[发明专利]基于非局部均值的SAR图像变化检测差异图生成方法

说明书

技术领域

本发明属于SAR图像变化检测技术领域，涉及SAR图像变化检测中的差异图生成阶段。具体地说是提出了一种基于非局部思想的SAR图像变化检测差异图生成方法，用于生成包含更多有效信息，并能一定程度上抑制噪声的差异信息图，便于后续分析处理，提高SAR图像变化检测精度。

背景技术

SAR图像变化检测是从不同时间获取同一地理区域的多时相遥感影像，定性地分析和确定地表变化过程和特征的技术。由于与光学遥感系统相比，SAR系统具有全天时、全天候获取数据的能力，所以SAR图像变化检测技术正广泛的应用于各个领域，例如环境监控，农业研究，城市区域研究，森林监控等方面。

差异图生成是SAR图像变化检测的重要部分，通过对两幅不同时间在同一地域上的SAR图像进行比较得到差异信息图，以供后续分析产生变化/未变化二值图像，差异信息图精度高低也直接影响变化检测的性能。SAR图像变化检测中，差异图的生成是对经过预处理(包括图像配准和辐射校正)的SAR图像进行算术运算，主要经过差值运算，比值运算，对数比值运算得到初步的差异信息图，通过对信息图进行图像分割就可以得到最终的二值图像。

非局部均值思想常用于图像去噪，是对双边滤波的一个推广，图像中往往包含有许多冗余信息，充分利用这些冗余信息为去除图像噪声服务，这是非局部平均滤波模型的主要思想。冗余信息即是指图像中部分区域灰度的相似程度，根据相似度来进行平滑去噪是非局部均值图像去噪的一个优点。非局部均值(NL-means)模型的主要特点是：该方法不是用图像中单个像素的灰度值进行比较，而是对该像素周围的整个灰度的分布状况进行比较，根据灰度分布的相似性来贡献权值。

SAR图像变化检测中对经过配准和辐射校正的SAR图像进行比较生成差异图是至关重要且必不可少的一步，差异图的质量直接决定后续分析处理的精确度，进而影响到整个SAR图像变化检测系统的性能。

在现有的最为常用的SAR图像变化检测差异图生成方法中，对数比值法对变化区域不敏感，漏检率较高，均值比值法易将未变区域归于变化区域，误检率较高，都直接导致检测总错误数较大。而差异图像的生成至关重要，如果差异图中本来含有较多的噪声成分，对后续的分析正确率有直接影响，进而决定整个变化检测系统的正确率。

发明内容

本发明的目的在于：针对现有的差异图生成方法产生的差异图质量不高，信息丢失较多的问题，提出了基于非局部均值生成差异图方法，针对SAR图像变化检测的特点，以像素平滑指数作权重将非局部均值引入差异图生成过程，对初步差异图进行修正，提高检测精度，生成了包含有效信息更多的差异图，与其它现有的方法相比能够产生更便于后续处理的差异图像。一句话，本发明要解决的技术问题就是提高差异图精度和质量，使生成的SAR差异信息图更能体现变化区域的信息。

本发明的技术方案是：基于非局部均值SAR图像变化检测差异图生成具体实现步骤包括有：

步骤1通过星载合成孔径雷达获取两幅不同时间相同地域的SAR图像，将获取的两幅SAR图像，输入到安装有矩阵实验室和Visual C++6.0软件的计算机中，利用相关软件处理，相关软件包括矩阵实验室和Visual C++6.0软件和计算机配置的软件工具，处理包括：滤波去噪，辐射校正与几何配准的预处理，得到SAR图像I₁和图像I₂。

步骤2采用Matlab或C++中其中之一编程，或使用Matlab和C++混合编程实现对两幅SAR图像I₁和图像I₂构造比值差异图采用Matlab或C++中其中之一单独编程，或者采用Matlab和C++混合编程均可实现构造比值差异图。

步骤3遍历比值差异图像D_R的每个像素，计算差异图像上每个像素点的平滑指数矩阵其中，μ(x)为以像素点为中心的邻域内的像素值均值，σ(x)为以像素点为中心的邻域内像素值方差。平滑指数矩阵在计算中为平滑指数矩阵形式，平滑指数矩阵是图形中每个像素点平滑指数的集合。