[发明专利]一种基于分解的两目标模糊变化检测方法

权利要求书

1.一种基于分解的两目标模糊变化检测方法，其特征在于，所述方法包括：

步骤一：获取在同一地理区域的两个不同时期的SAR图像，并对图像进行预处理；

步骤二：对预处理后的图像分别使用log-mean算子获得保留细节差分图像，使用同态滤波与显著性检测相结合的方式，获得去噪差分图像；

步骤三：分析保留细节差分图像和去噪差分图像中所包含的信息，从去除噪声和保留细节两个角度构建两目标变化检测模型，使用基于局部空间信息的模糊聚类目标函数分别作为两目标的代价函数；

步骤四：通过不同的权重分配，权衡目标对最终分析结果的影响，使用基于分解的多目标演化计算方式对两个目标进行优化；

步骤五：结合基于分解的多目标权重分配方式，使用新的模糊隶属度更新公式，通过种群迭代自主调节每个像素的隶属度值，从而确定每个像素点的分类属性，得出变化检测结果图像。

2.根据权利要求1所述的方法，其特征在于，将步骤一获得的预处理的两张SAR图像表示为X₁＝{P₁(a，b)|1≤a≤H，1≤b≤W}，和X₂＝{P₂(a，b)|1≤a≤H，1≤b≤W}，P(a，b)代表坐标(a，b)处的像素值，H和W分别表示原始SAR图像的高度和宽度；

所述步骤二中使用log-mean算子获得保留细节差分图像，包括：

DI_detail＝mean(|log(X₂+1)-log(X₁+1)|)

其中，mean()代表均值滤波操作，log代表对数比算子。

3.根据权利要求2所述的方法，其特征在于，所述步骤二中使用同态滤波与显著性检测相结合的方式，获得去噪差分图像，包括：

同态滤波通过对数比率算子将乘性噪声转换为加性噪声，然后将图像信号从时域转换到频域进行处理；滤除噪声后，重构信号，并使用其指数获得初始去噪图像；

利用对数比算子对初始去噪图像进行差分运算，获得初始去噪差分图像DI(x)；

利用显著性检测来寻找图像中的显著性区域：

利用伽马矫正对DI(x)进行图像增强，之后对增强后的初始去噪差分图像DI(x)进行傅里叶变换，得到其振幅谱F(f)与对数谱L(f)：

L(f)＝log(F(f))

使用一个3*3的局部均值滤波器h(f)和L(f)来获得图像的均值对数光谱A(f)：

A(f)＝h(f)*L(f)

之后根据下式获得光谱残差R(f)：

R(f)＝L(f)-A(f)

然后进行逆傅里叶变换，从而获得显著性区域；

依据显著性区域来选择是否保留位置在x处区域的像素值：

从而得到去除噪声的差分图像DI_denoise。

4.根据权利要求3所述的方法，其特征在于，所述步骤三中，构建两目标变化检测模型，使用基于局部空间信息的模糊聚类目标函数分别作为两目标的代价函数为f(v)：

其中，N为图像中像素点的个数；C为分类的数量；x_i为第i个像素点的值；v_k为第k个类的聚类中心；G_ki为模糊因子；m代表模糊系数；u_ki表示第i个像素对第k个类的隶属度；

其中，和分别代表去除噪声差分图像DI_denoise和保留细节差分图像DI_detail中第i个像素点的值，和则是对应计算得到的模糊因子；w₁为去除噪声差分图像DI_denoise的权重；w₂为保留细节差分图像DI_detail的权重；v_j为第j个类的聚类中心。