[发明专利]基于多目标优化MOEA/D和模糊聚类的SAR图像变化检测方法

说明书

技术领域

本发明属于图像处理和进化计算技术领域，涉及多目标优化算法MOEA/D和SAR图像变化检测，特别是基于多目标优化MOEA/D和模糊聚类的SAR图像变化检测方法，可用于环境监测、农业调查、城市研究、救灾工作等SAR图像变化检测相关领域中。

背景技术

近年来，合成孔径雷达技术得以迅速发展，星载合成孔径雷达系统（Synthetic Aperture Radar，SAR）已经对地球表面观测了数年时间，获得了大量的多时相地面观测数据。很多遥感研究都试图开发出能够很好利用这些信息的技术，包括目标提取、地物分类、边缘检测、干涉测量、变化检测等，其中研究最广泛的就是变化检测技术。

SAR图像变化检测通过对不同时期SAR图像的比较分析，根据图像之间的差异来得到所需要的地物变化信息。近年来，由于SAR图像的变化检测可以广泛用于环境监测、农作物测量、城市研究、森林监测等领域，人们对变化检测技术的兴趣大大增加。因为合成孔径雷达（SAR）具有高分辨率、全天候，全天时的特点，是很好的变化检测信息源，所以研究SAR图像变化检测技术有着非常广阔的应用前景。

随着SAR成像技术的日益成熟、成像质量的逐渐提高和SAR图像的分辨率不断增强，基于SAR图像的变化检测研究受到了越来越多的关注，各种方法相继被提出，用于提高SAR图像变化检测的性能。在遥感应用中有许多普遍使用的变化检测技术，现行研究应用的变化检测技术主要有以下五种，图像差值法、图像比值法、图像回归法、主分量分析法、变化向量法、分类比较法以及统计测试法等。从基本上，SAR图像变化检测方法也可以分为图像阈值法和图像分类法两大类。在通过对比SAR图像来辨识图像的“变化”和“未变化”区域时，人们通常将变化检测问题转化为图像的二值分类问题。

然而，由于SAR图像本身存在大量的相干斑噪声，许多传统的变化检测方法又对噪声过于敏感，导致误检和漏检的现象比较严重，结果表现为离散的检测点比较多，从而影响了变化检测的精度，如广泛使用的基于FCM聚类的方法，它虽能较好的保留细节信息，但却对噪声的存在非常敏感。虽然可以通过相干斑抑制算法来降低相干斑噪声的影响，如多视处理、空间滤波算法等，但这些处理都将会导致图像细节信息的丢失。

针对FCM算法的噪声敏感问题，Ahmed等人提出的FCM_S算法，该算法在FCM算法的目标函数的基础上加入了空间域信息，从而实现在一定程度上抑制噪声的目标，参见M.Ahmed,S.Yamany,N.Mohamed,A.Farag,and T.Moriarty,“Amodified fuzzy C-means algorithm for bias field estimation and segmentation of MRI data,”IEEE Trans.Med.Imag.,vol.21,pp.193–199,2002。但是该算法存在一个很大的弊端，就是它需要人为选择一个参数来平衡图像的细节保持能力和噪声去除能力，这在没有对所存在噪声的先验知识的情况下是非常困难的。

正是由于上述这些问题的存在，使得在SAR图像变化检测问题中细节保持和噪声去除之间的均衡成为了研究中亟待解决的问题。因此，研究一种行之有效的、能够根据不同情况兼顾图像细节保持和噪声去除的变化检测算法成为当务之急。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于多目标优化MOEA/D和模糊聚类的SAR图像变化检测方法，通过将细节保持和噪声去除作为两个单独的目标进行多目标优化，从而解决SAR图像变化检测中细节保持和噪声去除这两个本质目标之间的权衡问题。

本发明的技术方案是，基于多目标优化MOEA/D和模糊聚类的SAR图像变化检测方法，其特征是：包括如下步骤：

步骤101：对经过配准、几何校正等预处理后得到的同一地区不同时刻的两幅图像X₁、X₂使用对数比方法生成差异图X_l，该差异图是根据如下对数比方法的计算公式得到的：