[发明专利]基于SIFT特征点的SAR图像变化检测方法

说明书

技术领域

本发明属于雷达技术领域，涉及SAR图像检测方法，可用于对不同时段同一场景的变化区域的检测。

背景技术

雷达成像技术是20世纪50年代发展起来的，在此后的60年里得到了突飞猛进的发展，目前，已经在军事、农林、地质、海洋、灾害、绘测等诸多方面得到广泛的应用。

SAR作为一种主动微波传感器，具有全天候、全天时、分辨率高以及穿透能力强等特点，在突发事件、自然灾害的检测和评估等方面具有独特优势，利用SAR图像进行变化检测具有重要意义。目前，SAR图像变化检测已经在多个方面取得广泛的应用，如土地分析、森林采伐监测、灾情估计、军事侦察、打击效果评估等。

SAR图像变化检测分为监督和非监督两大类。其中，非监督变化检测不需要先验变化信息的支持，可直接从配准好的前后两个时刻SAR图像获取变化信息，这种检测方法不仅降低人为误差的影响，同时也符合实际中先验变化信息缺失的现实情况，因此非监督变化检测成为国内外研究的重点。SAR图像变化检测的流程可概括为三个步骤，首先对待检测的两幅图像进行图像配准、斑噪滤波、辐射校正、几何校正等预处理，然后比较两幅图像获得差异图，最后对差异图进行分割得到最终的检测结果。

现有文献中提出很多非监督SAR图像变化检测方法，例如基于统计模型变化检测、基于聚类变化检测方法等。Yakoub Bazi等人在文献《An Unsupervised Approach Based on the Generalized Gaussian Model to Automatic Change Detection in Multitemporal SAR Images》中针对高斯分布模型和广义高斯分布模型，利用Kittler-Illingworth算法确定门限，对差异图进行分割的检测方法；公茂果等人在《Change Detection in Synthetic Aperture Radar Images based on Image Fusion and Fuzzy Clustering》中提出利用模糊C均值以及改进的模糊C均值方法对融合后的差异图进行聚类，区分变化区域和非变化区域，得到检测结果。在现有的SAR图像变化检测方法中，SAR图像特有的“斑点”噪声对检测性能有很大的影响。例如基于统计模型的检测方法，进行检测之前必须对其进行滤波，否则检测无法进行，此外，该方法一旦模型失配，其检测性能将急剧下降；又如基于聚类的检测方法，当噪声较强时，其检测性能会受到极大的影响。

发明内容

本发明的目的在于针对上述已有方法的不足，提出一种基于SIFT特征点的SAR图像变化检测方法，以提高对变化区域的检测率，尤其是在低性噪比下的检测率。

本发明是这样实现的：

一、技术思路

变化检测的关键在于找到一个域或特征，在这个域或特征下，变化区域和未变化区域具有可分性。本发明中利用尺度不变特征变换SIFT提取差异图中的特征点，再联合使用图像分割后的区域信息，得到变化区域。SIFT特征点可以反映图像的局部特征，对图像旋转、尺度放缩和亮度变化具有不变性，对视角变化、仿射变换以及噪声也保持一定程度的稳定性。本发明利用SIFT特征点对噪声具有的稳定性的特性，联合图像分割对边界的精细化处理，使检测结果不仅对噪声具有鲁棒性，还有更精确的边界。

二.技术方案

本发明的实现步骤包括如下：

(1)对已进行配准、几何校正、辐射校正的两幅待检测的SAR参考图像X和测试图像Y数据进行归一化，得到归一化后的参考图像X'和测试图像Y'；

(2)将归一化后的参考图像X'和测试图像Y'所对应像素值相除，取对数的绝对值，获得差异图D；

(3)用尺度不变特征变换SIFT方法提取差异图D中的尺度不变特征变换特征点；

(4)在归一化后的测试图像Y'中，以步骤(3)中提取的特征点为种子点进行区域生长，得到分割结果：

(4a)生成一个与测试图像Y同等大小的初始矩阵mask和生长矩阵mask'，以及更新矩阵mask1，将初始矩阵mask中每个特征点对应位置的值标记为1，剩余位置的值均标记为0，将生长矩阵mask'和更新矩阵mask1的值全部标记为0；

(4b)在测试图像Y中，将在初始矩阵mask中对应位置被标记为1的像素值与其相邻8个点像素值相比较，如果像素值相差不超过门限T＝0.05599，则在生长矩阵mask'中将相邻像素对应位置的值标记为1，否则不进行任何操作；