[发明专利]基于小波变换和SVM的SAR遥感影像变化检测方法

摘要

本发明公开了一种基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，首先对两个时相遥感影像作对数比值图和均值比值图，然后采用平稳小波变换对对数比值图和均值比值图进行融合构造差异影像，最后通过渐进直推式支持向量机对差异影像进行二分类(变化类和非变化类)，获取最终的变化检测结果。本方法可以用来解决多时相SAR遥感影像变化检测精度不高和抗噪性差的问题，有效抑制了SAR遥感图像中的相干斑噪声，解决了单一类型差异影像检测精度低、适用范围窄的问题。

主权项

1.一种基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，包括如下步骤：1)输入同一区域、不同时相的两幅SAR遥感影像，分别记为：I₁和I₂；2)利用ENVI对I₁和I₂进行几何校正；3)对I₁和I₂分别提取对数比值图X₁和均值比值图X₂；4)具体步骤如下：41)分别对步骤3)得到的对数比值图X₁和均值比值图X₂进行归一化处理：式中，表示X₁归一化之后的图像，表示X₂归一化之后的图像，X_1max表示X₁中所有像素点的最大值，X_2max表示X₂中所有像素点的最大值；42)对和分别进行3层平稳小波变换，得到每幅图像的各层低频系数和高频系数；其中高频系数包括水平分量、垂直分量和对角分量，低频系数包含源图像的近似特性；43)低频系数的融合规则为：CA＝CA₁/2+CA₂/2(5)，式中，CA是融合后的低频系数，CA₁是对数比值图第三层的低频系数，CA₂是均值比值图第三层的低频系数；44)高频系数的融合规则为：式中，CH₃(i,j)表示融合后的第三层的水平方向高频系数，CH₃₁(i,j)表示对数比值图第三层的水平方向高频系数，CH₃₂(i,j)表示均值比值图第三层的水平方向高频系数，E₁(i,j)表示以CH₃₁(i,j)为中心的3×3窗口内的局部能量，E₂(i,j)表示以CH₃₂(i,j)为中心的3×3窗口内的局部能量，N_i,j表示以坐标(i,j)为中心的3×3窗口内分所有点的集合；45)对融合后的低频和高频系数进行平稳小波逆变换，重构得到差异影像Xd；5)依据已知的参考图像，随机选择60个已标记的样本点组成初始训练集；6)以初始训练集为输入数据，利用PTSVM算法对训练集进行训练，得到一个分类超平面，具体步骤如下：61)初始化惩罚因子C和C^*，初始化当前迭代次数i和迭代总次数G，使用基于归纳式学习的支持向量机SVM(Support Vector Machine)对初始训练集进行训练，得到一个初始模型；62)根据初始模型，求出候选集ψ中的样本个数A，计算公式如下：式中，分别为初始模型正负边界支持向量数；63)根据模型求出未标记样本数据到分界面的距离，并分别选择A个最接近分界面的样本加入到候选集ψ^±中；64)计算候选集ψ^±中样本点的阈值，计算公式如下：65)更新训练集和未标记的样本集，当样本点到超平面的距离大于阈值时，将样本点加入到混合训练集，并将数据从候选集中去除；66)更新惩罚因子，计算公式如下：式中，i表示第i次迭代，C^*(0)为C^*的初始值；67)根据新的训练集和惩罚因子重新训练，得到一个新的模型并更新当前迭代次数i＝i+1；68)重复步骤3)到7)，直到当前迭代次数i大于G；7)利用步骤6)得到的分类超平面对步骤4)得到的差异影像Xd进行二分类，确定影像的变化区域和非变化区域。