lib)在第t代分类标签矩阵中随机取出一个大小为MXM的子矩阵作为初步算法 模型p (XIY)中的第t次迭代的标记场X (t)，并根据初步算法模型p (XIY)求得第t次迭代 的二元势能函数参数，再利用所求出的第t次迭代的二元势能函数参数，根据初步算法模 型P (XIY)求得第t+Ι代标记场Xt+1作为第t+Ι代分类标签矩阵；
[0174] lie)如果迭代次数t > 9,则将第t+Ι代分类标签矩阵作为对数比值图像Xb的最 终分类标签矩阵，即将第t+Ι代分类标签矩阵作为原始第二时相SAR图像相对于原始第一 时相SAR图像的变化检测结果；反之，令迭代次数t增加1，返回步骤lib)。
[0175] 本发明的效果可通过以下仿真实验作进一步证实：
[0176] 1)实验条件：
[0177] 仿真实验的环境为：MATLAB R20111b，Libsvm-3. 17 工具箱，Intel(R)Core(TM) ?5-3570 CPU 3. 4GHz, Window7Professional〇
[0178] 2)实验内容：
[0179] 为了验证本发明方法在SAR图像变化检测中的优势，针对四种SAR图像，比较本发 明方法与基于条件随机场的SAR图像变化检测方法的SAR图像变化检测结果，如图2-图5 所示，所述四种SAR图像分别为：印度尼西亚稻田SAR图像、澳大利亚哥尼达机场SAR图像、 日本城市SAR图像和加拿大渥太华地区SAR图像；
[0180] 3)实验结果分析：
[0181] 以SAR图像变化检测精度和卡帕（Kappa)系数作为性能指标，比较本发明方法与 基于条件随机场的SAR图像变化检测方法针对四种SAR图像的变化检测结果，如表1所示， 表1中，将基于条件随机场的SAR图像变化检测方法简称为基于条件随机场方法：
[0182] 表 1
[0184] 从表1可以看出，本发明方法相比于基于条件随机场的SAR图像变化检测方法， 能够获得更高的SAR图像变化检测精度和卡帕（Kappa)系数，这表明本发明方法在SAR图 像变化检测中具有更好的抗噪性能，因为本发明方法考虑了 SAR图像的纹理特征和非平稳 性，并对SAR图像建立了更为精确的算法模型，更符合SAR图像的实际情况。
[0185] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精 神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围 之内，则本发明也意图包含这些改动和变型在内。
【主权项】
1. 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，其特征在于，包括以 下步骤： 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; 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； 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； 步骤4,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； 步骤5,分别选出A平稳区域和B平稳区域的样本点； 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Ia，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 ; 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Ib，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 ; 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中每个像素点的一元势能函 数； 步骤9,提取对数比值图像Xb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； 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； 所述初步算法模型P (XlY)的表达式为：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， QnS对数比值图像X b中第η个像素点％的邻域系统，^为标记场X中对应于对数比值图 像Xb的第η个像素点匁的标记值，&为标记场X中对应于对数比值图像X凋像素点t的 标记值，n e {1，2,...，N}，N为对数比值图像像素点总数，A(x n，Fn，Un，X)为对数比值 图像\中第"个像素点#的一元势能函数，1(\^^^1])为对数比值图像\中第11个像 素点^的二元势能函数：Qh为水平邻域系统、Qv为垂直邻域系统，rnS对数比值图像X b中第η个像素 点纪的边界强度，^为对数比值图像Xb*像素点t的边界强度，edge_CS常量， 痛为二元势能函数参数，Y为观测场，U为非平稳场，gi, g#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^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：步骤11，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Xb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。2. 如权利要求1所述的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，所述步骤2的具体子步骤为： 2a)采用以下公式分别对原始第一时相SAR图像&和原始第二时相SAR图像X2进行归 一化处理，得到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:其中，min表示取最小值，max表示取最大值； 2b)采用以下公式对归一化后的第一时相SAR图像)T JP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X b:其中，log表示取对数。3. 如权利要求1所述的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，所述步骤3的具体子步骤为： 3a)采用以下公式分别计算归一化后的第一时相SAR图像的第η个像素点公的均值特 征//试，/)和归一化后的第二时相SAR图像的第η个像素点f的均值特征:其中，（fjT)和对U)分别为归一化后的第一时相SAR图像的第η个像素点禽的坐 标和灰度值，（仏和对技，方）为归一化后的第二时相SAR图像的第η个像素点禽的坐标 和灰度值I为归一化后的第 一时相SAR图像的长度，也是归一化后的第二时相SAR图像的长度，J为归一化后的第一时 相SAR图像的宽度，也是归一化后的第二时相SAR图像的宽度；n e {1，2，...，N}，N为归一 化后的第一时相SAR图像的像素点总数，也是归一化后的第二时相SAR图像的像素点总数； η。为滑动窗口包含的像素点数； 归一化后的第一时相SAR图像的均值特征矩阵μ JP归一化后的第二时相SAR图像的 均值特征矩阵μ 2分别为：3b)采用以下公式分别计算归一化后的第一时相SAR图像的第η个像素点t的对比度 特征:cs0f，JT.)和归一化后的第二时相SAR图像的第η个像素点C的对比度特征CS(H):归一化后的第一时相SAR图像的对比度特征矩阵csJP归一化后的第二时相SAR图像 的对比度特征矩阵CS2分别为：3c)采用以下公式分别计算归一化后的第一时相SAR图像的第η个像素点纪的半方差 特征名傳，./D和归一化后的第二时相SAR图像的第η个像素点句的半方差特征片）；其中，.为归一化后的第一时相SAR图像在像素点Jf的灰度值，为归 一化后的第二时相SAR图像在像素点句处的灰度值；归一化后的第一时相SAR图像的像素 点&与归一化后的第一时相SAR图像的第η个像素点#的欧几里得距离为h，归一化后的 第二时相SAR图像的像素点:?与归一化后的第二时相SAR图像的第η个像素点||的欧几 里得距离为h ; 归一化后的第一时相SAR图像的半方差特征矩阵X JP归一化后的第二时相SAR图像 的半方差特征矩阵X2分别为：3d)将归一化后的第二时相SAR图像的均值特征矩阵μ 2减去归一化后的第一时相SAR 图像的均值特征矩阵P1，得到对数比值图像的均值特征矩阵μ b:其中，（f Z)和凡〇二K)分别为对数比值图像的第η个像素点C的坐标和均值特征； 3e)将归一化后的第二时相SAR图像的对比度特征矩阵Cs2减去归一化后的第一时相 SAR图像的对比度特征矩阵Cs1，得到对数比值图像的对比度特征矩阵csb:其中，cMC，·/；：)为对数比值图像的第η个像素点X的对比度特征； 3f)将归一化后的第二时相SAR图像的半方差特征矩阵X2减去归一化后的第一时相 SAR图像的半方差特征矩阵X1，得到对数比值图像的半方差特征矩阵xb:其中，瓜C，Z)为对数比值图像的第η个像素点扣的半方差特征； 3g)在滑动窗口将对数比值图像的均值特征矩阵、对比度特征矩阵和半方差特征矩阵， 构成对数比值图像的纹理特征矩阵gs，gs= [ μ b, csb, X J。4.如权利要求1所述的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，所述步骤5的具体子步骤为： 5a)在对数比值图像中选取N。个原始第二时相SAR图像相对于原始第一时相SAR图像 在视觉上未变化的像素点，再选取&个原始第二时相SAR图像相对于原始第一时相SAR图 像在视觉上变化的像素点，K+N'N，N为原始第一时相SAR图像的像素点总数，也是原始第 二时相SAR图像的像素点总数； 5b)根据所选出的每个在视觉上未变化的像素点的坐标，判断其位于A平稳区域还是B 平稳区域，将所有位于A平稳区域的在视觉上未变化的像素点构成第一集合Ka。，该第一集 合Ka。的大小为Na。，将所有位于B平稳区域的在视觉上未变化的像素点构成第二集合K b。，该 第二集合Kb。的大小为N B。； 根据所选出的每个在视觉上变化的像素点的坐标，判断其位于A平稳区域还是B平稳 区域，将所有位于A平稳区域的在视觉上变化的像素点构成第三集合Kai，该第三集合Kai的 大小为Nai，将所有位于B平稳区域的在视觉上未变化的像素点构成第四集合Kbi，该第四集 合Kbi的大小为N B1; 将第一集合Ka。和第三集合K A1中的像素点作为A平稳区域的样本点；将第二集合K B。和 第四集合Kbi中的像素点作为B平稳区域的样本点； 其中，5.如权利要求1所述的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，所述步骤6的具体子步骤为： 6a)根据对数比值图像的纹理特征矩阵gs，提取第一集合Ka。和第三集合K A1的像素点 的纹理特征，组成A平稳区域的纹理特征向量gA:其中，分别为A平稳区域中在视觉上未变化的Na。个像 素点中第1个像素点的均值特征、对比度特征和半方差特征；)分别为A平稳区域中在视觉上未变化的N