基于双噪声相似性模型的SAR图像变化检测

摘要

图像的冗余性是图像处理中最基本的性质之一。在图像处理的很多领域，如图像压缩、修复、分类、检测等应用中，如何有效利用图像的冗余性都是其中的关键问题。为了能有效的利用图像的冗余性，首先需要寻找到足够多的相似点或相似块。因此，如何准确的度量图像的相似性是一个极为重要也非常有意义的课题。本论文即是从图像的相似性度量入手，针对当前噪声块相似性度量中误差较大的问题，在贝叶斯框架下，重点研究了基于统计的双噪声相似性度量模型及其在SAR/PolSAR的降斑和多时相变化检测中的应用，取得了如下的研究成果:
　　(1)提出了一种噪声相似性(noise similarity，NS)的概念，用于改进噪声块的相似性度量，并将其应用于非局部均值（nonlocal means，NLM）滤波器中。噪声相似性的概念表明噪声块之间的相似性不止和信号有关，与其噪声也有关系。基于噪声相似性的概念，本文提出了一种双噪声相似性（double noise similarity，DNS）模型。该模型将图像去噪的问题转化成了两种噪声的抑制问题:一种是外加的加性噪声;另一种是估计误差，即估计值与其真实值之间的误差。前一种对应于去噪问题中的噪声抑制，而后一种则对应于图像细节的恢复。为了验证DNS模型的有效性，本文给出了一种迭代的NLM滤波器，在最大后验概率(maximuma posterior，MAP)框架下这两种相似性协同工作。实验表明，本文提出的基于DNS的NLM去噪结果要明显优于其它同类算法的去噪结果。
　　(2)将加性的DNS模型推广到乘性斑点噪声情形中，提出了一种针对于SAR图像的SAR-DNS模型。和加性高斯噪声不同，SAR图像中的乘性斑点噪声是非常复杂的。为了说明这种SAR-DNS模型的有效性，其被用于了SAR图像降斑中。在SAR-DNS滤波器中，斑点噪声的相似性和估计误差的相似性在MAP框架下协同工作达到平衡，使其在斑点抑制的同时也能较好的保持细节。本文还讨论了两种“噪声相似”在SAR图像降斑中的作用，并和相关的滤波算法做了比较。实验结果表明，本文提出的基于SAR-DNS滤波器在SAR图像降斑上的性能比其它同类算法更好。
　　(3)提出了一种基于块相似性度量的SAR变化检测算法SAR-PCD。由于SAR图像中相干斑噪声的干扰，因此降斑过程对于变化检测是非常重要的。但是，在滤波后的图像中依然会有分布不均匀的残留噪声。除此之外，包含有降斑步骤的变化检测结果往往不能通过恒虚警率(constant false alarm rate，CFAR)来调节，而不包含降斑步骤的变化检测算法在强噪声情形下效果又很差。为了克服上述缺点，本文提出了一种改进的SAR图像变化检测框架。这种新框架的主要创新点包括:1）在SAR变化检测中加入了降斑步骤，使得该算法在强噪声情况下也很鲁棒;2)提出了一种新的等效视数(equivalent number of looks，ENL)估计算法，用于估计SAR图像降斑后的ENL;3）所提出的基于降斑图像的变化检测结果可以根据不同的CFAR调节。在合成数据和真实数据上的实验都证明了本文提出的SAR-PCD算法的有效性。
　　(4)相比于单极化的SAR数据，全极化的SAR包含的信息更加丰富，应用更为广泛。在本文中，DNS模型被进一步的推广应用于了多极化SAR的环境下中，提出了一种适用于极化SAR环境的PolSAR-DNS相似性，并将其应用于降斑和变化检测中。其中，PolSAR-DNS相似性中的噪声相似性主要用于斑点抑制，而误差相似性主要用于保持细节。最后，在极化SAR降斑和变化检测上的实验都表明，本文提出的PolSAR-DNS相似性比同类型的相似性的结果更好。
　　(5)提出了一种新的基于多层判别式Fisher自编码器(stacked Fisher autoen-coder，SFAE)的SAR变化检测算法。在SFAE框架中，网络的训练包括无监督的逐层特征训练和有监督的微调。这种训练好的网络可以用于单极化/多极化SAR数据集中的无监督实时变化检测。SFAE框架的创新点主要包括两个方面:一是将栈式自编码器推广至乘性斑点噪声环境下的SAR变化检测中。另一个创新点是，通过引入Fisher判别项，确保SFAE网络提取到的特征是有利于分类的。在合成数据和真实数据集上实验都表明SFAE算法在多时相的单极化/多极化SAR变化检测上有很明显的优势。具体来说就是，所提出的SFAE算法能在检测准确度上远高于其它实时的检测算法，而在计算复杂度上又远低于其它的非实时算法。

目录

声明

摘要

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1．1 研究背景与意义

1．1．1 合成孔径雷达(SAR)的发展

1．1．2 SAR图像及其相干斑噪声特性

1．1．3 图像相似性度量的研究意义

1．2 研究现状及问题

1．2．1 图像去噪的研究现状

1．2．2 SAR变化检测算法的研究现状

1．2．3 SAR图像处理面临的挑战及解决路线

1．3 本论文的贡献及组织结构

第二章 基于统计建模的双噪声相似性度量模型

2．1 引言

2．2 存在的问题及研究动机

2．3 噪声相似性

2．3．1 噪声相似性的定义

2．3．2 噪声相似性在图像去噪中的作用

2．4 双噪声相似性度量模型

2．4．1 DNS模型

2．4．2 两种噪声先验的建模

2．4．3 DNS模型在去噪中的作用分析

2．5 对比实验结果分析

2．5．1 去噪效果的定量评价

2．5．2 去噪效果的主观评价

2．6 结论

第三章 基于双噪声相似性度量模型的SAR图像降斑

3．1 引言

3．2 DNS模型回顾

3．3 SAR-DNS框架

3．3．1 SAR的斑点噪声模型

3．3．2 SAR-DNS模型

3．3．3 基于SAR-DNS的非局部均值滤波器

3．4 对比实验及结果分析

3．4．1 合成数据实验分析

3．4．2 真实SAR图像实验分析

3．5 结论

第四章 基于块相似性度量模型的SAR图像变化检测

4．1 引言

4．2 变化检测框架及研究动机

4．2．1 从SAR图像比值分布到变化检测

4．2．2 待解决的问题及研究动机

4．3 基于相似性度量的CFAR变化检测

4．3．1 降斑

4．3．2 估计等效视数

4．3．3 阈值与虚警概率

4．4 实验结果分析

4．4．1 评价指标

4．4．2 在合成SAR图像上的实验结果分析

4．4．3 在真实SAR图像上的实验结果分析

4．5 结论

第五章 基于双噪声相似性度量和极化机理的PolSAR变化检测

5．1 引言

5．2 PolSAR-DNS框架

5．2．1 PolSAR数据的统计分布模型

5．2．2 从DNS到PolSAR-DNS

5．3 基于PolSAR-DNS的极化SAR降斑

5．3．1 PolSAR-DNS非局部均值滤波器

5．3．2 基于PolSAR-DNS的极化SAR降斑实验分析

5．4 基于PolSAR-DNS的极化SAR变化检测

5．4．1 PolSAR-DNS变化检测算法

5．4．2 基于PolSAR-DNS的极化SAR变化检测实验分析

5．5 结论

第六章 基于多层判别式Fisher自编码器的SAR图像变化检测

6．1 引言

6．2 SAR斑点噪声的统计模型与研究动机

6．3 基于栈式自编码器的SAR变化检测

6．3．1 栈式自编码器

6．3．2 基于栈式自编码器的SAR变化检测

6．4 实验与结果分析

6．4．1 参数设置

6．4．2 单极化SAR图像的实验分析

6．4．3 PolSAR数据的实验分析

6．5 结论

第七章 总结与展望

7．1 论文工作总结

7．2 未来研究展望

参考文献

致谢

作者简介