[发明专利]基于DAP和ARELM的在轨SAR图像变化检测方法

说明书

本发明提出了一种基于DAP和ARELM的在轨SAR图像变化检测方法，消除了训练数据对方法检测能力的限制。其实现包括：针对两幅配准的SAR图像对，计算获得对数差分图DI；对DI进行SLIC超像素分割，并求取所有超像素的均值和质心，用DAP算法对超像素聚类获得若干类超像素集合；用K‑means算法再进行区域三分类，均值最高的集合为严格变化区域，最低的集合为严格未变化区域，剩余为未知类别区域；选择区域训练样本，并将其邻域特征送到ARELM中训练，获得训练好网络参数的ARELM；将待检测的所有像素邻域特征送入训练好的ARELM中进行分类，自动获得变化检测结果图。本发明消除了训练数据对方法检测能力的限制，检测正确率高，自动决策。检测能力稳定可靠，用于SAR图像变化检测。

技术领域

本发明属于图像检测技术领域，主要涉及SAR图像的变化检测，具体是一种基于DAP聚类和基于图正则的极速学习机(ARELM)的在轨SAR图像变化检测方法，用于对SAR图像的变化检测。

背景技术

变化检测是一种根据同一地区不同时间得到的多时相卫星图片分析检测出区域内地物变化的技术。随着科学技术的不断进步，变化检测技术在理论和实践中都取得了瞩目的成果，检测手段日趋成熟，一些优秀算法也被应用到了变化检测技术中。现如今，变化检测技术已广泛应用于医学诊断、土地利用、植被覆盖检测等方面。

作为一种微波成像雷达，合成孔径雷达系统获得的SAR图像因为不受云层、光照等现象的干扰，在植被监控、工业生产及军事领域都有广泛应用。随着科技进步，我国的遥感技术得到了长足的发展。在发射的各种卫星获得的海量地面区域数据面前，正确有效且及时从其中获取有效数据信息成了目前急需解决的问题。

可将在轨的SAR的图像变化检测方法分为两类：(1)无监督SAR图像在轨变化检测，该类方法是利用图像中的特征信息进行分析聚类，最终获取目标区域的变化部分；(2)有监督的SAR图像在轨变化检测，该类方法需要足够的标记样本作为训练数据，从训练数据中提取出方法所需的样本特征来分类未知类别的样本。

无监督的SAR图像在轨变化检测方法由于不需要额外的训练样本，因此各个领域都有具有比较广泛的应用。但是由于没有利用到样本的有效信息，使得无监督的SAR图像在轨变化检测方法的检测精度和方法稳定性需要进一步提高。

有监督的SAR图像在轨变化检测一般需要用足量的人工数据样本对有监督的在轨变化检测方法进行训练，这类方法和无监督检测方法相比具有更高的检测精度，但是由于这些人工标注的样本信息稀缺且昂贵，并且训练后的方法参数固定，使得此类方法在面对不同幅宽不同分辨率以及不同成像方式(单视或四视)的目标区域的数据时，其检测质量受到很大程度的波动，制约了有监督检测方法的实际推广和使用。

综上，无监督的SAR图像在轨变化检测方法的检测精度不足。有监督的SAR图像在轨变化检测方法受限于对大量人工标注的数据的需求，不能灵活应用于不同成像方式及分辨率的SAR数据。在SAR图像的变化检测领域，随着获得的数据集中包含信息量的不断提升，以往的基于像素级的变化检测方法不能满足检测需求。如何在满足在轨变化检测方法要求的同时，从细节更多的新数据集中获取更多有效信息，以最终优化变化检测方法的检测结果，成为新时期急需要研究解决的问题。

发明内容

针对以上方法的不足和局限，为了使在轨变化检测方法更有效的处理更多细节的高精度SAR图像，结合图像的纹理特征，本发明提出了一种稳定高效的基于距离AP聚类(DAP)和图正则的极速学习机(ARELM)的SAR图像在轨变化检测方法。

本发明是一种基于DAP聚类和ARELM的在轨SAR图像变化检测方法，其特征是：直接在卫星上对配准后的SAR图像对进行变化检测，并包括以下步骤：

步骤1：针对两幅配准后的同一地区不同时相的SAR图像对X₁和X₂，逐一地在图像对每个对应的像素点上作对数比值法计算，获得SAR图像对的对数差分图DI。