[发明专利]一种顾及统计特性的时序PolSAR影像无监督变化检测方法

说明书

本发明提出了一种顾及统计特性的时序全极化合成孔径雷达影像无监督变化检测方法，主要解决了现有方法极化信息利用不充分、差异影像概率统计分布欠拟合的问题。本发明充分利用长时间序列PolSAR影像提供的丰富时空信息，结合综合检验统计和改进最小误差阈值选取方法，提取研究区域地物变化检测的信息。本发明全部参数均可自动获取，执行速度较快，能够充分利用时序PolSAR影像丰富的时空信息，高效并准确地获取变化检测结果。同时本发明不仅能够适用于时序PolSAR影像变化检测，同时也能较好的应用于单极化和双极化SAR数据的变化检测，为观测区域大范围、长时间的变化检测提供了基础。

技术领域

本发明属于遥感图像处理技术领域，是一种时序影像变化检测算法，具体地说是一种对时间序列全极化合成孔径雷达(Polarimetric Synthetic Aperture Radar，PolSAR)影像变化检测的新方法。

背景技术

在遥感影像处理中，变化检测是对同一位置进行多次观测并快速识别地物变化信息的一种技术手段。SAR传感器不受光照和云雾天气影响，能够对地物进行长时间变化检测。无监督变化检测方法具有设计简单、处理速度快等特点，广泛应用于雷达影像变化检测的研究中。无监督变化检测方法主要通过预处理、差异影像提取和最优阈值选取，获得研究区域内地物变化检测的结果。其中，差异图影像的质量和最优阈值的选取与无监督变化检测的结果紧密相关。迄今为止，生成差异影像的方法大多集中在单和双极化SAR数据中，如：对数比、邻域比、特征融合、基于马尔可夫随机场模型、主成分分析、Kullback-Leibler散度和Google Earth Engine时间序列分析法等。但这些方法由于信息利用不充分，导致差异影像提取精度不高。现阶段自动阈值提取方法能够有效地从差异影像中选取阈值。最小误差阈值选取方法基于贝叶斯理论，通过最小化分类误差确定最佳阈值，在变化检测阈值提取中被广泛应用。传统的最小误差阈值选取方法主要利用高斯分布对差异影像进行估计。由于生成差异影像的数据源不同，差异影像的统计特性往往不同。传统的方法并没有考虑PolSAR差异影像的概率统计特性，导致差异影像概率分布欠拟合，影响变化检测结果。因此，为了获得更为准确的变化检测结果，应采用更合适的分布模型对利用PolSAR数据生成的差异影像进行估计。

发明内容

针对当前多时相SAR影像变化检测中出现的极化信息利用不充分、差异影像概率分布欠拟合等问题，本发明利用多时相PolSAR影像的优势，提出了一种高效的时序PolSAR变化检测流程。相较于传统方法，利用时序PolSAR影像提供的丰富时空信息并结合综合检验统计方法，能够更为高效和准确地获取相同位置不同时刻的地物相似程度，通过拟合更为充分的概率密度函数改进最小误差阈值选取方法，提高阈值选择的精度。该方法适用于对不同性质的变化进行监测，不仅适合长时间地物变换分析，而且能够及时获取突变信息，为分析地物变化规律和应急响应提供了条件。

本发明的目的在于从根本上克服了SAR影像无监督变化检测中存在的信息利用不充分和差异影像概率分布欠拟合的问题，提出利用综合检验统计和改进最小误差阈值选取方法对时序PolSAR影像进行变化检测。利用长时间序列PolSAR数据能够提供更为丰富的时间-空间信息，结合综合检验统计方法，能够更好地获取不同时相、相同区域地物的相似度。同时利用基于Weibull和Gamma分布改进的最小误差阈值选取方法，能够自适应地拟合差异影像统计分布并获得最优阈值，为高效获取精准的变化检测提供了基础。

本发明提供的一种顾及统计特性的时序PolSAR影像无监督变化检测方法，包括如下步骤：

步骤1，对时序PolSAR影像进行预处理；

步骤2，利用综合检验统计方法计算不同时相、同一区域地物的相似度，获得时序PolSAR差异影像k代表起始影像位置，n表示参与计算的时序PolSAR影像的个数；

步骤3，利用不同的概率分布函数对差异影像统计分布特性进行拟合，并选择Weibull和Gamma函数概率分布模型对最小误差阈值选取方法进行优化，获得优化后的判别函数J；