[发明专利]基于非平稳分析与条件随机场的SAR图像变化检测方法

权利要求书

1.一种基于非平稳分析与条件随机场的SAR图像变化检测方法，其特征在于，包括以下步骤：

步骤1，输入待检测的原始第一时相SAR图像X₁和原始第二时相SAR图像X₂；

步骤2，对原始第一时相SAR图像X₁和原始第二时相SAR图像X₂分别进行归一化处理，并对归一化后的第一时相SAR图像X′₁和归一化后的第二时相SAR图像X′₂作对数比值运算，得到对数比值图像X_b；对数比值图像X_b的大小与原始第一、第二时相SAR图像的大小均相同；

步骤3，利用滑动窗口分别提取归一化后的第一时相SAR图像的纹理特征矩阵和归一化后的第二时相SAR图像的纹理特征矩阵；并将归一化后的第二时相SAR图像的纹理特征矩阵减去归一化后的第一时相SAR图像的纹理特征矩阵，得到对数比值图像的纹理特征矩阵；所述纹理特征矩阵依次由均值特征矩阵、对比度特征矩阵和半方差特征矩阵组合而成；

步骤4，将对数比值图像X_b进行平稳性分割，得到两种平稳性区域：A平稳区域与B平稳区域；A平稳区域中像素点的个数与B平稳区域中像素点的个数的和等于对数比值图像中像素点的个数；

步骤5，分别选出A平稳区域和B平稳区域的样本点；

步骤6，提取A平稳区域的所有样本点的纹理特征，组成A平稳区域的纹理特征向量，给定A平稳区域的训练标签l_A，结合A平稳区域的训练标签l_A和A平稳区域的纹理特征向量构成A平稳区域的训练样本，利用该训练样本训练支撑向量机，得到第一分类标签矩阵Ac；

步骤7，提取B平稳区域的所有样本点的纹理特征，组成B平稳区域的纹理特征向量，给定B平稳区域的训练标签l_B，结合B平稳区域的训练标签l_B和B平稳区域的纹理特征向量构成B平稳区域的训练样本，利用该训练样本训练支撑向量机，得到第二分类标签矩阵Bc；

步骤8，根据第一分类标签矩阵Ac和第二分类标签矩阵Bc，求得对数比值图像X_b的初始分类标签矩阵Oc，并求得对数比值图像X_b中每个像素点的类条件概率，再对对数比值图像X_b中每个像素点的类条件概率取对数，得到对数比值图像X_b中每个像素点的一元势能函数；

步骤9，提取对数比值图像X_b中每个像素点的边界强度，并构建对数比值图像X_b中每个像素点的二元势能函数；

步骤10，根据对数比值图像X_b中每个像素点的一元势能函数和二元势能函数，得到初步算法模型p(X|Y)，其中，X为标记场，Y为观测场；

所述初步算法模型p(X|Y)的表达式为：

其中，U为非平稳场，1/Z为初步算法模型p(X|Y)的分布函数，Q_n为对数比值图像X_b中第n个像素点的邻域系统，x_n为标记场X中对应于对数比值图像X_b的第n个像素点的标记值，x_t为标记场X中对应于对数比值图像X_b的像素点t的标记值，n∈{1，2，...，N}，N为对数比值图像X_b的像素点总数，A(x_n，F_n，U_n，X)为对数比值图像X_b中第n个像素点的一元势能函数，F_n为对数比值图像X_b中第n个像素点的纹理特征向量，I(x_n，x_t，X，Y，U)为对数比值图像X_b中第n个像素点的二元势能函数：

Q_H为水平邻域系统、Q_V为垂直邻域系统，r_n为对数比值图像X_b中第n个像素点的边界强度，r_t为对数比值图像X_b中像素点t的边界强度，edge_C为常量，为二元势能函数参数，g₁，g₂为非平稳场U的两个不同取值，分别取0和1，U_n为对数比值图像X_b中第n个像素点的平稳性标记值，U_t为对数比值图像X_b中像素点t的平稳性标记值，δ为阶跃函数，其中：

步骤11，计算初步算法模型p(X|Y)中的二元势能函数参数，根据该二元势能函数参数求得对数比值图像X_b的最终分类标签矩阵，即得到原始第二时相SAR图像相对于原始第一时相SAR图像的变化检测结果。