[发明专利]基于间断自适应非局部均值的SAR图像变化检测方法

说明书

本发明公开了一种基于间断自适应非局部均值的SAR图像变化检测方法，其实现步骤为：首先对在不同时间获取到的反映同一地理位置区域的两幅SAR图像进行预处理，利用log‑ratio运算产生差异图像，接着将差异图像分为相互重叠的图像块，映射到PCA特征空间，并利用间断自适应函数计算图像块PCA特征的相似性，然后对获得的图像块PCA特征进行非局部均值滤波处理，最后采用k‑均值聚类对滤波后的的PCA特征进行聚类，产生变化检测结果图并输出。该发明能够处理分布复杂的遥感图像，并且能够利用特征空间中能量的分布特点，有效的减少斑点噪声对于变化检测结果的影响，可用于对环境变化的自动检测。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于间断自适应非局部均值的SAR图像变化检测方法。

背景技术

森林减少、荒漠化、冰川融化、湖泊干旱和洪水等等这些自然现象都是自然环境和人类活动相互作用和相互影响的结果。也就是说，人类活动和自然过程协同作用极大地影响着地球环境，这些促使我们去更加深入了解地球环境，以便于更好地保护和利用这个星球。变化检测技术是一种有效的测量和记录地球环境变化的方法。同时，由于SAR图像的获取具有全天时、全天候的特点，通过各种平台的SAR传感器可以方便地在不同时间段获取到同一场景的图像。因此，SAR图像变化检测正在获得极大的关注。

由于在一个雷达分辨单元内存在大量散射点，使得SAR图像存在斑点噪声。斑点噪声的影响是SAR图像变化检测面临的主要问题之一。Bazi等人指出斑点噪声导致差异图像的直方图上变化类与非变化类像素之间重叠区域的增加，使得两类像素的分离面临更多困难。Dekker指出采用阈值算法检测SAR图像比值差异图的变化区域时，斑点噪声的存在将会增加错检率和漏检率。消除斑点噪声的传统策略是首先进行预处理，即对单个SAR图像进行滤波处理，然后采用对于乘性的斑点噪声具有鲁棒性的差分算子产生差异图像。

SAR图像变化检测技术一般而言是非监督的，因为标记样本的获取十分困难且不可靠。因此，各种阈值算法，如：最大的后验(MAP)分类器和广义KI阈值选择算法，都是广泛应用的无监督的SAR图像变化检测算法。这类算法通过对差异图像的直方图应用一个决策阈值来判别变化类和非变化类。但其性能一般受到选择的概率统计模型的影响较大，制约了该类算法的应用前景。Bruzzone等人提出了一种基于马尔可夫随机场(MRF)模型的方法，它能极大地抑制散斑噪声。首先利用期望最大化(EM)算法获取差异图像每个像素的后验概率，然后采用迭代条件模型(ICM)算法，通过MRF空间正则化得到优化结果。然而，该方法对于差异图像的真实统计模型与选择模型之间，以及空间参数β的选取存在拟合优度的问题。空间参数β是一个常数，在变化检测过程中调节空间信息对于最终检测结果的影响，也就是说，变化检测的结果对该参数十分敏感，在实际应用中难以获得最优参数值。Celik提出了一种简单有效的遥感图像变化检测方法。通过PCA提取SAR图像的空谱特征，然后采用k-均值聚类生成变化检测结果图。虽然PCA特征向量能有效地捕捉到图像的局部结构，但由于噪声的能量仍在整个PCA特征空间中传播，因此检测结果不可避免地会受到噪声的影响。

综上所述，斑点噪声对最终获得的SAR图像变化检测结果图的精度有很大的影响。是否能够最大程度的减少斑点噪声，对提高SAR图像变化检测的精度发挥着至关重要的影响。

发明内容

本发明的目的是提供一种基于间断自适应非局部均值的SAR图像变化检测方法，该方法根据PCA的最佳降维特性，最大程度的减少斑点噪声对于检测结果的影响。

本发明所采用的技术方案是，基于间断自适应非局部均值的SAR图像变化检测方法，具体按照以下步骤实施：

步骤1，选取窗口大小为3×3的Lee滤波器分别对两幅原始的获取于不同时间的SAR图像X₁，X₂进行滤波预处理；

步骤2，利用log-ratio运算符获取差异图像X；