[发明专利]利用改进的非局部均值算法对SAR图像变化的检测方法

权利要求书

1.一种利用改进的非局部均值算法对SAR图像变化的检测方法，包括如下步骤：

(1)分别输入变化前的SAR原图像Q₁和变化后的SAR图像Q₂；

(2)对变化前的原图像Q₁和变化后的图像Q₂分别进行去噪处理，得到不含噪的原图像Q₃和不含噪的变化后图像Q₄：

2a)分别选取图像中以第i像素点和第j个像素点为中心，大小为5×5的局部分析窗N_i和N_j，这两个分析窗N_i和N_j内的像素点灰度值向量分别为x(N_i)和x(N_j)；对比和的比值，选取其中较大者进行取对数操作，得到对数比距离d₁(i,j)为：

$d_1(i,j)=log\left(max\right(\frac{x\left(N_i\right)}{x\left(N_j\right)},\frac{x\left(N_j\right)}{x\left(N_i\right)}\left)\right);$

2b)将对数比距离d₁(i,j)引入到傅里叶核加权距离的求解公式中，得到基于对数比值的傅里叶核的加权距离：

$dis\left(x\right(N_i),x(N_j\left)\right)=\left|\right|\log \left(\max \right(\frac{x\left(N_i\right)}{x\left(N_j\right)},\frac{x\left(N_j\right)}{x\left(N_i\right)}\left)\right)|{|}_{i1}^2$

其中，i1是傅里叶核在以像素点i为中心，大小为5×5的局部分析窗N_i内构造的权重，是由傅里叶核构造的以i1为权重的加权距离；

2c)利用基于对数比值的傅里叶核的加权距离，引入二维高斯核函数，计算第i像素点与其搜索区域S_i内第j个像素点的权重w(i,j)：

$w(i,j)=\frac{1}{Z\left(i\right)}\frac{\exp (-\frac{\left|\right|log\left(max\right(\frac{x\left(N_i\right)}{x\left(N_j\right)},\frac{x\left(N_j\right)}{x\left(N_i\right)}\left)\right)|{|}_{i1}^2+|\left|log\left(max\right(\frac{x\left(N_i\right)}{x\left(N_j\right)},\frac{x\left(N_j\right)}{x\left(N_i\right)}\left)\right)\right|{|}_{i2}^2}{4*h^2})}{4*\mathrm{\π}*h^2}$

其中，i2是傅里叶核在以像素点i为中心，大小为7×7的局部分析窗N_i内构造的权重，是由傅里叶核构造的以i2为权重的加权距离，Z(i)的表达式如下所示：

$Z\left(i\right)=\underset{j\∈S_i}{\Σ}\frac{\exp (-\frac{\left|\right|log\left(max\right(\frac{x\left(N_i\right)}{x\left(N_j\right)},\frac{x\left(N_j\right)}{x\left(N_i\right)}\left)\right)|{|}_{i1}^2+|\left|log\left(max\right(\frac{x\left(N_i\right)}{x\left(N_j\right)},\frac{x\left(N_j\right)}{x\left(N_i\right)}\left)\right)\right|{|}_{i2}^2}{4*h^2})}{4*\mathrm{\π}*h^2},$

其中，0≤w(i,j)≤1且Z(i)表示归一化常数，S_i是以像素点i为中心，大小为5×5的搜索区域，h是平滑参数，取值为1/3，N_i和N_j分别表示以第i个像素点和第j个像素点为中心的5×5的局部分析窗，x(N_i)和x(N_j)分别是局部分析窗N_i和N_j内像素点的灰度值向量；

2d)对以第i个像素点为中心的搜索区域S_i内所有像素点的灰度值进行加权平均，求得图像中第i个像素点的新的灰度值INL(i)：

INL(i)＝∑w(i,j)X(j),j∈S_i,

其中，X(j)是去噪声前原图像中第j个像素点的灰度值，w(i,j)是与X(j)对应的权值，表示第i个像素点和第j个像素点之间的相似性；

2e)对变化前的SAR原图像Q₁和变化后的SAR图像Q₂分别重复步骤2a)到步骤2d)，直到两个图像中每个像素点都获得新的灰度值；

2f)对变化前的SAR原图像Q₁和变化后的SAR图像Q₂分别用获得的每个像素点的新的灰度值替代该像素点的原灰度值，即可得到不含噪的变化前的SAR原图像Q₃和不含噪的变化后的SAR图像Q₄；

(3)利用比值算子得到不含噪的原图像Q₃和不含噪的变化后图像Q₄的差异图Q₅；

(4)利用FLICM聚类算法对差异图Q₅的灰度值进行类别数为2的聚类分割，其中一类为变化类，另一类为非变化类；

(5)输出由步骤(4)得到的变化类图像，即为变化前SAR的图像Q₁和变化后SAR图像Q₂的变化检测结果图。

2.根据权利要求书中1中所提及的方法，其中步骤(3)所述的利用比值算子得到不含噪的原图像Q₃和不含噪的变化后图像Q₄的差异图Q₅，按照如下公式计算：

$Q_5=1-min(\frac{Q_3}{Q_4},\frac{Q_4}{Q_3}).$