[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

摘要

本发明公开一种基于多目标进化算法MOEA/D和模糊聚类的SAR图像变化检测方法，主要是通过使用多目标优化的方法来解决SAR图像变化检测中细节保持和噪声去除这两个目标之间的权衡问题。其步骤为：(1)对待检测图像使用对数比方法生成差异图；(2)对差异图进行滤波，得到去噪后的差异图；(3)根据细节保持和噪声去除两个目标确定出两个目标函数，并组合成多目标优化问题；(4)使用MOEA/D算法求得多目标问题的Pareto前端和对应的结果图；(5)根据需要，从所有结果中选择合适的变化检测结果图。本发明最大的优势在于，相对于其它变化检测算法只得到一个解的情况，本发明得到的是一个最优解集，用户可以根据自己对细节保持和噪声去除的偏重程度，从中选择更加合适的解。

主权项

1.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：Xl=|logX2X1|=|logX2-logX1|]]>其中X_l为计算得到的差异图，X₁和X₂分别为同一地区不同时刻的两幅预处理后的图像，log为自然对数运算符；步骤102：使用均值滤波方法对步骤101中产生的差异图X_l进行处理，得到去噪后的差异图该差异图按如下公式计算得到：xi‾=1NRΣi∈Nixi]]>其中为得到的去噪后的差异图的第i个像素的灰度值，x_i为差异图的第i个像素的灰度值，N_R为第i个像素的邻域所包含的像素个数，本发明中选用的是3x3的邻域窗口，即N_R为9，N_i为落在第i个像素邻域内的像素集合；步骤103：根据细节保持和噪声去除这两个目标确定出两个目标函数f₁、f₂，并将其组合成多目标优化问题；步骤104：使用多目标优化算法MOEA/D求解由步骤103得到的多目标问题，得到符合条件的Pareto前端，然后根据每一个Pareto最优解对应的隶属度矩阵求得对应的变化检测结果图；这一步骤中使用的MOEA/D算法的思想是把多目标优化问题分解成若干个单目标优化子问题，每个子问题在当前的种群中都能找到一个局部最优解；用权重向量的欧氏距离来描述子目标中邻居之间的远近程度，而这个权重向量就是所有子目标的聚合系数；然后通过进化过程，同时求解这些子问题，由于两个相邻子问题的优化解理论上非常相似，所以在MOEA/D算法中每个子问题均可借助于其相邻子问题的优化信息，从而可以得到更加可靠的Pareto前端；步骤105：根据需要，从Pareto前端中选择合适的解，得到对应的SAR图像变化检测的结果图，其选择原则是：若重点在于图像细节的保持，则选择使第一个目标函数取得最小值的解；若重点在于图像中噪声的去除，则选择使第二个目标函数取得最小值的解，否则，根据对两个目标的偏重程度差异选择一个折衷解。