[发明专利]基于FPGA的SAR图像变化检测方法

说明书

本发明公开了一种基于FPGA的SAR图像变化检测方法，主要解决现有技术易受噪声影响和检测速度慢的问题。其实现步骤为：1)读入两幅不同时期的SAR图像；2)对两幅SAR图像进行并行的Lee滤波；3)根据滤波后图像生成两种不同特性的差异图，即直接差异图和对数比值差异图；4)采用并行小波变换将差异图变换到频域，并在频域内进行融合和并行小波逆变换得到融合差异图；5)采用并行K‑means方法对融合差异图进行二聚类，得到变化检测结果。本发明采用FPGA并行加速和差异图融合的方法，具有检测速度快和抗噪性能好的优点，可用于复杂环境下快速准确的SAR图像变化检测。

技术领域

本发明属于遥感图像处理领域，更进一步涉及一种SAR图像并行的变化检测方法，可用于复杂场景下的快速遥感图像变化检测。

背景技术

遥感是一种能够远距离感受地物反射、辐射或散射的电磁波信息，并对所得到的信息进行分析和处理的科学技术。遥感图像变化检测是研究同一地区不同时期的遥感图像并分析得到地物变化信息的过程。目前，遥感图像的变化检测技术迅速发展，成为了遥感应用研究的重要组成部分和研究热点。遥感图像变化检测技术已经广泛地应用于各个领域，如自然灾害分析、森林和植被变化分析、土地覆盖和土地利用的变化监测、城镇发展动态监测、军事目标的侦察和摧毁效果的评估、和地形测绘等一系列领域。

变化检测是可以看作对遥感图像的二分类，即分为变化类和未变化类。现阶段变化检测的方法主要分为两种：监督类变化检测方法和非监督变化检测方法。监督类变化检测方法是指在变化检测时需要样本标签信息，即样本为变化类还是未变化类，从而根据标签训练分类器，把遥感图像分为变化和未变化类，常用的方法有神经网络、支撑向量机、决策树等；非监督变化检测方法是指在变化检测时不需要知道样本的标签信息，而是直接对图像的变化信息进行分析，常用的方法有聚类方法、阈值分割方法等。

传统的非监督变化检测方法，主要分为三个步骤：SAR图像预处理、差异图生成、差异图的分析。现阶段，大多数算法主要应用阈值分割、聚类和深度学习的方法。如LilleStrand提出了一种直接差值构造差异图并人工选择阈值进行差异图分析的变化检测方法。该方法由于人工地选择阈值对差异图进行分析，造成检测结果误差较大。2012年Gong等人提出一种增大模糊因子尺寸的FLICM聚类方法对差异图进行分析，从而提高了隶属度计算的准确性和减小噪声造成的影响，但是传统的聚类方法存在循环迭代耗时过长的问题。Amin等人提出了使用深度学习和超像素分割的变化检测方法，该方法以卷积神经网络对差异图的像素进行分类，从而得到变化检测结果，而由于受到数据集大小的限制，深度学习的方法存在网络拟合数据分布不理想和存储计算资源消耗极大的问题。

发明内容

本发明的目的是针对现有方法的上述问题，提出一种基于FPGA的SAR图像变化检测方法，以缩短算法消耗时间，提高变化检测精度，实现快速精确的SAR图像变化检测。

本发明的目的可以通过以下技术方案来实现：

(1)读入两幅已经完成配准的不同时期的待变化检测的SAR图像X¹和X²，并将其存储于FPGA的全局内存中；

(2)对待变化检测的两幅SAR图像X¹和X²进行基于开放计算语言OpenCL的FPGA并行Lee滤波；

(3)根据滤波后的图像生成两种不同特性的差异图，即能够保证变化信息幅值的直接差异图D¹和能够抑制SAR图像相干噪声的对数比值差异图D²；

(4)在基于OpenCL的FPGA中，对两种不同特性的差异图依次进行离散小波变换、小波系数融合和离散小波逆变换，得到兼顾上述两种特性的融合差异图D；

(5)在基于OpenCL的FPGA中，用聚类的方法对融合差异图D进行聚类，得到变化检测结果。