[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

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及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，可用于对合成孔径雷达(SAR)图像进行变化检测处理。

背景技术

随着合成孔径雷达(synthetic aperture radar，SAR)技术的逐步成熟和SAR图像分辨率的不断提高，SAR图像的使用逐渐为人们所重视。合成孔径雷达是一种高分辨率成像雷达，其在民用和军用中的应用需要SAR图像变化检测技术作为支撑。SAR图像变化检测通过对不同时期的SAR图像进行比较分析，并根据SAR图像之间的差异分析来获取所需要的地物变化信息。SAR图像变化检测技术可以应用于很多方面，例如在土地资源利用检测方面的应用、在重大自然灾害预防与检测的应用、对海洋变化分析的应用；在军事方面的应用等。

SAR图像变化检测算法一般可分为：基于灰度特征的算法，如直接比较法、统计假设法、预测模型法、相干模型法、主分量法和分类比较法；基于空间特征的算法，如统计纹理特征分析法和面向对象分类法。

近期在SAR图像变化检测上的研究比较多的有：基于多尺度分析的变化检测算法，如Kai-Kuang Ma提出一种基于双树-复小波变换(DT-CWT，Dual-Tree Complex Wavelet Transform)的多尺度变化检测方法，它利用DT-CWT对对数比值图进行多尺度分解，但没有考虑到SAR图像的纹理信息，阈值的选取也是一个棘手的问题；变化分量分析算法，将多通道的SAR图像看作向量，使用变化向量来描述SAR图像从时间t₀到时间t₁变化的方向和大小，通过计算SAR图像变化向量的大小，检测SAR图像有没有发生变化，优点是可以利用较多甚至全部的数据来检测变化像素，并提供变化像素的类型信息。近年来新发展起来的是基于核方法的SAR图像变化检测算法，Gustavo Camps-Valls在2008年首先提出了将核方法应用于SAR图像变化检测，该方法首先提取SAR图像的强度信息和纹理信息，然后构造强度纹理比值差值合成核(RDC_kernel)实现SAR图像变化检测，该方法可以有效的实现SAR图像变化检测。但是目前的变化检测方法都没有明确地从空域结构的角度上考虑SAR图像的非平稳性。

发明内容

针对上述现有技术的问题，本发明的目的在于提供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，以提高SAR图像变化检测的检测效率和检测精度。

为了达到上述目的，本发明采用以下技术方案予以实现。

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，利用三重马尔科夫场模型算法，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；A平稳区域与B平稳区域的平稳性不同，体现为A平稳区域和B平稳区域中像素点的纹理特征不同。所述纹理特征依次包含均值特征、对比度特征和半方差特征；

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；