[发明专利]基于先验和融合灰度与纹理特征的SAR图像变化检测方法有效
申请号: | 201310241980.X | 申请日: | 2013-06-18 |
公开(公告)号: | CN103353989A | 公开(公告)日: | 2013-10-16 |
发明(设计)人: | 尚荣华;齐丽萍;焦李成;吴建设;王爽;公茂果;李阳阳;马文萍;马晶晶 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 陕西电子工业专利中心 61205 | 代理人: | 王品华;朱红星 |
地址: | 710071*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 先验 融合 灰度 纹理 特征 sar 图像 变化 检测 方法 | ||
技术领域
本发明属于图像处理领域,涉及一种图像变化检测的方法,尤其涉及一种对不同时刻同一地区已配准的SAR图像变化检测的方法,可用于对多时相SAR图像提取与获得地物的变化信息,提高SAR图像变化检测的精确度,从而对地物信息情况进行更精准的监测与评估。
背景技术
随着合成孔径雷达SAR技术的快速发展,其分辨率不断的提高,获取的合成孔径雷达图像具有不受外界天气条件和太阳光照射强度对地物成像的影响等特点,弥补了光学传感器与红外成像的不足,使得SAR图像的应用日益增加,其中SAR图像的变化检测得到了广泛的关注。SAR图像变化检测是对同一地区不同时间的两幅或多幅SAR图像进行比较,分析出图像之间的差异从而得到所需的地物变化信息。它主要应用于自然灾害、城市扩张情况的分析和军事应用等方面。
近年来,人们根据SAR图像成像的特点及其具有的斑点噪声,提出了许多新颖有效的变化检测方法,用于提高SAR图像变化检测的性能,这些方法大致可以分为图像阈值法和图像分类法两大类。从图像分类的角度,经典的图像分类技术有:MRF模型、贝叶斯技术、模糊集理论等,这些理论在变化检测领域通常被使用。其中基于马尔科夫随机场MRF模型的方法用于SAR图像变化检测的主要过程是对差异图进行初始分割得到一幅二值图像,用MRF对二值图像求取先验概率,再用高斯分布求取似然概率,最后用贝叶斯公式求后验概率得到最后的检测结果。该方法的不足之处在于:(1)一般求得的差异图的分布是一个混合分布,高斯模型并不能完全拟合差异图的分布,并且如何从这种混合分布形式中准确推断出每个高斯分量的均值,方差和形状参数,以及它们的权重也是一个复杂的统计推断问题;(2)在整个求解过程中只是用到了差异图的灰度信息,没有充分利用差异图的其他信息,如:纹理特征和区域特征等,由此SAR图像特有的斑点噪声会对检测结果造成很大的影响,提高了像素的错分率,降低了变化检测的精确度。
发明内容
本发明的目的在于针对上述现有方法的不足,提出一种基于先验和融合灰度与纹理特征的SAR图像变化检测方法,以降低SAR图像斑点噪声的影响,提高图像像素分类的精确性。
实现本发明目的的技术方案是:将变化检测问题看作是两个相互独立分量乘积的最大概率问题。首先,由吉布斯分布求取差异图初始分类的类别先验概率,将其看作是第一个分量。其次,由模糊隶属度求取融合差异图的灰度与纹理特征的模糊隶属概率,将其看作是第二个分量,最后,利用贝叶斯公式求后验概率与独立分布准则,有效地检查出不同时刻同一地点SAR图像变化的区域。其具体步骤如下:
实现本发明目的的技术方案包括如下步骤:
(1)读入已配准和已校正的两幅不同时间同一地点的SAR图像I1和I2;
(2)用均值比值法构造这两幅SAR图像I1和I2的差异图D1,用对数比值法构造这两幅SAR图像I1和I2的差异图D2,利用小波变换对所述差异图D1和所述差异图D2进行融合,得到融合后差异图D,并初始化迭代次数t=1;
(3)对融合后差异图D分别求类别先验概率P(x)和观测量似然概率P(y);
(4)根据类别先验概率P(x)和观测量似然概率P(y),利用贝叶斯公式和独立分布原理求取融合后差异图D的后验概率P(x|y)为:
P(x|y)=P(y|x)P(x)
=P(y)P(x),
其中,P(y|x)是条件概率,x是初始分类结果图,y是融合灰度与纹理信息的观测场,并且初始分类结果图x和融合灰度与纹理信息的观测场y是相互独立的;
(5)根据差异图D的后验概率P(x|y)和MAP准则,得到变化检测结果图为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310241980.X/2.html,转载请声明来源钻瓜专利网。