[发明专利]基于波动参数划分的SAR图像变化检测方法

摘要

本发明公开的一种基于波动参数划分的SAR图像变化检测方法，主要解决现有技术斑点噪声较大，不能保持SAR图像局部信息和分类的准确度不高的问题，其技术方案是：在邻域比值算子的基础上，利用两个新的指标f1和f2来衡量位置x处的像素与其邻域Ω_x像素的接近程度；通过比较两个新的指标f1，f2和波动参数h的大小来确定差异图像D在位置x处的灰度值，得到差异图像D；对差异图像D进行聚类，得到二值图像Q；更新二值图像Q得到最终检测出的二值图像R。本发明减少了斑点噪声，保留了图像局部信息和提高了分类的准确度，可应用于遥感、医疗诊断、视频监控。

主权项

1.一种基于波动参数划分的SAR图像变化检测方法，包括：(1)输入两幅同一地区不同时段的SAR图像Y₁和Y₂；(2)对输入的两幅SAR图像Y₁，Y₂进行滤波预处理，得到预处理后的两幅SAR图像I₁，I₂；(3)对预处理后的两幅图像进行差异图的产生：3a)定义差异图的如下参数：定义D为差异图像；定义DI(x)为差异图像D在位置x处像素的灰度值，DI(x)的值越大表明第一幅图像I₁(x)和第二幅图像I₂(x)的相似度越大；定义σ(x)是预处理后的两幅图像I₁和I₂在位置x为中心，大小为3×3的邻域Ω_x中的像素灰度值的方差；定义μ(x)是预处理后的两幅图像I₁和I₂在位置x为中心，大小为3×3的邻域Ω_x中的像素灰度值的均值；定义为预处理后的两幅图像I₁和I₂在位置x处的差异性的衡量标准；定义N为预处理后的两幅图像I₁和I₂在位置x处邻域中像素点的个数；定义波动参数h在0～10范围内；定义为预处理后的两幅图像I₁和I₂在位置x处的灰度值中较小的像素与其邻域Ω_x中的像素的接近程度；定义为预处理后的两幅图像I₁和I₂在位置x处的灰度值中较大的像素与其邻域Ω_x中的像素的接近程度；3b)根据所述f1，f2与波动参数h的关系，计算差异图D在位置x处的灰度值DI(x)：3c)根据上述公式计算出每个像素点的灰度值DI(x)，得到差异图D；(4)用FCM算法对差异图像D进行聚类，得到各像素点的聚类二值图像Q；(5)计算二值图像Q中在x处像素点的新的灰度值F(x)：5a)设置二值图像Q在x处的邻域大小为7×7的矩形，确定阈值k大小为40；5b)计算在二值图像Q的x位置的邻域像素点的灰度值Q(x)为255的像素点的个数n1；5c)将n1与k的值比较，得到新的灰度值F(x)：如果n1>k，则二值图像Q的在x处的像素点的灰度值F(x)＝255；如果n1<＝k，则二值图像Q的在x处的像素点的灰度值F(x)＝0；(6)按照步骤(5)中的方式，计算二值图像Q中所有的像素点的新的灰度值，由新的灰度值，得到二值图像F；(7)根据F和已知的变化参考图像S，计算虚检数FP，漏检数FN，总错误数OE，卡帕系数KC：7a)设图像S在x处的像素的灰度值用S(x)表示，设图像F在x处的像素的灰度值用F(x)表示，设Nc为S(x)＝255的像素点的个数，设Nu为S(x)＝0的像素点的个数，设TP为F(x)＝255的像素点的个数，设TN为F(x)＝0的像素点的个数，设M为图像S的像素点的总个数；7b)得到Nc，Nu，TP，TN，M；7c)由Nu和TN计算虚检数FP，即FP＝Nu‑TN；7d)由Nc和TP计算漏检数FN，即FN＝Nc‑TP；7e)由FP和FN计算总错误数OE，即OE＝FP+FN；7f)由TP，TN和M计算精确度PCC，即7g)由TP，TN，FP，FN，Nc，Nu和M计算过度参数PRE,即7h)由PCC，PRE计算卡帕系数KC，即