[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

说明书

技术领域

本发明属于图像处理技术领域，特别涉及对SAR图像变化的检测方法，可用于环境监测、土地利用、森林采伐的监测。

背景技术

合成孔径雷达SAR图像具有高分辨率、全天候、全天时的特点，可方便地获得同一地区不同时间的图像。SAR图像的变化检测是对同一地区在不同时间所得的图像进行比较得到差异图，然后对差异图进行分析得到变化区域和不变区域的过程。SAR图像的变化检测在环境监测、农作物生长状况监测、土地利用、森林采伐监测等方面有着非常广泛的应用。

在最近几十年，关于SAR图像变化检测的研究得到越来越多的关注，许多变化检测方法被提出。在目前常用的方法中，SAR图像的变化检测分为以下三个过程：

1)对得到的图像进行预处理，主要包括辐射校正、几何校正和图像配准；

2)对预处理后的图像进行比较，获得差异图；

3)对差异图进行分析，获得变化检测结果图像。

因为SAR图像的乘性斑点噪声处理起来比较困难，所以它的去噪处理和抑制斑点噪声显得尤为重要。由此可知，第一步和第二步对SAR图像的变化检测至关重要。对于相关的处理，目前比较优秀的算法有Yaoguo Zheng等提出的使用结合差异图和k-均值聚类的SAR图像变化检测的算法CDI、公茂果提出的使用小波变换融合基于均值比和对数比的差异图的方法FDWT和Buades等提出的基于非局部均值NLM的图像去噪方法。在这几种方法中，基于小波变换融合的方法虽然降低了图像斑点噪声的影响，却对一些边缘和细小部分的图像信息检测不明显，而且去噪能力也不是足够好。基于结合差异图和k-均值聚类的SAR图像变化检测虽然具有很强的去噪能力，但是在去噪过程中出现过平滑现象，在一定程度上抑制了图像的变化信息，因此造成图像的漏检率过大。而非局部均值去噪的方法仅仅考虑了图像中像素点的灰度属性，而忽略了它的空间结构属性，因此依然会丢失部分细节信息，出现模糊过平滑现象，尤其是当含噪图像块的相似块较少时，去噪性能会大大降低。

发明内容

本发明针对上述已有技术的不足，提出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，以减小图像的漏检率，提高图像变化检测的精确度。

为了实现上述目标，本发明的技术方案包括如下步骤：

(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：

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：

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)：

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：

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；