[发明专利]基于小波变换和SVM的SAR遥感影像变化检测方法

权利要求书

1.一种基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，包括如下步骤：

1)输入同一区域、不同时相的两幅SAR遥感影像，分别记为：I₁和I₂；

2)利用ENVI对I₁和I₂进行几何校正；

3)对I₁和I₂分别提取对数比值图X₁和均值比值图X₂；

4)具体步骤如下：

41)分别对步骤3)得到的对数比值图X₁和均值比值图X₂进行归一化处理：

式中，表示X₁归一化之后的图像，表示X₂归一化之后的图像，X_1max表示X₁中所有像素点的最大值，X_2max表示X₂中所有像素点的最大值；

42)对和分别进行3层平稳小波变换，得到每幅图像的各层低频系数和高频系数；其中高频系数包括水平分量、垂直分量和对角分量，低频系数包含源图像的近似特性；

43)低频系数的融合规则为：CA＝CA₁/2+CA₂/2(5)，式中，CA是融合后的低频系数，CA₁是对数比值图第三层的低频系数，CA₂是均值比值图第三层的低频系数；

44)高频系数的融合规则为：式中，CH₃(i,j)表示融合后的第三层的水平方向高频系数，CH₃₁(i,j)表示对数比值图第三层的水平方向高频系数，CH₃₂(i,j)表示均值比值图第三层的水平方向高频系数，E₁(i,j)表示以CH₃₁(i,j)为中心的3×3窗口内的局部能量，E₂(i,j)表示以CH₃₂(i,j)为中心的3×3窗口内的局部能量，N_i,j表示以坐标(i,j)为中心的3×3窗口内分所有点的集合；

45)对融合后的低频和高频系数进行平稳小波逆变换，重构得到差异影像Xd；

5)依据已知的参考图像，随机选择60个已标记的样本点组成初始训练集；

6)以初始训练集为输入数据，利用PTSVM算法对训练集进行训练，得到一个分类超平面，具体步骤如下：

61)初始化惩罚因子C和C^*，初始化当前迭代次数i和迭代总次数G，使用基于归纳式学习的支持向量机SVM(Support Vector Machine)对初始训练集进行训练，得到一个初始模型；

62)根据初始模型，求出候选集ψ中的样本个数A，计算公式如下：

式中，分别为初始模型正负边界支持向量数；

63)根据模型求出未标记样本数据到分界面的距离，并分别选择A个最接近分界面的样本加入到候选集ψ^±中；

64)计算候选集ψ^±中样本点的阈值，计算公式如下：

65)更新训练集和未标记的样本集，当样本点到超平面的距离大于阈值时，将样本点加入到混合训练集，并将数据从候选集中去除；

66)更新惩罚因子，计算公式如下：式中，i表示第i次迭代，C^*(0)为C^*的初始值；

67)根据新的训练集和惩罚因子重新训练，得到一个新的模型并更新当前迭代次数i＝i+1；

68)重复步骤3)到7)，直到当前迭代次数i大于G；

7)利用步骤6)得到的分类超平面对步骤4)得到的差异影像Xd进行二分类，确定影像的变化区域和非变化区域。

2.根据权利要求1所述的基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，所述步骤2)中几何校正的具体步骤如下：

21)显示基准影像和待校正影像；

22)启动几何校正模块；

23)采集地面控制点GCPs；

24)选择校正参数输出结果；

25)检验校正结果。

3.根据权利要求1所述的基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，所述步骤3)中用式(1)、(2)计算对数比值图X₁和均值比值图X₂：式中，μ₁(i,j)和μ₂(i,j)分别表示待检测图像I₁和I₂中以坐标(i,j)为中心的3×3邻域窗口内所有像素灰度值的平均值。