（电路与系统专业论文）基于局部信息统计的sar图像变化检测.pdf

摘要 摘要 合成孔径雷达( s y n t h e t i ca p e r t u r er a d a r , s a r ) 图像变化检测是指通过分析在 不同时间同一地区的两幅s a r 图像，检测出该地区的地物的变化信息。s a r 图像 变化检测已经应用于很多方面，如开展森林资源调查、土地利用覆盖动态监测研 究、环境灾害评估、城市规划及布局等。 本论文针对两时相的s a r 图像变化检测进行了研究。主要成果包括以下三个 方面： ( 1 ) 提出了基于邻域相似性及图像增强的s a r 图像变化检测方法。首先利用 邻域相似性算子构造差异影像图，再利用图像增强对差异影像图进行滤波处理， 所得新的差异影像图保留了差异影像图细节信息，并且有效的抑制了斑点噪声。 实验结果表明本方法可以有效的集中和提取出变化信息，提高了变化检测的精度。 ( 2 ) 针对现有的多时相s a r 图像变化检测方法易受噪声影响和图像配准误差 影响的问题，提出了一种基于空间贴近度和像素相似性的s a r 图像变化检测方法。 空间贴近度主要是用来对s a r 图像斑点噪声的去除，而像素相似性是增强变化类 和非变化类的区分度。该方法有效的平衡了图像斑点噪声的去除和细节的保留。 与传统的比值方法、对数比值方法和均值比值方法进行实验对比，实验结果表明， 该方法明显优于传统方法，且产生了更好的变化检测结果。 ( 3 ) 提出了一种基于双边相似性及拉普拉斯金字塔变换的s a r 图像变化检测 方法，首先利用双边相似性构造的两幅具有不同特征的差异影像图，再利用拉普 拉斯金字塔分解方法对两幅差异影像图分别进行多分辨率分解，然后采用不同的 融合准则对分解后的各层图像进行融合，对融合金字塔做拉普拉斯金字塔反变换 得到最后的融合图像，得到新的差异影像图；最后利用阈值方法将得到的融合差 异影像图分为变化类和非变化类，获得变化检测结果。 本论文工作得到国家自然科学基金( 批准号：6 0 7 0 3 1 0 7 ) 、国家8 6 3 项目( 批准 号：2 0 0 9 a a l 2 2 2 1 0 ) 、教育部新世纪优秀人才支持计划( 批准号：n c e t - 0 8 0 8 11 ) 、 陕西省青年科技新星支持计划( 批准号：2 0 1 0 k j x x 0 3 ) 和中央高校基本科研业务费 重点项目( 批准号：k 5 0 5 1 0 0 2 0 0 0 1 ) 资助。 关键字：变化检测图像增强双边相似性拉普拉斯金字塔变换 i l摘要 a b s t r a c t i i i a b s t r a c t c h a n g ed e t e c t i o ni ns a ri m a g ei sap r o c e s st h a ta n a l y z e si m a g e so ft h es a m e s c e n et a k e na td i f f e r e n tt i m e si no r d e rt oi d e n t i f yc h a n g e st h a tm a yh a v eo c c u r r e d b e t w e e nt h ec o n s i d e r e da c q u i s i t i o nd a t e s s a ri m a g ec h a n g ed e t e c t i o nt e c h n i q u e sh a v e b e e nu s e ds u c c e s s f u l l yi nm a n ya p p l i c a t i o n s ，s u c ha si n v e s t i g a t i o no ff o r e s tr e s o u r c e s ， s t u d i e so nl a n du s e l a n dc o v e rd y n a m i cd e t e c t i o n ，a s s e s s m e n to fe n v i r o n m e n td i s a s t e r , a r r a n g e m e n to f u r b a ng r o w t h ，a n dm o n i g o r i n go f n a t i o n a ld e f e n s e ，e t c i nt h i sp a p e r , w ef o c u so nt h ei s s u e sr e l a t e dt oh o wt oe x t r a c tc h a n g ei n f o r m a t i o n e f f e c t i v e l yf r o ms a ri m a g e s t h em a j o rw o r k sc a nb es u m m a r i z i e da sf o l l o w s ： ( 1 ) an o v e lm e t h o do fc h a n g ed e t e c t i o nb a s e do nn e i g h b o r h o o ds i m i l a r i t ya n d i m a g ee n h a n c e m e n t i sp r o p o s e d t h en e i g h b o r h o o ds i m i l a r i t yo p e r a t o ri su s e dt og e tt h e d i f f e r e n ci m a g e ，t h e n ，t h ed i f f e r e n c ei m a g ei sp r o c e s s e db yi m a g ee n h a n c e m e n t ，w h i c h c a nr e t a i nt h ed e t a i l sa n dr e d u c et h es p e c k l en o i s eo ft h e d i f f e r e n c ei m a g e e x p e r i m e n t a l r e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o dc a ne f f e c t i v e l yc o n c e n t r a t ea n de x t r a c tc h a n g e i n f o r m a t i o n ，w h i c hw i l li m p r o v et h ea c c u r a c yo fc h a n g ed e t e c t i o n ( 2 ) i no r d e rt oa d d r e s st h ee f f e c t i o no fs p e c k l en o i s ea n dr e g i s t r a t i o ne r r o r s ，t h i s p a p e rp r e s e n t san o v e la p p r o a c hb yc o m b i n i n gg r a yl e v e l sb a s e do nb o t ht h e i rs p a t i a l c l o s e n e s sa n dt h e i rp h o t o m e t r i cs i m i l a r i t y t h es p a t i a lc l o s e n e s sa i m sa tr e d u c i n gt h e s p e c k l en o i s ei ns a ri m a g e sa n dt h ep h o t o m e t r i cs i m i l a r i t ym a x i m i z et h es e p a r a b i l i t y b e t w e e nc h a n g e da n du n c h a n g e dc l a s s e s t h ep r o p o s e da p p r o a c hi sc h a r a c t e r i z e db ya d i f f e r e n tt r a d e o f fb e t w e e ns p e c k l er e d u c t i o na n dp r e s e r v a t i o no fg e o m e t r i c a ld e t a i l s c o m p a r e dw i t ht h et r a d i t i o n a lr a t i oo p e r a t o r , l o g r a t i oo p e r a t o ra n dm e a n 。r a t i oo p e r a t o r , t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ep r o p o s e da p p r o a c hi ss u p e r i o rt ot h et r a d i t i o n a l m e t h o d s ，a n dp r o d u c eb e t t e rd e t e c t i o nr e s u l t s ( 3 ) a n o t h e rn o v e lm e t h o do fc h a n g ed e t e c t i o nb a s e do nb i l a t e r a ls i m i l a r i t ya n d l a p l a c et r a n s f o r mi sp r o p o s e d f i r s t ，t h eu s eo fb i l a t e r a ls i m i l a r i t y c o n s t r u c t st w o d i f f e r e n ti m a g e sw i t hd i f f e r e n tc h a r a c t e r i s t i c s s e c o n d ，t h i sp a p e ra d o p t sal a p l s c i a n p y r a m i d a ld e c o m p o s i t i o nm e t h o dt oa n a l y z et w od i f f e r e n c ei m a g e s ，a n df u s e t h e d e c o m p o s e di m a g e sw i t ht h em e t h o db a s e dd i f f e r e n tm e t h o d s b yd o i n gt h er e v e r s e d l a p l a c i a np y r a m i d a lt r a n s f o r mi nt h en e x ts t e p ，t h ef i n a ld i f f e r e n ci m a g ei sg o t f a n a l l y , t h r e s h o l d i n g i tb a s e do nt h ek i t t l e r - i l l i n g w o r t h ( r d ) t h r e s h o l ds e l e c t i o nc r i t e r i o n e x p e r i m e n t sc o n f i r mt h ee f f e c t i v e n e s so f t h ep r o p o s e dt e c h n i q u e t h i sp a p e rw a ss u p p o r t e db yt h en a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no fc h i n a i v a b s t r a c t ( n o 6 0 7 0 310 7 ) ，t h en a t i o n a lh i g l lt e c h n o l o g yr e s e a r c ha n dd e v e l o p m e n tp r o g r a m ( 8 6 3p r o g r a m ) o fc h i n a ( n o 2 0 0 9 a a 12 2 210 ) ，t h ep r o g r a mf o rn e wc e n t u r ye x c e l l e n t t a l e n t si n u n i v e r s i t y ( n o n c e t - 0 8 - 0 8 11 ) ，t h ep r o g r a mf o rn e ws c i e n t i f i ca n d t e c h n o l o g i c a ls t a ro fs h a a n x ip r o v i n c e ( n o 2 0 10 k j x x - 0 3 ) a n dt h ef u n d a m e n t a l r e s e a r c hf u n d sf o r t h ec e n t r a lu n i v e r s i t i e s ( n o k 5 0 510 0 2 0 0 0 1 ) k e y w o r d s ：c h a n g e d e t e c t i o n i m a g e e n h a n c e m e n tb i l a t e r a l s i m i l a r i t y l a p l a c i a np y r a m i d a lt r a n s f o r m 第一章绪论 第一章绪论 1 1 研究背景和意义 印度学者a s h b i n d us i n g h 最早提出了变化检测的定义，其定义为“所谓的变 化检测就是根据不同时间的多次观测来确定一个物体的状态变化或确定某现象的 变化的过程 iz 。这是目前学术界公认的关于变化检测的权威定义。 一个完整的变化检测过程包括：( 1 ) 数据预处理，图像的几何配准和辐射校正； ( 2 ) 变化检测，选用合适的变化检测方法，提取和分析变化信息，生成变化分布图 和检测结果图；( 3 ) 精度评估，评价变化检测的结果精度，分为两层：第一，检测 变化是否发生及发生位置的精度，只关心变化与未变化两类；第二，检测变化类 型的精度，需要统计所有具体的变化类型。 合成孔径雷达( s y n t h e t i ca p e r t u r er a d a r ，s a r ) 是现代遥感领域的一项突破性 成就，它使雷达的基本功能发生了重大改变，成为信息获取的一个重要手段。随 着s a r 技术的不断成熟与发展，s a r 系统的分辨力不断提高，以及s a r 系统具 有全天候、全天时、覆盖面积大等优点，使合成孔径雷达图像常被用来进行军事 侦察、打击效果评估以及森林环境监测、灾情估计、城市变迁及农业庄稼生长状 况监测等1 2 - 5 1 。同一地区不同时间的两幅s a r 图像的获得，促使了s a r 图像变化 检测技术提供目标与场景的实时动态信息，同时，也促进了s a r 图像变化检测技 术的研究与发展。 s a r 图像变化检测就是研究同一场景、不同时期的两幅或多幅s a r 图像之间 发生的变化【6 】。s a r 图像以灰度、结构、纹理等形式表示研究区域内的地物特征， 而灰度作为最基本的地物特征，反映了地物的电磁后向散射特性。不同时相的s a r 图像中研究区域内目标的变化导致其后向电磁散射系数发生变化，从而导致s a r 图像中的灰度的变化。图像变化检测主要是检测灰度值和局部纹理的变化。但是， 由于大气条件、传感器精度、照射角、地面湿度等变化的影响，会对图像的真实 变化产生很大影响。因此，s a r 图像变化检测可行的前提是由随机因素引起的变 化与研究区中目标本身的变化引起的灰度值和局部纹理变化是可分的。 目前，变化检测已成为图像处理研究的一个研究重点，被广泛的应用到社会 经济的各个领域，在民用方面，s a r 图像变化检测主要用于资源和环境检测中的 土地利用和土地覆盖变化1 7 - 9 1 、灾害监测和评估 i o - i i i 、水资源质量和地理分布情况 调查1 1 2 】、城市的固话及布局【”】、气候的变化监测【1 4 】等。在军事方面，s a r 图像变 化检测技术主要应用于战场信息动态感知、军事目标和兵力部署监测等【l ”。s a r 图像变化检测技术对解决类似问题提供了一种便捷的途径，具有广阔的应用前景。 2 基于局部信息统计的s a r 图像变化检测 1 2s a r 图像变化检测研究发展现状 s a r 图像变化检测是遥感技术的主要应用之一。通过对不同时间同一场景的 各种图像进行对比分析，根据图像之间的差异来得到人们所需要的地物或目标的 变化信息。变化检测技术可以检测出不同时期图像灰度值或局部纹理之间的变化， 在此基础上获得需要的目标在形状、位置、数量、及其它属性的变化情况。 随着计算机和遥感成像技术的不断发展，s a r 图像变化检测技术也在不断提 高和改进中，在各国学者的努力下提出了以下几种经典的变化检测算法： 图像差值法p , 1 6 】：其主要过程是将两幅不同时间相同地域的s a r 图像对应像 素的灰度值相减得到差异影像图。理论上，在得到的差值图像上，差值为0 或接 近0 的认为是不变区域，不为0 的认为是变化区域。这种方法的优点在于理论相 对简单，容易理解和掌握。但是缺点也比较明显，由于该方法主要通过分析地物 光谱值改变的灰度差值图像来实现变化检测，但在某些情况下，仅仅利用光谱特 征的差值图像难以实现地物的变化检测，易产生“伪变化”信息。该方法只注重 变化像素的提取，并不能提供变化的类别信息。图像差值法广泛用于海岸线环境 变化、森林变化、沙漠化、农作物分析等| 1 7 - 1 8 。 图像比值法1 1 9 】：其主要过程是计算两幅不同时间相同地域的s a r 图像对应像 素灰度值的相除得到差异影像图，其中像素比值为1 或近似于1 的认为是未发生 变化的区域，反之，远大于或远小于1 的认为是发生变化的区域。图像比值法对 于s a r 图像的乘性噪声是不敏感的，因此，图像比值法比图像差值法更为广泛的 应用于变化检测。近年来，一些研究者将图像比值法进行推广，提出了对数比值 法，即在得到对应像素的比值后，再对其取对数( 一般以自然对数为底) 。 分类比较法 2 0 l ：其主要过程是采用相同的分类体系分别对两幅不同时间相同 地域的s a r 图像进行独立的分类，然后比较分类结果，从中提取变化信息。如果 对应像素的分类类别相同，则认为该像素没有发生变化，反之，发生了变化。该 方法虽然可以回避所用多时相遥感图像数据应获取环境条件不同和传感器不同所 带来的辐射归一化问题，并可直接获取变化的类型，数量，位置。但却存在着工 作量很大，精度低的缺陷。 主分量分析法( p r i n c i p a lc o m p a o n e n ta n a l y s i s ，p c a ) 【2 1 ：其主要使用正交变换 ( 有时也成为离散k a r h u n e n l o e v e 变换) 对图像数据进行处理。主分量分析法的 基本思想是对一组相关的多元随机变量，通过构造一系列线性变换，将原随机变 量包含的信息集中到少数几个互不相关的变换分量中，从而达到冗余压缩和信息 集中的目的【2 2 1 。主分量分析应用于两个或更多时期的图像集。当区域没有显著变 化时，图像数据之间的相关性会很高，而当区域发生了显著变化时，图像数据的 相关性就会很小。主成分分析法将众多的信息压缩到数量较少的几个互不相关的 第一章绪论 变换分量中，并使信息损失达到最小，从而大大减少了数据处理过程中的计算量。 另外，可以很好地消除图像内部各通道间的相关性，可以抑制由于图像内部相关 性引起的噪声。由于检测结果中没有地物的分类信息，难以解释它的实际意义。 变化向量分析法( c h a n g ev e c t o ra n a l y s i s ) 【2 3 1 ：其主要原理是使用变化向量来 描述两个时段之间图像变化的方向和大小。通过计算变化向量的大小来检测研究 区域是否发生变化。如果变化向量的幅值超过给定的门限，则判定该像素发生了 变化，相反，则判定像素没有发生变化。变化向量分析法的主要优点是可以利用 较多甚至全部的数据来检测变化像素，并且可以提供变化像素的类型信息。变化 向量分析法广泛应用于森林变化检测和一般土地利用变化。 虽然出现了许多s a r 图像变化检测技术和方法，但是，目前的s a r 图像变化 检测研究仍然处于比较低的水平，还存在很多问题，有待国内外研究者做更深入 的研究。 1 3 变化检测研究中存在的主要问题 尽管出现了许多变化检测技术和方法，并且在很多方面都得到了成功的应用， 但是，变化检测的研究仍然存在着不少的困难和问题，限制了变化检测技术的进 一步发展，主要表现在以下几个方面： ( 1 ) 缺乏理论基础 s a r 图像变化检测目前尚缺乏坚实有力的数学理论和模型支持，变化检测流 程的多数步骤尚需经验指导，比如数据选取和预处理、检测方法选取、检测结果 精度评价等。虽然目前已经出现了很多经典的变化检测方法，但每种方法都是针 对一类或几类问题而提出，没有一种通用的理论或方法。 ( 2 ) 对数据质量的要求严格 目前，大多数变化检测算法对输入图像之间的辐射度差别、几何上是否配准、 噪声、光照等因素的影响比较敏感，对数据预处理的要求较高。而且绝大多数的 变化检测方法对数据的统计分布要求比较严格，检测方法针对符合此类模型的数 据才会检测出比较理想的结果。且在图像预处理中，由于无法获取其拍摄时的一 些参数，使得绝对的辐射校正过程难以实现。辐射校正采用的统计方法在校正过 程容易受到变化区域数据的干扰，不同时相图像中的灰度值很难达到一致，从而 影响了变化检测方法的鲁棒性、有效性。 ( 3 ) 如何有效构建高可分性的差异影像图 在变化检测研究中，差异影像图可分性的高低直接影响着变化检测结果图的 好坏。目前，最常见的变化检测方法主要是分类后比较检测法和直接比较检测法 两类。对于直接比较检测法，高可分性差异影像图的构建至今是变化检测研究中 4基于局部信息统计的s a r 图像变化检测 一个难题。对于分类后比较法而言，主要问题是如何从两时相分割结果中准确地 提取变化信息，其相当于特定区域高可分性差异图的构建，也未得到很好解决。 ( 4 ) 变化检测的自动化程度不高 自动化是变化检测研究的发展方向，但是目前变化检测方法研究中，各种参 数的设置都需要人工干预，对图像统计分布的判定，增加了一些解译人员的主观 因素，从而影响到变化检测方法的效率。因此如何自动的、准确的界定变化区域 是当前变化检测研究中面临的又一个重要问题。 针对上述问题，本文考虑已经过几何校正、几何配准及辐射校正的s a r 图像 变化检测的特点和要求，引入了一些新的数学模型和分析方法，重点解决了变化 区域缺失和变化区域自动提取的变化检测问题。 1 4 本论文的主要内容 本论文以提高s a r 图像变化检测的性能为目的，针对传统的变化检测方法进 行了改进，主要从差异影像图的构造出发，探索有效地s a r 图像变化检测方法， 本文的结构安排如下： 第一章介绍了本论文的研究背景和意义，简述了s a r 图像变化检测的研究发 展现状，指出了变化检测存在的困难和问题，并描述了本论文的研究内容。 第二章首先简单的介绍了s a r 图像变化检测的相关理论，给出了变化检测精 度的评价方法，再进一步对现有变化检测方法进行了分类综述，并讨论了现有主 要的变化检测方法存在的局限性，最后给出了本论文的主要研究内容。 第三章提出了基于邻域相似性及图像增强的s a r 图像变化检测方法。首先介 绍了差异影像图构造方法邻域相似性算子，随后给出了图像增强的原理，然后给 出了该方法的实验结果和分析，最后是本章的小结。 第四章针对现有的多时相s a r 图像变化检测方法易受噪声和图像配准误差影 响的问题，提出了一种基于空间贴近度和像素相似性的s a r 图像变化检测方法。 先阐述了基于空间贴近度和像素相似性原理的双边相似性算子，随后对双边相似 性原理做了简单介绍，再通过实验结果对该方法进行分析，最后是本章总结。 第五章提出了一种基于双边相似性及拉普拉斯金字塔变换的s a r 图像变化检 测方法，其主要是对双边相似性的改进。首先介绍了拉普拉斯金字塔变换图像融 合的原理，随后给出了本章算法的详细流程，然后给出了该方法的实验结果和分 析，最后为本章总结。 第六章总结了本论文的工作，并指出了进一步的研究方向。 第二章s a r 图像变化检测方法 第二章s a r 图像变化检测方法 本章主要讨论了s a r 图像变化检测方法，并给出了变化检测精度的评价方法， 然后，对常见的变化检测算法进行了归类讨论。最后，对现有变化检测方法中存 在的问题进行了讨论。 2 1s a r 图像变化检测的相关基础 2 1 1 变化检测的一般流程 s a r 图像变化检测处理的过程主要包括图像源的获取、几何校正、辐射校正、 图像增强( 相干斑抑制) 、图像特征选取、变化检测算法应用等f 2 4 】。对于两个时相 s a r 图像的变化检测的流程如图2 1 所示。 图2 1 变化检测框架图 s a r 图像的获取：对数据进行分析，获取s a r 图像的相关信息，包括s a r 系统参数( 分辨力、波段、波长、极化方式、像素间距) 、数据场景的位置和方向、 数据类型、数据的量化方式和精度、数据存储的格式和数据获取的时间。 几何校正：在卫星遥感成像过程中，由于受载体位置、运动状态变化、地球 表面曲率、大气折射、地面起伏、地球旋转等因素的影响，s a r 图像必然会产生 一定的几何畸变。因此，在对s a r 图像进行变化检测前，必须进行几何校正，也 6 基于局部信息统计的s a r 图像变化检测 是从图像中提取有用信息的先决条件。 辐射校正：由于受传感器差异、大气条件等的影响，对辐射值都会有不同程 度的影响，在利用s a r 图像进行变化检测时，必须对s a r 图像进行辐射校正，使 得两幅s a r 图像的未变化部分的灰度值大致相同1 2 5 。辐射校正分为绝对辐射定标 和相对辐射定标。绝对辐射校正需要确定大气条件和传感器角度等参数，由于相 关参数的获取比较困难，处理过程也比较复杂，因此，不易实现。而相对辐射校 正，以- n 图像为基准，把其它数据序列集图像映射投影变换到基准亮度空间， 比较容易实现。在变化检测中，大都应用相对辐射校正。 图像增强：对s a r 图像进行图像增强处理可以抑制相干斑噪声对图像的影响， 并可以突出图像的有用信息。图像增强的方法主要有对比度扩展、空间滤波、图 像运算。由于空间滤波既可以滤除s a r 图像中的斑点噪声，又能突出边缘和纹理 信息，因此，空间滤波是s a r 图像增强的主要手段。常采用的空间滤波方法有l e e 滤波、增强l e e 滤波、k u a n 滤波以及f r o s t 滤波等。 变化检测：检测出两时相s a r 图像之间发生变化的区域。根据具体应用，对 检测结果进行分析。 2 1 2 变化检测的精度评估 评价某种变化检测方法性能的客观依据是对变化检测结果进行确切而有效的 量化分析。目前，变化检测的性能评估包括地物结构的变化和地物类别的变化， 而主要集中在地物结构变化的分析上。针对地物结构变化的性能评估中的主要是 在像素级的评估上。 在像素级的性能评估中，对于具有参考图的实验数据，可以估算一下评价指 标进行变化检测结果精度分析 2 6 - 2 s 1 ： ( 1 ) 漏检像素数( 剧) ：统计实验结果图中发生变化区域的像素个数，与参考图 中变化区域的像素个数进行对比，把参考图中发生变化但实验结果图中检测为未 变化的像素个数，称为漏检像素数f n ； ( 2 ) 误检像素数( 即) ：统计实验结果图中未发生变化区域的像素个数，与参考 图中未变化区域的像素个数进行对比，把参考图中未发生变化但实验结果图中检 测为变化的像素个数，称为误检像素数f p ； ( 3 ) 总检测错误数( o e ) ：等于漏检像素数和误检像素数的和； ( 4 ) 正确检测率( p c c ) ：正确测得的目标数即等于参考图中发生变化且实验结 果图中检测为变化的像素数开与参考图中未发生变化且实验结果图中检测为未变 化的像素数t n 与图像的总像素个数之比，如下式所示： p c c = ( ( 卯+ 刀v ) ( t p + f p + t n + f ) ) 第二章s a r 图像变化检测方法 7 尽管通过量化性能比较可以客观地反映出不同变化检测方法的性能，然而， 这种量化方法是在具有地物变化参考图的基础上进行的，而在实际情况中，由于 实际野外勘测的地理条件、数据采样采集等的限制，往往无法实际获取。因此， 评价一种变化检测方法很多时候是通过主观视觉比较分析的方式实现的。 2 2s a r 图像变化检测的基本方法 2 2 1 基于简单算术运算的变化检测方法 简单算术运算的变化检测方法包括：图像差值法、图像比值法、图像对数比 值法、图像均值比值法、图像回归法、变化向量分析法和内积分析法等方法 2 9 - 3 1 】。 ( 1 ) 图像差值法 图像差值法是将两幅不同时间相同地域的s a r 图像对应像素的灰度值相减得 到差异影像图。然后对差异影像图进行分析、判断、提取变化信息。理论上，在 得到的差值图像上，差值为0 或接近0 的认为是不变区域，不为0 的认为是变化 区域。这种方法的优点在于理论相对简单，容易理解和掌握。但是缺点也比较明 显，由于该方法主要通过分析地物光谱值改变的灰度差值图像来实现变化检测， 但在某些情况下，仅仅利用光谱特征的差值图像难以实现地物的变化检测，易产 生“伪变化”信息。该方法只注重变化像素的提取，并不能提供变化的类别信息。 设图像x ，和x ，为同一区域、不同时段的两幅s a r 图像。其中图像的大小是 ，x d ，s a r 图像x i = x j ( f ，a1 i l ，l j j ) 和x 2 = x 2 ( f ，) ，1 i l ，1 j j ) ，则图 像差值可以表示为： d l ( i ，- ，) = | x i ( f ，- ，) 一x 2 ( f ，) i( 2 1 ) ( 2 ) 图像比值法图像对数比值法 图像比值法是计算两幅不同时间相同地域的s a r 图像对应像素灰度值的相除 得到差异影像图，其中像素比值为1 或近似于1 的认为是未发生变化的区域，反 之，远大于或远小于1 的认为是发生变化的区域。图像比值法对于s a r 图像的乘 性噪声是不敏感的，因此，图像比值法比图像差值法更为广泛的应用于变化检测。 设图像x ，和五为同一区域、不同时段的两幅s a r 图像。其中图像的大小是 ixj ，s a r 图像x i = 五瓴) ，1 i l ，l j j ) 和x 2 = 五( f ，nl i l ，1 j j ) ，则图 像比值可以表示为： e d ( i ，) ：警黑 ( 2 2 ) 2 l l ，_ ，j 近年来，在s a r 图像变化检测中，一些研究者将图像比值法进行推广，提出 了对数比值法( 在得到对应像素的比值后，再对其取对数) ，可以先将s a r 图像 8 基于局部信息统计的s a r 图像变化检测 中乘性噪声转化成加性噪声，便于对s a r 图像进行有效地去噪。因此该方法在s a r 图像的变化检测中得到了广泛的应用【3 2 】。图像对数比值可以表示为： 三r l ( i , 舻l o g 端= l o g x j ( i , 护1 0 9 删) ( 2 - 3 ) ( 3 ) 图像均值比值法 在图像比值法的基础上，图像均值比值法在对应像素灰度值相除之前加入了 邻域信息，使得差异影像图比较接近于实际情况，而且也减少了斑点噪声的影响。 所得到的图像均值比值法的公式如下： 五( f ，妒 m y a ( i ，j ) - 等等一 ( 2 4 ) 置( f ，_ ，) 其中分别为横轴和纵轴的邻域大小。 ( 4 ) 图像回归法 图像回归法【3 3 1 是假设一个图像的像素值是另一个时间对应像素值得一个线性 函数，设图像鼍与置，分别表示同一场景在r 1 与，2 时段获取的s a r 图像，则图像 回归法的公式可以表示如下： x ，j ( t 2 ) = 七而( f 1 ) + b ( 2 5 ) d = x f ( f 2 ) 一z u ( t 2 ) ( 2 - 6 ) 其中f ，表示像素坐标，七，b 表示常数，通过最小均方方法估计得到七，b 后， 然后根据毛( ，1 ) 来预测x , j ( 岛) ，最后通过门限来检测变化像素点。 2 2 2 基于图像变换的变化检测方法 基于图像变换的变化检测方法主要包括主分量分析法( p c a ：p r i n c e p a l c o m p o n e n t sa n a l y s i s ) 、相关系数法、变化向量分析法和内积分析法等。 ( 1 ) 主分量分析法 主分量分析法是利用了k l ( k a r h u n e n - l o e v e ) 主成分变换，因此，也称为离散 k l 变换，该方法主要是用主分量变换将原始图像中的每个像素通过它的原始向量 和特征向量的向量乘积进行变换，得到新空间的坐标，如果多时相图像数据中的 变化的主要部分相关联，那么经过主分量变换后，变化部分将在更高主分量中得 到加强。虽然，主分量分析法可以消除不同时相的图像间的相关性影响，还可以 将大部分信息集中在前面的少数几个分量，但是，这样也容易丢失图像上的细节 信息【3 4 1 。 第二章s a r 图像变化检测方法 9 ( 2 ) 相关系数法 相关系数法是通过计算多时相图像中对应像素灰度的相关系数来确定两时相 图像对应像素的相关性。如果相关系数的值越接近于1 ，则说明对应像素点的相关 性越高，该像素属于未变化类的可能性越大，反之，属于变化类的可能性越大。 设图像置与墨分别表示同一场景在f l 与如时段获取的s a r 图像，则相关系数法 的公式可以表示如下： 耽= ( x v ( t , ) - x ( t i ) x x v ( t 2 ) 。一x ( 乞) ) j = 0j ；0 ( 2 7 ) 其中，分别为横轴和纵轴的邻域大小。z ( f 1 ) ，x ( t ：) 相应邻域内像素灰度值 的平均值。 ( 3 ) 变化向量分析法 变化向量分析法可以检测出所有包含在不同时段多通道数据中的变化信息， 对不同传感器的数据都有很好的应用效果。变化向量分析法是一种多变量的方法， 它将不同时段的多通道图像作为输入数据，对每个图像的这些通道构成多维空间 的坐标轴。未发生变化的不同时相的数据处于度量空间中相同的点位，而发生变 化的不同时相的数据处于度量空间中不同的点位，每个像素的变化可以由其变化 方向和变化强度来描述。 ( 4 ) 内积分析法 内积分析法是将像素灰度值看作多通道的向量，两个向量之间的区别通过两 个向量间夹角的余弦来表示，如果两个向量彼此一致，则内积为l ；如果两个不同 时期的对应像素发生了变化，内积就在1 和1 之间变动，这样就根据内积的不同 值来体现图像的变化。设图像置与k 分别表示同一场景在f l 与f ：时段获取的s a r 图像，则内积分析法的公式可以表示如下： 6 ( x ( f 1 ) ，x ( t ：) ) = 砒九x ( 乞) 。 ( 2 - 8 ) 上z l 表面反射值的差异可以表示为： d ：下鱼丝丝些( 2 9 ) ( x ( f 1 ) ，工( ，1 ) ) ( 工( ，2 ) ，x ( 乞) ) 、7 由于有一l d i ，内积可以用下式表示： c = a i d + a o( 2 - 1 0 ) 其中口l ，q o 为两个常数，使得内积能够取得合适的非负值 l o基于局部信息统计的s a r 图像变化检测 2 2 - 3 基于图像分类的变化检测方法 应用图像分类实现多时相图像的变化检测主要有分类后比较法 ( p o s t c l a s s i f i c a t i o n ) 和多时相图像同时分类两种方法。 ( 1 ) 分类后比较法 分类后比较法是一种很直观的变化检测方法，要求对每一个图像单独进行分 类，然后对多时相图像的分类结果图像进行比较，检测出感兴趣的地物变化信息， 而且可以提供变化信息类型1 3 扣3 6 1 。如果对应像素的类别标签相同，则认为该像素 没有发生变化，否则认为该像素发生了变化。分类后的图像可以用人工视觉比较 或计算机比较。由于不同时相是独自进行分类的，因而可以消除大气、传感器、 季节和地面环境等因素对不同时相图像的影响。最小化地减少非地物变化因素的 影响，能够提供变化的类别信息。由于这种方法的变化检测结果的精度取决于分 类结果精度，从而会导致变化检测误检进行叠加。因此，分类后比较法的检测结 果的精度不高p 7 i 。 ( 2 ) 多时相同时分类法 多时相图像同时分类法是把不同时相的图像看作同一时相不同波段的图像， 用分类的方法检测出发生了变化的类别【3 8 】。这种方法的理论上比较简单，但在实 际应用中往往由于起分类的图像数目多而变得复杂。多时相同时分类法只能区 分变化与为变化，不能给出变化类型信息。另外，不同时相的图像最好来源于同 一传感器，因为不同传感器对同一地物的光谱响应不同，这在分类中很容易被分 为不同的类而认为发生了变化。多时相同时分类法用于检测海岸区域或森林区域 变化会产生比较好的效果。 2 2 4 基于图像融合的变化检测方法 、 图像融合是近年来的热点研究领域，它主要通过对同一场景的多幅源图像信 息进行有机结合，从而得到蕴含更多有价值信息的新图像的过程。基于融合思想 的变化检测方法通过将各种基本变化检测方法的优势融合为一体，提高变化检测 的精度，如m e l g a n i 等f 3 9 1 于2 0 0 6 年对直接差值图用五种不同的阈值分别分割，然 后用模型对五种不同的分割结果进行融合，取得了优于五种闽值法的结果。b o v o l o 和b r u z z o n e l 删提出了一种效果比较理想的变化检测方法“基于多尺度融合的s a r 图像变化检测方法。m o s e r 和s e r p i c t 4 1 】于2 0 0 9 年对多波段s a r 图像的各波段的 纹理信息分别建模，然后利用m a r k o v 模型进行融合，实现了多波段s a r 图像的 变化检测，取得了较好的结果。该类方法的核心在于融合对象的选取和融合规则 的制定。现有的基于融合的变化检测方法主要在于多尺度的融合、多阈值结果的 融合和多波段信息的融合。在差异影像图的构建过程中，将不同变化检测方法进 第二章s a r 图像变化检测方法 行融合的研究较少。 2 2 5 基于结构特征分析的变化检测方法 基于结构特征分析的变化检测方法是指运用不同算法从初始图像中提取特征 信息( 如边缘、形状、轮廓、纹理等) ，然后对这些特征信息进行综合分析检测， 最后得到结果图。其框架图如图2 2 。 图2 2 特征级变化检测 特征的提取与分析比较是该类算法的难点1 4 2 1 。该类方法需要对图像进行基元 特征提取，利用所得到的边缘、形状或纹理等基元特征进行检测，所以检测的性 能在很大程度上依赖于基元特征提取算法。然而，不论是边缘、形状或纹理特征 提取，到目前为止都还处于不断探索和研究之中，基元特征提取并没有得到很好 地解决。因此，在实际应用中，基于结构特征的变化检测的方法受到了一定限制。 变化检测的各种方法之间并不是严格区分的，各有优缺点，且每种方法都有 自己的适用范围。目前，虽然有部分研究者对各种变化检测的性能进行比较，但 是，现存的绝大多数变化检测算法是针对某个具体的研究地域，使得其结论缺乏 可推广性。因此，在实际应用中，究竞选择那种方法根据具体情况而定，主要看 应用的环境和用户的具体需要，这也是进行变化检测时需要注意的方面。 2 3 现有变化检测方法存在的问题 尽管出现了许多变化检测方法，并且在差异影像图的构建和阈值的自动选取 方面都得到了很好的效果，但是目前的变化检测研究仍然存在以下几个方面的问 题： ( 1 ) 在直接比较像素检测法中，最常用的是基于图像算术运算的变化检测方法 ( 如图像差值法或图像比值法) 进行差异影像图的构造。图像算术运算法虽然简 单，但是该方法存在以下缺点： 1 2 基于局部信息统计的s a r 图像变化检测 a ) 对图像间的配准误差、噪声等因素的影响比较敏感。 b ) 由于受到天气环境、地理条件、传感器等条件的影响，形成的多时相图像 受到不同的噪声影响。这样极大的限制了简单算术运算的应用范围。 c ) 不同噪声在原始图像中的影响，导致简单算术运算法形成的差异影像图中 具有大量的斑点噪声。极大的影响了变化检测结果。 d ) 对算术运算得到的差异影像图，其变化类和非变化类的分布完全不符合阈 值算法所假设的分布类型，因此，计算得到的阈值与实际所需阈值存在很大的偏 差。 ( 2 ) 传统的方法在利用分割方法提取变化区域时，很少顾及到相邻像素之间的 相互依赖关系，对单个像素鉴别变化或未变化的过程是相互独立的，没有充分考 虑周围邻近像素对中心像素的影响。 针对以上问题，本论文展开了一些研究，重点解决了多时相差异影像图的有 效构造和变化信息的提取。 2 4 本章小结 本章首先介绍了变化检测的相关理论，描述了s a r 图像变化检测的一般流程 和变化检测的精度评估，然后对现有变化检测方法进行了分类介绍，并指出了现 有变化检测方法存在的一些问题。最后给出了本论文主要研究内容及其出发点。 第三章基于邻域相似性及图像增强的s a r 图像变化检测 1 3 第三章基于邻域相似性及图像增强的s a r 图