[发明专利]基于轮廓波集成DBN的极化SAR图像变化检测方法

说明书

一种基于轮廓波集成DBN的极化SAR图像变化检测方法，主要解决现有方法中极化SAR图像变化检测精度不高的问题。本发明的具体步骤如下：(1)输入同一地区不同时相的两幅极化SAR图像的两个极化相干矩阵；(2)滤除相干噪声；(3)归一化处理滤波后的极化相干矩阵；(4)提取特征矩阵F₁和F₂中每个元素的对角线元素；(5)对特征矩阵E₁和E₂进行非下采样轮廓波变换；(6)对特征矩阵进行尺度级联融合；(7)构造样本集；(8)构造轮廓波集成深度置信网络DBN变化检测模型；(9)训练轮廓波集成深度置信网络DBN变化检测模型；(10)输出变化检测结果。本发明具有对极化SAR图像变化检测结果轮廓清晰且精度高的优点。

技术领域

本发明属于图像处理技术领域，更进一步涉及遥感图像变化检测技术领域中的一种基于轮廓波集成深度置信网络DBN模型(Deep Belief Network)的极化合成孔径雷达SAR(Synthetic Aperture Radar)图像变化检测方法。本发明可用于检测两幅不同时相获取的极化SAR图像中对应位置的水域、舰船、港口等的变化，可广泛应用于民用领域和军事应用领域，比如土地利用，军事监测，城市规划，灾后重建等。

背景技术

极化SAR图像变化检测是指利用同一地区不同时相的两幅极化SAR图像来检测和分析地面的变化情况。由于极化SAR技术与普通光学遥感技术相比具有全天候、全天时工作的特点，使得极化SAR图像变化检测在民用领域和军事应用领域有着广泛的应用。近年来，利用极化SAR图像进行变化检测在国际遥感领域受到高度重视，已经成为图像处理的主要研究方向之一。

Ganchao Liu等人在其发表的论文“A new patch based change detector forpolarimetric SAR data”(Pattern Recognition,2015,48(3):685-695)中提出了一种基于块相似性的极化SAR图像变化检测方法。该方法的首先对两幅不同时相的极化SAR图像运用非局部滤波方法和块相似算法进行降噪的预处理操作。接着构造等效视数估计器，分别计算预处理后的两幅极化SAR图像的等效视数。然后根据求得的等效视数，对两幅预处理后的极化SAR图像做比值操作，得到比值图。最后设置合理的阈值，根据比值图求得变化检测图。由于该方法只考虑两幅图像的局部特征，虽然能够得到较好的变化检测结果，但是，该方法仍然存在的不足之处是，该方法使用的局部滤波方法使得极化SAR图像仍然存在残余斑点噪声，影响等效视数的估计，所以仍存在变化检测精度不高的问题。

天津大学在其申请的专利文献“基于极化状态提取的极化SAR图像变化检测方法”(专利申请号：201610526246.1，公开号：106204569A)中提出了一种基于极化状态提取图像变化检测方法。该方法的具体步骤包括：第一步，对已配准的两时相图像分别进行去取向和相干斑抑制的预处理操作；第二步，自动选取预处理后两时相图像中的不变目标作为样本，并构造样本目标的特征矢量；第三步，寻找使得目标特征矢量相似性系数最大的极化椭圆率角和极化方位角作为该样本目标的最优极化状态；第四步，将两幅图像所有样本目标的最优极化状态取平均后得到整幅图像的最优极化状态组合χ_opt和ψ_opt，并在最优极化状态下构造变化检测特征量；第五步，根据求得的χ_opt和ψ_opt计算极化Kennaugh矩阵，结合变化检测特征量，利用极化合成公式，计算两个时相极化SAR图像对应目标在最优极化状态下的接收功率P_A和P_B，并构造比值变化检测特征量F；第六步，利用双阈值判别方法对变化检测特征量F进行判别，得到变化检测结果F′。虽然，该方法提取了极化SAR图像特有的极化状态，对于极化状态特征明显的极化SAR图像有较好的检测，但是，该方法仍然存在的不足之处是，该方法利用接收功率比值法构造检测特征量相对简单，无法检测出对功率变化不敏感的变化区域，同时该方法没有充分考虑极化SAR图像的尺度特征信息，从而导致变化检测结果边缘模糊，且精度不高等问题。

发明内容