[发明专利]结合多阈值分割与模糊聚类的SAR图像变化检测方法

说明书

技术领域

本发明属于计算机技术领域，更进一步涉及图像处理技术领域中的结合多阈值分割与模糊聚类的SAR图像变化检测方法。本发明由两幅不同时相的SAR图像得到差异图像，再对差异图像进行多阈值分割和模糊聚类，实现SAR图像变化检测，可用于地物覆盖与利用、自然灾害监测与评估，城市规划，地图更新等领域。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)技术近年来应用得越来越广泛。SAR图像与普通光学遥感图像相比，具有可以全天候获取的特点，并且随着SAR图像分辨率不断提高，基于它的图像处理技术也越来越多。图像的变化检测技术是指通过对同一地区在不同时间的两幅遥感图像的对比和分析，得到该地区在这两个时期的地貌变化信息。目前基于SAR图像的变化检测技术已经得到了比较多的应用，比如在森林覆盖变化、自然灾害监测与评估等方面。

对于如何从两幅SAR图像中找出变化的区域，大致有两种方法：一种是分类后比较法，就是先对不同的SAR图像各自进行分类，然后再比较分类后的结果，找出变化的区域；另外一种方法则是从不同的SAR图像中先得到它们的差异图像，再对差异图像进行分析，从而找到变化区域，后一种方法目前应用得多一些。对差异图像的处理实际就是要对它进行一种两类别的划分，因此聚类算法可以用来解决对差异图像的分类问题。

模糊C均值(Fuzzy C-Means，FCM)算法是最流行的聚类算法之一，它采用模糊理论建立样本类别的不确定性描述，通过优化目标函数得到样本对所有聚类中心的隶属度，进而判定出每个样本的类别。但是由于FCM没有考虑样本的空间信息，所以对噪声比较敏感，影响了聚类的效果。模糊局部信息C均值(Fuzzy Local Information C-Means，FLICM)算法是一种比较新的聚类算法，它针对FCM对噪声比较敏感的缺点作了改进，在聚类的目标函数中引入了样本的局部空间信息，取得了比FCM更好的聚类效果，但由于对所有样本都增加了邻域信息的计算，与FCM相比，其运算量较大。

西安电子科技大学申请的专利“基于量子免疫克隆的SAR图像变化检测方法”(专利申请号201010230980.6，公开号CN101908213A)，该方法通过量子比特定义聚类中心，搜索最优的聚类中心并得到全局阈值，但该方法存在的不足是，只使用了FCM的目标函数来构造抗体亲合度函数，并没有考虑像素的邻域信息。

发明内容

本发明的目的在于克服上述现有技术存在的不足，把多阈值分割和模糊聚类结合起来，用于SAR图像变化检测，以降低变化检测时间，且提高变化检测的精度。

为实现上述目的，本发明在进行变化检测时，首先利用多阈值分割判别出“简单”像素的类别，再将其余“困难”像素留给FLICM模糊聚类算法来判别。

本发明包括如下步骤：

(1)中值滤波

选取常用的3×3中值滤波器对两幅待检测的SAR图像进行预处理，得到中值滤波后的两幅图像；

(2)求出归一化后的对数比差异图像

2a)采用对数比差异公式，由中值滤波后的两幅图像，求出对数比差异图像；

2b)采用归一化公式对对数比差异图像进行归一化处理后得到归一化后的对数比差异图像；

(3)多阈值分割

采用基于标准粒子群优化的大津法，对归一化后的对数比差异图像进行多阈值分割，分割后图像中的像素被分成三类：没有发生变化的像素、发生了变化的像素和不能确定是否发生了变化的像素；

(4)初始化隶属度矩阵

4a)初始化隶属度矩阵U₀，U₀存储像素的隶属于非变化类的隶属度，隶属度用一个在区间[0，1]上取值的实数来表示，多阈值分割后属于没有发生变化的像素在U₀中的隶属度取1，多阈值分割后属于发生了变化的像素在U₀中的隶属度取0，多阈值分割后属于不能确定是否发生了变化的像素在U₀中的隶属度则随机生成；