[发明专利]基于MDS-SRM混合级联的SAR图像变化检测方法

摘要

本发明公开了一种基于MDS‑SRM的混合级联变化检测方法，主要解决现有SRM算法中因静态排序等因素导致变化检测不精确的问题。其实现步骤为：1.输入两时相单通道SAR图像，分别对其进行去噪处理；2.用去噪后的图像构造对数比值图和均值比值图，并两者叠加成一幅双通道差异图像；3.对双通道差异图像进行合并，得到第一次合并结果；4.在第一次合并结果的基础上再次合并，得到第二次合并结果；5.对第二次合并结果中的每个区域的灰度均值进行升序排序，并进行区域合并，得到最终变化检测结果。本发明能有效提高了SAR图像中变化区域的检测精确度，可用于灾害区域的定位及城市的扩张情况分析。

主权项

1.一种基于MDS‑SRM混合级联的SAR图像变化检测方法，包括：(1)输入两幅不同时间相同地域的单通道SAR图像X1、X2，并利用非局部均值算法去除该两幅图像中的相干斑噪声，得到去噪后的两幅图像I1和I2；(2)用去噪后的图像I1和I2，构造对数比值差异图DI1和均值比值差异图DI2；(3)将构造的对数比值差异图DI1和均值比值差异图DI2进行叠加，得到一幅双通道差异图像DI；(4)利用统计区域合并算法对双通道差异图像DI中的像素点进行合并，完成差异图从像素空间到区域空间的转变，得到第一次合并图像DT1；(5)利用多层动态排序统计区域合并算法对第 一次合并图像DT1中的区域进行二次合并，得到拥有较大区域的二次合并图像DT2：(5a)遍历第 一次合并图像DT1中相邻的区域，确定区域对个数M；(5b)计算区域对的相似度f(R',R)：式中R'和R表示相邻的两个区域，H₁和H₂分别表示相邻两区域中的特征向量，其中代表k通道R区域的平均像素值，A(R_k)表示R区域的统计直方图矩阵，|R|表示区域R的像素个数；S^‑1为相邻区域特征向量的协方差矩阵S(a,b)的逆矩阵，k表示通道；(5c)将相似度f(R',R)从小到大排序，得到合并顺序列表Index(i),i为遍历合并顺序列表的指针，设i＝1，选定相似度f(R,R')最小值的区域对(R,R')；(5d)根据以下公式判定最小值的区域对(R,R')是否合并：若满足则合并，计算此时的相邻区域对个数M并更新相邻区域对(R,R')的相似度f_n+1(R,R')：其中，参数Q代表统计复杂度，通过调节Q获得不同程度的分割结果，R_R表示有R个像素的区域，且有g＝256，R表示区域含有的像素个数，常数|I|是图像I包含的像素点个数，代表k通道R区域的平均像素值；f_n(R,R')代表了第n次合并之前R'区域和R区域的相似度，φ和分别表示本次相似度和历史相似度的权重，更新合并顺序列表Index(i),设i＝1，选定f_n+1(R,R')最小值的区域对(R,R')，再次判断最小值的区域对(R,R')是否合并；否则,i＝i+1，判断i<＝M是否成立，若成立，则取Index(i)对应的相邻区域对，重复步骤(5d)；若不成立，合并结束,得到二次合并图像DT2；(6)对二次合并图像DT2中的每个区域的灰度均值进行升序排序得到合并顺序列表，然后采用SRM算法中的合并准则对合并顺序列表中的区域依次进行区域合并，得到最终的变化检测结果。