[发明专利]基于迭代马尔科夫的合成孔径雷达影像变化检测方法

权利要求书

1.一种基于迭代马尔科夫的合成孔径雷达影像变化检测方法，其特征在于由下述步骤组成：

(1)构建对数比值差异图D

用对数比值方法将同一地区不同时刻的合成孔径雷达影像I₁和合成孔径雷达影像I₂构建对数比值差异图D：

(2)确定先验概率和先验二值图

按下式确定初始化的先验概率

其中，l表示当前迭代次数，δ是参数，δ≠0，D_f为归一差异图，T为将先验概率经过最大类间方差法进行阈值分割得到的分割阈值，将初始化的先验概率中大于阈值T的像素点置为1，小于阈值T的像素点置为0，得到先验二值图T_p；

(3)构建特征空间

采用3×3不重叠分块方法将差异图D_f分成n个图像块，将图像块拉成列向量构建成自相关矩阵，并采用奇异值分解方法构建成K维特征空间：

其中，λ_j是自相关矩阵的第j个特征值，k为像素点个数，k∈[1,2，…，8]，n为有限的正整数；

(4)确定特征数值的量化级

将特征空间中的像素点用K-means聚类方法分为变化类C、非变化类UC以及混淆类MC三类，并通过下式计算变化类C与非变化类UC分布间的K-L距离：

DL(C,UC)＝K(C|UC)+K(UC|C)

其中，K(C|UC)表示从变化类C到非变化类UC的KL散度，K(UC|C)表示从非变化类UC到变化类C的KL散度，DL(C,UC)表示变化类C与非变化UC之间的K-L距离；将K-L距离最大化，获得变化类C与非变化类UC分布间相应特征值的量化级；

(5)确定似然函数

将量化级采用直方图方法得到先验二值图T_p中变化类B_C的似然函数P^l(F_i|B_C)和非变化类B_UC的似然函数P^l(F_i|B_UC)：

其中表示像素i处的第k个特征属于变化类B_C的条件概率，表示像素i处的第k个特征属于非变化类B_UC的条件概率，是像素i处的第k个特征，ω_k表示第k维特征的权重,和是第k维特征的变化部分和非变化部分的均值；

(6)确定变化类B_C的后验概率

按下式确定差异图D_f中各像素属于变化类B_C的后验概率P^l(B_C|f_i)：：

(7)确定后验概率对应的二值图

通过最大类间方差阈值法对后验概率P^l(B_C|F_i)进行二值化，得到后验概率对应的后验二值图T_a；

(8)马尔科夫迭代融合

利用能量最小化原则，采用迭代方式融合先验二值图T_p和后验二值图T_a，得到融合后二值图Y；

(9)输出最终结果

按下式确定最终的先验概率及先验二值图T_p：

l＝l+1

T_p＝Y

重复步骤(5)-(8)，直至到最大迭代次数l_max，停止迭代，输出变化检测结果图Y。