[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

摘要

本发明公开了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，主要解决现有技术去噪漏检像素个数多和变化检测精度不高的问题。其实现过程是1)输入变化前后的SAR图像；2)对于两幅图像中的每个像素点，计算其与搜索区域内所有像素点的基于对数比的傅里叶核加权距离并引入二维高斯函数计算该点与搜寻区域内所有像素点的权重；3)根据权重求该点新的灰度值并替换其原灰度值，得到去噪后两幅图像；4)利用比值算子将去噪后的两幅图像生成差异图；4)利用FLICM算法分割差异图，输出变化检测结果图。本发明克服了去噪过程中的过平滑现象，更好的保留了细节信息，降低了错误率，提高了图像变化检测的精确度，可用于环境监测。

主权项

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Ni和Nj，这两个分析窗Ni和Nj内的像素点灰度值向量分别为x(Ni)和x(Nj)；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：d1(i,j)=log(max(x(Ni)x(Nj),x(Nj)x(Ni)));]]>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(x(Ni),x(Nj))=||log(max(x(Ni)x(Nj),x(Nj)x(Ni)))||i12]]>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Ni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Si内第j个像素点的权重w(i,j)：w(i,j)=1Z(i)exp(-||log(max(x(Ni)x(Nj),x(Nj)x(Ni)))||i12+||log(max(x(Ni)x(Nj),x(Nj)x(Ni)))||i224*h2)4*π*h2]]>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Ni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(i)=Σj∈Siexp(-||log(max(x(Ni)x(Nj),x(Nj)x(Ni)))||i12+||log(max(x(Ni)x(Nj),x(Nj)x(Ni)))||i224*h2)4*π*h2,]]>其中，0≤w(i,j)≤1且Z(i)表示归一化常数，Si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，Ni和Nj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(Ni)和x(Nj)分别是局部分析窗Ni和Nj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Si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∈Si,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。