基于光谱纹理信息融合的SAR图像特征级变化检测研究

摘要

合成孔径雷达(Synthetic Aperture Radar，SAR)在军用和民用领域都具有重要的作用。SAR图像变化检测是通过定量分析同一地区不同时间得到的SAR图像，来确定地物变化特征和过程的技术。随着SAR成像技术的发展，变化检测已经成为当前SAR图像应用研究的一个重要方向。
　　 本文通过研究和分析传统的变化检测方法存在的问题，着眼于SAR图像多分辨率和信息量大的特点，提出将非下采样Contourlet变换(NonSubsampledContourlet Transfrom，NSCT)和核方法相结合的SAR图像变化检测方法。在时频域里，NSCT具有独特的多尺度分析技术，利用非下采样的金字塔分解和非下采样的方向滤波器组分解进行多尺度细化分析。该方法首先在每个尺度的低通子带构造NSCT域光谱核，同时在每个尺度的高通子带构造NSCT域纹理核，在此基础上通过特征级融合构建NSCT域光谱纹理合成核，然后利用基于差值核的支撑向量分类器(Support Vector Classifier，SVC)获取每个尺度的变化检测图，最后利用尺度间融合得到相干斑噪声显著减少的最终决策级变化检测结果。
　　 本文采用的数据为多组来自不同地区的实测SAR图像数据。采用这些实验数据，通过基于Gabor变换的核方法和本文方法的仿真对比，从实验效果来看，基于NSCT的核方法变化检测比基于Gabor变换的核方法变化检测更精确、更快。该算法是一种快速、稳健与有效的变化检测算法。