[发明专利]基于自适应权值图像融合的SAR图像变化检测方法

权利要求书

1.一种基于自适应权值图像融合的SAR图像变化检测方法，包括如下步骤： 

(1)读入在不同时刻同一地区获取的两幅SAR图像I₁和I₂，并对这两幅SAR图像I₁和I₂分别进行基于块的权重概率滤波，得到滤波后的两幅图像X₁和X₂； 

(2)计算滤波后的两幅图像X₁和X₂所对应像素灰度值的差，并进行归一化，得到差值图D_s； 

(3)计算滤波后的两幅图像X₁和X₂对应像素灰度值的商，并进行归一化，得到对数比值图D_l； 

(4)将差值图D_s进行11×11窗口的均值滤波，消除差值图D_s中的噪声像素点，得到均值滤波后的差值图D_s'； 

(5)将对数比值图D_l进行3×3窗口的中值滤波，抑制对数比值图D_l中的孤立像素点，得到中值滤波后的对数比值图D_l'； 

(6)分别计算差值图D_s'中每一个像素点x(i,j)的3×3邻域Ω_x像素的均值μ_x(i,j)与方差σ_x(i,j)，得到融合参数： 

该融合参数η(i,j)随着像素变化而变化，其变化范围在0-1之间，用于体现测量像素点x(i,j)所处的3*3邻域Ω_x的异质性，即匀质区域或异质区域；匀质区域是指图像中平滑的区域，异质区域是指图像中的噪声部分或边缘部分，像素点x(i,j)处于异质区域时的融合参数η(i,j)大于其处于匀质区域时的融合参数η(i,j)； 

(7)根据得到的融合参数η(i,j)将均值滤波后的差值图D_s'与中值滤波后的对数比值图D_l'进行图像融合，得到融合后的差异图D，该差异图D中每一个横纵坐标在i，j 处的像素点为： 

D(i,j)＝η(i,j)×D_s′(i,j)+(1-η(i,j))×D_l′(i,j)， 

其中，D'_s(i,j)为均值滤波后差值图中横纵坐标分别为i，j的点，D′_l(i,j)为中值滤波后对数比值图中横纵坐标分别为i，j的点； 

(8)用k-means聚类方法将融合后的差异图D聚类成不同的两类，分别计算这两个不同类别的均值，定义均值较大的那一类为变化类，均值较小的那一类为非变化类，得到最终的变化检测结果。 

2.根据权利要求书1中所示的方法，其中所述步骤(3)，按如下步骤进行： 

3a)通过如下公式计算计算滤波后的两幅图像X₁和X₂对应像素灰度值的商R(i,j)： 

其中X₁(i,j)为图像X₁在横纵坐标为i，j处的像素点，X₂(i,j)为图像X₂在横纵坐标为i，j处的像素点； 

3b)通过如下公式对像素灰度值的商进行归一化，得到每一个像素灰度值的商归一化后的结果： 

其中R＝{R(i,j)}， 

3c)有每一个像素灰度值的商归一化后的结果得到对数比值图：D_l＝{D_l(i,j)}。 

3.根据权利要求书1中所示的方法，其中所述步骤(6)中计算差值图D_s'中每一个像素点x(i,j)的3×3邻域Ω_x像素的均值μ_x(i,j)与方差σ_x(i,j)，其计算公式如下： 

其中，为3*3邻域Ω_x内每一个像素点x(i,j)的灰度值之和， 

为3*3邻域Ω_x内每一个像素点x(i,j)灰度值减去邻域Ω_x内均值μ_x(i,j)结果的平方之和。 

4.根据权利要求书1中所示的方法，其中步骤(8)所述的用k-means聚类方法将融合后的差异图D聚类成不同的两类，按如下步骤进行： 

8a)从差异图D中随机选择2个像素点作为初始聚类中心； 

8b)分别计算差异图D中每一个像素点x(i,j)与两个聚类中心的距离，并根据最小距离重新对相应像素点进行划分，把x(i,j)归到与它距离最近的那个类中去； 

8c)重新计算每个类的均值作为新的聚类中心； 

8d)重复步骤8b)-8c)直到每个聚类不再发生变化为止。