[发明专利]基于高阶统计特征的多波段雷达图像变化检测方法

说明书

基于高阶统计特征的多波段雷达图像变化检测方法，先输入不同时相的不同波段的SAR遥感图像，再对SAR图像进行预处理，然后对SAR图像进行滤波处理，再对两幅SAR图像进行归一化处理，然后对两幅SAR图像进行配准处理，分别获得各图像的高阶统计特征图，再获得两图像的联合高阶统计特征图；然后产生高阶统计特征差异图，在高阶统计特征差异图中产生检测阈值，再获得由高阶统计特征产生的变化信息，然后对两图像的高阶联合统计特征图进行处理，设置阈值，获取变化信息，对不同特征获得的变化信息进行融合处理，最后输出变化信息图，本发明能够有效地检测到不同时相不同波段SAR图像的变化信息。

技术领域

本发明属于信号处理技术领域，具体涉及基于高阶统计特征的多波段雷达图像变化检测方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,以下简称SAR)成像遥感是一种非常重要的数据源，用不同时相的SAR图像来获取变化信息是遥感领域的一个重要应用方向，SAR图像变化检测跟普通的光学遥感图像变化检测原理是一样的，首先获取同一区域不同时间的SAR图像，然后通过对两幅或序列的SAR图像进行处理来获取监测区域的动态或变化信息。

目前多时相的SAR图像变化检测方法可以归纳为以下五类：第一类是基于图像像素运算的直接变化检测方法，即在不同时相的遥感图像之间直接进行处理或运算，以获取变化信息，如图像灰度差值法、图像灰度比值法、图像纹理特征差值法、相关系数法、图像回归法和典型相关法等。第二类是基于图像特征域的变化检测方法，首先分别提取不同时相图像的特征，然后对这些特征进行比较和运算处理，以获得变化信息，如最大似然估计法、贝叶斯估计法和统计特征法等。第三类是基于变换域的变化检测方法，这类方法首先对不同时相的图像进行相同的变换，然后在变换域中提取变化信息，如傅里叶变换、小波变换、主成份分析和多尺度几何变换理论等等。第四类是基于图像分类的变化检测方法，这类方法首先对不同时相的遥感图像分别进行分类，然后对不同的类分别进行比较分析，以获得最终的变化信息，如支持向量机、聚类分析和神经网络等。第五类是基于新的理论和交叉学科的变化检测方法，如稀疏表示、模糊理论、人工智能、信息融合和各种群智能等。其中，基于特征的方法主要是利用低阶的统计特性、纹理特征、区域特征、分形特征和结构特征等，几乎没有涉及到图像的高阶统计量特征。

遥感图像存在空间分辨率、辐射分辨率、光谱分辨率和时间分辨率，遥感图像变化检测就是利用不同时间遥感图像来获取变化信息。目前，不同时相的遥感图像进行变化检测，充分利用的就是遥感图像的时间分辨率。同卫星同传感器的遥感图像很难满足实际需求，因为单颗卫星的周期通常比较长，而一些突发事件，例如各种灾害的监测和救援，需要及时了解情况。此时，就需要不同卫星的不同传感器的来弥补单卫星的时间分辨率。不同卫星上安装的传感器一般不同，尤其是SAR成像，每颗卫星的SAR成像传感器发射的微波频率不同，获取的信息有别。因微波成像过程中，频率是影响微波成像的一个重要因素。所以，不同时相的多波段SAR图像变化检测比单波段的变化检测难，而且更复杂。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供了基于高阶统计特征的多波段雷达图像变化检测方法，能够有效地检测到监测区域或目标的变化信息。

为了达到上述目的，本发明采取的技术方案为：

基于高阶统计特征的多波段雷达图像变化检测方法，包括以下步骤：

步骤1：输入不同时相的SAR遥感图像；

步骤2：对SAR图像进行预处理；

步骤3：对SAR图像进行滤波处理；

步骤4：对两幅SAR图像进行归一化处理；

步骤5：对两幅SAR图像进行配准处理；

步骤6：分别获得各图像的高阶统计特征图；

步骤7：获得两图像的联合高阶统计特征图；