提取SAR图像的强度信息和纹理信息，然后构造强 度纹理比值差值合成核（RDC_kernel)实现SAR图像变化检测，该方法可以有效的实现SAR 图像变化检测。但是目前的变化检测方法都没有明确地从空域结构的角度上考虑SAR图像 的非平稳性。
【发明内容】
[0005] 针对上述现有技术的问题，本发明的目的在于提供一种基于非平稳分析与条件随 机场的SAR图像变化检测方法，以提高SAR图像变化检测的检测效率和检测精度。
[0006] 为了达到上述目的，本发明采用以下技术方案予以实现。
[0007] -种基于非平稳分析与条件随机场的SAR图像变化检测方法，其特征在于，包括 以下步骤：
[0008] 步骤1，输入待检测的原始第一时相SAR图像XjP原始第二时相SAR图像X 2;
[0009] 步骤2,对原始第一时相SAR图像XjP原始第二时相SAR图像X 2分别进行归一化 处理，并对归一化后的第一时相SAR图像t 1和归一化后的第二时相SAR图像t 2作对 数比值运算，得到对数比值图像Xb;对数比值图像X b的大小与原始第一、第二时相SAR图像 的大小均相同；
[0010] 步骤3,利用滑动窗口分别提取归一化后的第一时相SAR图像的纹理特征矩阵和 归一化后的第二时相SAR图像的纹理特征矩阵；并将归一化后的第二时相SAR图像的纹理 特征矩阵减去归一化后的第一时相SAR图像的纹理特征矩阵，得到对数比值图像的纹理特 征矩阵；所述纹理特征矩阵依次由均值特征矩阵、对比度特征矩阵和半方差特征矩阵组合 而成；
[0011] 步骤4,利用三重马尔科夫场模型算法，将对数比值图像\进行平稳性分割，得到 两种平稳性区域:A平稳区域与B平稳区域;A平稳区域中像素点的个数与B平稳区域中像 素点的个数的和等于对数比值图像中像素点的个数;A平稳区域与B平稳区域的平稳性不 同，体现为A平稳区域和B平稳区域中像素点的纹理特征不同。所述纹理特征依次包含均 值特征、对比度特征和半方差特征；
[0012] 步骤5,分别选出A平稳区域和B平稳区域的样本点；
[0013] 步骤6,提取A平稳区域的所有样本点的纹理特征，组成A平稳区域的纹理特征向 量，给定A平稳区域的训练标签I a，结合A平稳区域的训练标签IjP A平稳区域的纹理特 征向量构成A平稳区域的训练样本，利用该训练样本训练支撑向量机，得到第一分类标签 矩阵Ac ;
[0014] 步骤7,提取B平稳区域的所有样本点的纹理特征，组成B平稳区域的纹理特征向 量，给定B平稳区域的训练标签I b，结合B平稳区域的训练标签IjP B平稳区域的纹理特 征向量构成B平稳区域的训练样本，利用该训练样本训练支撑向量机，得到第二分类标签 矩阵Bc ;
[0015] 步骤8,根据第一分类标签矩阵Ac和第二分类标签矩阵Bc，求得对数比值图像Xb 的初始分类标签矩阵Oc，并求得对数比值图像Xb中每个像素点的类条件概率，再对对数比 值图像Xb中每个像素点的类条件概率取对数，得到对数比值图像X b*每个像素点的一元势 能函数；
[0016] 步骤9,利用指数加权均值比率算子提取对数比值图像\中每个像素点的边界强 度，并构建对数比值图像X b中每个像素点的二元势能函数；
[0017] 步骤10,根据对数比值图像Xb中每个像素点的一元势能函数和二元势能函数，得 到初步算法模型P (XIY)，其中，X为标记场，Y为观测场；
[0018] 所述初步算法模型P (XIY)的表达式为：
[0019]
[0020] 其中，X为标记场，Y为观测场，U为非平稳场，1/Z为初步算法模型P (XIY)的分布 函数，QA对数比值图像X b中第η个像素点《的邻域系统，xA标记场X中对应于对数比 值图像Xb的第η个像素点ST的标记值，\为标记场X中对应于对数比值图像X ,的像素点 t的标记值，n e {1，2,...，Ν}，N为对数比值图像像素点总数，A(x n，Fn，Ub，X)为对数 比值图像Xb中第η个像素点乾的一元势能函数，I (xn，xt，X，Y，U)为对数比值图像Xb中第 η个像素点％的二元势能函数：
[0021]
[0022] Qh为水平邻域系统、Qv为垂直邻域系统，^为对数比值图像Xb中第η个像 素点和的边界强度，^为对数比值图像Xb*像素点t的边界强度，edge_CS常量，
为二元势能函数参数，γ为观测场，u为非平稳场，gp g2S非平稳 场U的两个不同取值，一般分别取0和1，仏为对数比值图像X b中第η个像素点C的平稳 性标记值，队为对数比值图像像素点t的平稳性标记值，δ为阶跃函数，其中：
[0024] 步骤11，利用条件迭代期望算法计算初步算法模型ρ(Χ|Υ)中的二元势能函数参 数，根据该二元势能函数参数求得对数比值图像X b的最终分类标签矩阵，即得到原始第二 时相SAR图像相对于原始第一时相SAR图像的变化检测结果。
[0025] 本发明与现有技术相比，具有以下优点：
[0026] 第一，本发明对SAR图像进行变化检测时无需将SAR图像数据进行降维处理，所以 本发明方法在收敛度、训练速度等方面有较高的性能。
[0027] 第二，本发明建立初步算法模型时引入了 SAR图像的非平稳信息，克服了条件随 机场不能明确地从空域结构的角度上考虑SAR图像的非平稳性的缺点，因而本发明对SAR 图像的模型拟合性得到了改善。
[0028] 第三，本发明将通过三重马尔科夫场模型算法引入SAR图像的非平稳信息很好地 与SAR图像的纹理特征进行结合，能够充分考虑SAR图像的空间信息，所以本发明在SAR图 像的变化检测中具有很好的抗噪性能和检测性能。
【附图说明】
[0029] 下面结合【附图说明】和【具体实施方式】对本发明作进一步详细说明。
[0030] 图1为本发明的流程图。
[0031] 图2是本发明方法与基于条件随机场的SAR图像变化检测方法对印度尼西亚稻田 SAR图像的变化检测结果对比图，其中：
[0032] 图2a是实测的印度尼西亚稻田受洪水灾害前的第一时相SAR图像；
[0033] 图2b是实测的印度尼西亚稻田受洪水灾害后的第二时相SAR图像；
[0034] 图2c是印度尼西亚稻田SAR图像的变化检测结果参考图；
[0035] 图2d是基于条件随机场的SAR图像变化检测方法对印度尼西亚稻田SAR图像的 变化检测结果图；
[0036] 图2e是本发明方法对印度尼西亚稻田SAR图像的变化检测结果图。
[0037] 图3是本发明方法与基于条件随机场的SAR图像变化检测方法对澳大利亚哥尼达 机场SAR图像的变化检测结果对比图，其中：
[0038] 图3a是实测的澳大利亚哥尼达机场受洪水灾害前的第一时相SAR图像；
[0039] 图3b是实测的澳大利亚哥尼达机场受洪水灾害后的第二时相SAR图像；
[0040] 图3c是澳大利亚哥尼达机场SAR图像的变化检测结果参考图；
[0041] 图3d是基于条件随机场的SAR图像变化检测方法对澳大利亚哥尼达机场SAR图 像的变化检测结果图；
[0042] 图3e是本发明方法对澳大利亚哥尼达机场SAR图像的变化检测结果图。
[0043] 图4是本发明方法与基于条件随机场的SAR图像变化检测方法对日本城市SAR图 像的变化检测结果对比图，其中：
[0044] 图4a是实测的日本城市的第一时相SAR图像；
[0045] 图4b是实测的日本城市的第二时相SAR图像；
[0046] 图4c是日本城市SAR图像的变化检测结果参考图；
[0047] 图4d是基于条件随机场的SAR图像变化检测方法对日本城市SAR图像的变化检 测结果图；
[0048] 图4e是本发明方法对日本城市SAR图像的变化检测结果图。
[0049] 图5是本发明方法与基于条件随机场的SAR图像变化检测方法对加拿大渥太华地 区SAR图像的变化检测结果对比图，其中：
[0050] 图5a是实测的加拿大渥太华地区的第一时相SAR图像；
[0051] 图5b是实测的加拿大渥太华地区的第二时相SAR图像；
[0052] 图5c是加拿大渥太华地区SAR图像的变化检测结果参考图；
[0053] 图5d是基于条件随机场的变化检测方法对加拿大渥太华地区SAR图像的变化检 测结果图；
[0054] 图5e是本发明方法对加拿大渥太华地区SAR图像的变化检测结果图。
【具体实施方式】
[0055] 参照图1，本发明的一种基于非平稳分析与条件随机场的SAR图像变化检测方法， 包括以下具体步骤：
[0056] 步骤1，输入待检测的原始第一时相SAR图像XjP原始第二时相SAR图像X 2。
[0057] 输入的待检测的原始第一时相SAR图像XjP原始第二时相SAR图像X 2如下：
[0058]
[0059]
[0060] 其中，Ο'Γ，W)和4^，)分别为原始第一时相SAR图像的第η个像素点K的坐标和 灰度值，爆J:)和分别为原始第二时相SAR图像的第η个像素点與的坐标和灰度 值；I为原始第一时相SAR图像的长度，也是原始第二时相SAR图像的长度；J为原始第一时 相SAR图像的宽度，也是原始第二时相SAR图像的宽度；n e {1，2，...，N}，N为原