[发明专利]基于改进C-V模型的SAR图像变化检测方法

说明书

技术领域

本发明属于SAR图像变化检测领域，具体来说是一种基于改进C-V模型的SAR图像变化检测方法。该方法可应用于环境监测、军事侦察和灾情评估领域中，提高SAR图像变化检测结果的精确度。

背景技术

随着合成孔径雷达SAR技术的快速发展，SAR系统可以全天时、全天候获取图像数据，是较好的变化检测图像源。SAR图像变化检测是通过比较分析同一地域不同时刻获得的多时相SAR遥感影像，根据图像之间的差异来得到人们所需要的地物或目标随时间发生的变化信息。近年来逐渐出现了许多种多时相SAR图像变化检测方法，最常用的SAR图像变化检测技术主要由两步组成：首先对多时相SAR图像构造差异图，然后在差异图基础上提取变化区域。

对多时相SAR图像构造差异图是变化检测的一个关键问题，目前构造差异图的传统方法包括影像差值法、影像比值法、影像对数比值法和变化向量分析法等，其中影像对数比值法是影像比值法的扩充。SAR图像变化检测主要采用影像对数比值法来构造差异图，这种方法可以抑制将SAR图像中的乘性噪声转化成加性噪声，便于处理，提高在差异图基础上提取变化区域的准确率。

在差异图的基础上提取变化区域是变化检测的另一个关键问题。在SAR图像的变化检测方法的研究中，在差异图的基础上提取变化区域的传统方法是阈值方法。阈值方法是在差异图的基础上先确定阈值，再根据确定后的阈值将差异图中的区域分为变化类和未变化类两类，形成变化检测结果图。其中比较经典的一种方法是意大利G.Moser,S.B.Serpico等人提出的广义最小误差阈值方法即广义KI阈值方法，该方法假设变化区域与非变化区域的直方图统计分布符合广义高斯分布，通过最小化惩罚函数来自动确定阈值。该方法具有自适应性和实时性的优点，然而当差异图中变化类和非变化类的直方图有较大混叠时，变化类与非变化类的统计分布信息将不能被准确的模拟为广义高斯分布模型，用该阈值方法将会得到比较差的变化检测结果。

为了改进阈值方法，Yakoub Bazi等学者于2009年在会议文章“A Variational Level-set Method for Unsupervised Change Detection in Remote Sensing Images”将图像分割中的水平集方法应用于变化检测领域，提出了一种基于传统C-V模型的变化检测方法，通过演化一条初始闭合曲线将差异图分为变化类和未变化类两类区域。该方法用零水平集函数隐式的表示闭合轮廓曲线，避免了对闭合轮廓曲线演化过程的跟踪，将曲线演化转化成一个纯粹的求解偏微分方程数值解问题。初始闭合轮廓曲线可以选在图像中的任意位置，通过演化水平集函数来更新轮廓曲线的位置，经过数次演化后就可以正确的区分出目标和背景，检测出变化区域，具有全局优化特性。然而，基于传统C-V模型的变化检测方法，需要进行曲线演化过程中的初始曲线修正，即重新初始化为符号距离函数，造成了计算量增大，降低了变化检测速度，并且给检测结果带来许多伪变化信息。

发明内容

本发明的目的在于针对现有的SAR图像变化检测技术的不足，提出了一种基于改进C-V模型的SAR图像变化检测方法，以避免C-V模型变化检测方法中的重新初始化过程，提高SAR图像变化检测的效率和精度。

为实现本发明的目的，包括如下具体步骤：

(1)对同一地域不同时间获取的两幅SAR图像X₁，X₂，用对数比方法构造差异图X；

(2)初始化水平集函数φ为符号距离函数形式，根据水平集函数值的正负，将差异图X的整个图像区域Ω分为内部区域Ω₁和外部区域Ω₂；

(3)设循环次数n的初始值为n=0,设第n次循环时的水平集函数φⁿ=φ,根据当前水平集函数φⁿ将差异图X分成内部区域和外部区域计算内部区域的灰度均值c₁和外部区域的灰度均值c₂；

(4)结合步骤(2)和步骤(3)构建基于全局区域信息的能量函数E_G: