基于方向信息测度的SAR图像目标变化检测方法

摘要

本发明公开了一种基于方向信息测度的图像目标变化检测方法，主要解决传统方法对含有高强度噪声的目标变化检测抗噪性能差，检测精度低的缺点。其实现过程包括：(1)利用方向测度提取两幅时相的方向信息；(2)由两幅时相的方向信息测度的差值构造差异图；(3)针对差异图，采用模糊C均值聚类方法，得到变化目标的大致轮廓；(4)根据目标的大致轮廓，确定目标的中心点及包含目标信息的区域块；(5)对含有变化目标信息的区域块滤波，相减得到差异区域块，每个块用最大类间阈值的方法提取变化的目标。本发明具有抗噪性强，检测变化目标精确度高的优点，可用于检测多时相SAR图像变化的目标。

说明书

技术领域

本发明属于图像处理技术领域，涉及图像目标变化检测方法，适用于两幅不同时相SAR图像中含有目标变化信息，被噪声严重污染的变化检测。

背景技术

变化检测旨在通过同一地区不同时期的图像间的差异来得到感兴趣的地物变化信息，它是开展森林资源调查、土地利用、覆盖变化研究、环境灾害评估、城市规划和国防军情监控等对地观测应用中的关键技术，具有迫切的需要和广泛的应用前景。合成孔径雷达SAR具有全天候，全天时的特点，是很好的变化检测信息源，研究SAR图像变化检测技术有着非常广阔的应用前景。

变化检测是遥感领域研究的重点和热点问题，许多学者从不同的角度对现有的变化检测方法进行了分类、分析。变化检测方法主要考虑图像对图像的检测，是在像元级水平上发展起来的检测方法。现有的变化检测方法可以归纳为两大类：一类是监督检测法，另一类是非监督检测法。前者是指根据地面真实数据来获取变化区域的训练样区，从而进行变化检测；后者是直接对两个不同时相的数据检测而不需要任何额外的信息。由于地面的真实信息不容易得到，因此非监督的变化检测方法是常用的变化检测方法。非监督检测法通常做法是直接比较同一位置不同时相的像元特征值来检测变化，通常采用数学变换的方式产生不同时相间的差异影像，再对差异影像进行阈值化处理，从中提取变化区域。在现阶段，从数据源的角度还提出了影像和数字线划图、影像和地图、DEM、DOM与影像的变化检测方法。从影像是否配准角度出发，提出了先配准影像再变化检测和变化检测与影像配准同时进行的方法。从算法的角度而言，许多学者提出了多种方法的综合使用，这些方法包括使用人工神经网络、马尔科夫随机场、数学形态学和模糊逻辑等。

尽管各种变化检测方法已经广泛的应用到诸多领域，然而，从整体上来说变化检测仍然存在着不少的困难和问题有待深入的研究和解决。如变化的阈值选择，而且在一些噪声较强的情况下对人工目标检测精确度不高，且大多是半自动和手工的检测方法为主。

发明内容

本发明的目的在于克服上述已有问题的缺点，提出了一种基于方向信息测度的SAR图像目标变化检测方法，以自动实现SAR图像目标检测，并提高目标的检测精度。

实现本发明目的技术方案是先检测两幅时相中的强目标并提取出相应的目标点，再通过两幅图像目标点之间相对位置关系的相似程度来确定图像的变化情况。其具体步骤包括如下：

(1)选取两幅不同时相的SAR图像，时相中包含有目标变化信息，且目标信息受到噪声严重污染；

(2)针对选取的单幅图像，设定窗口的尺度，作为该中心点的邻域，按角度分为0°，45°，90°和135°四个不同的方向，将窗口分成2个相等的区域f₁和f₂，每个方向分成的两个区域为一组；

(3)分别计算每组中两个不同区域像素值的平均值mean(f₁)和mean(f₂)；

(4)计算这两个均值的差值：

diff(θ)＝mean(f₁)_θ-mean(f₂)_θ，θ＝0°，45°，90°，135°

按照4个方向得到4个不同的差值，选取4个中最大值作为该像素点的方向测度为：M＝Max(|diff(θ)|)

且该点的方向为：θ＝arg(Max(|diff(θ)|))；

(5)利用方向测度分别提取两时相的方向信息测度，由两时相的方向信息测度的差值构造差异图；

(6)针对差异图，采用模糊C均值聚类的方法，将差异图分为3类，并将含有目标变化的信息集中在一类，由此类得到变化目标的大致轮廓；

(7)根据目标的大致轮廓，确定目标的中心点及包含目标信息的区域块；

(8)在两幅不同时相SAR图像中，对含有变化目标信息的区域块进行滤波，并将滤波后的两时相区域块相减得到差异区域块，对每个差异区域块用最大类间方差阈值的方法提取其变化的目标。

本发明与现有的技术相比具有以下优点：

1.由于目标的方向信息受噪声影响不大，本发明利用方向信息测度确定包含目标变化信息的区域块，具有较强的抗噪性；

2.本发明采用方向信息测度的变化确定包含变化目标信息的区域块后，对区域块再单独作变化检测，二次变化检测，提高了检测精度；

3.本发明是确定每个包含变化目标的区域块，单独针对每个区域块用阈值方法提取目标，而一般传统方法在得到差异图后，为了得到检测目标，阈值的方法是针对整个图像取阈值，这个阈值是不合适的，相比一般传统方法，提高了检测精确性。

附图说明

图1是本发明的实现流程示意图；

图2是本发明中方向信息测度4个方向图；

图3是本发明中滤波的窗口图；

图4是本发明中试验两幅不同时相遥感图像；

图5是对试验图像提取的方向信息测度图；

图6是试验图像方向测度差异图；

图7是对试验图像方向测度差异图分类后得到的变化目标轮廓图；

图8是在原始两幅图像中确定含有目标变化信息的区域块；

图9是含有目标变化信息的区域块的差异图；

图10是针对每个差异块提取的变化目标；

图11是试验最终的变化检测结果。

具体实施方式

如图1所示，本发明的具体实施过程如下：

步骤1.选取两幅不同时相的SAR图像。

实验图像选取的是机场区域的两幅不同时相的SAR图像，如图4所示，其中图4(a)为第一时相，图4(b)为第二时相，变化信息为飞机目标的变化，不同时相SAR图像中包含有目标变化信息，且目标信息受到噪声严重污染。

步骤2.对选取两幅不同时相的SAR图像分别提取方向信息。

2a)针对选取的单幅图像，设定窗口的尺度，作为该中心点的邻域，按角度分为0°，45°，90°和135°四个不同的方向，如图2所示，其中图2(a)为0°方向窗口，图2(b)为45°方向窗口，图2(c)为90°方向窗口，图2(d)为135°方向窗口，将窗口分成2个相等的区域f₁和f₂，每个方向分成的两个区域为一组；

2b)分别计算每组中两个不同区域像素值的平均值mean(f₁)和mean(f₂)；

2c)计算这两个均值的差值：

diff(θ)＝mean(f₁)_θ-mean(f₂)_θ，θ＝0°，45°，90°，135°

按照4个方向得到4个不同的差值，选取4个中最大值作为该像素点的方向测度为：M＝Max(|diff(θ)|)，且该点的方向为：θ＝arg(Max(|diff(θ)|))，

按照上述方法，分别提取两幅不同时相SAR图像的方向信息，本发明提取方向测度时选用的窗口尺度为13x13，从图5所示，图5(a)为第一时相的方向测度图，图5(b)为第二时相的方向测度图，从图5(a)和5(b)可以看出，尽管原图中含有高强度噪声，但是方向测度几乎不受噪声影响。

步骤3.构造方向测度差异图。

利用上述方向测度对两幅不同时相的SAR图像提取方向信息，得到的方向测度图X₁和X₂，由X₁和X₂方向测度的差值得到方向测度差异图X_d，如图6所示，从图6可以看出，方向测度差异图中明显的只保留变化目标的轮廓信息。

步骤4.确定包含目标信息的区域块。

4a)对方向测度差异图，采用模糊C均值聚类的方法，将方向测度差异图分为确定变化区、不确定变化区和模糊区3类，取确定变化区作为目标的大致轮廓，如图7所示，从图7可以看出，分类后得到二值图显示了变化目标的大致轮廓；

4b)在目标大致轮廓二值图中进行搜索，从搜索到第一个白点开始记录坐标，在搜索到的白点为中心7*7大小的窗口邻域内，如果含有白点就继续搜索，并记录白点的坐标，继续移动窗口，直到以白点为中心7*7大小的窗口邻域内最终搜不到白点，记录此次搜索到的所有白点的坐标，找出此次搜索到的所有白点所有横坐标的最大值X_max和最小值X_min，按公式(X_max+X_min)/2确定中心点的横坐标，中心点的纵坐标亦可通过此方法获得，从此次搜索到的所有白点坐标中找出分别含有最大值和最小值坐标点，最终确定包含此目标的矩形区域块，按此方法，继续搜索，直到确定所有含有目标的区域块，如图8所示，图8(a)为第一时相中包含目标变化信息的区域块图，图8(b)为第二时相中包含目标变化信息的区域块图。

步骤5.构造含有目标变化信息的区域块差异图。

在两幅不同时相SAR图像中，对含有变化目标信息的区域块进行滤波，在本发明中，采用trim-meaning滤波方法，去除高斯噪声和椒盐噪声，滤波过程如图3所示，当前点的像素为f(i，j)，在以该像素为中心点的窗口W(m_t×m_t)内，m_t为窗口的宽度，将窗口内像素按灰度值由小到大排序$C_{i,j}=\{c_1\le c_2\le ...\le c_{m_t^2}\},$

滤波后窗口中心点的值为$c^{\prime }=\frac{1}{(1-2\lambda )m_t^2}\underset{h=\lambda \times m_t^2+1}{\overset{m_t^2(1-\lambda )}{\Sigma }}{c}_h$

其中λ为滤波系数，在本发明中取λ为0.3，窗口大小取5*5，

最后将滤波后的两幅时相区域块相减得到差异区域块，如图9所示，从图9可以看出，每个变化的目标都在一个小的区域块内，因此可以单独对区域块处理，提取变化目标。

步骤6.对每个差异区域块，采用最大类间方差阈值方法提取每个块中的变化目标，如图10所示，从图10可以看出，从每个单独的区域块内精确的检测出变化的飞机目标，在此组实验室中，共检测到5个飞机目标的变化，提取的变化的飞机目标以后，根据每个变化目标在原图中的位置，得到最终的变化检测结果，如图11所示，从图11的结果可以看出本发明比较精确的检测出变化的飞机目标，且结果不受噪声干扰。