[发明专利]基于NSCT域合成核的SAR图像变化检测方法

摘要

本发明公开了一种基于NSCT域合成核的SAR图像变化检测方法，主要解决现有Gabor域合成核导致的无法用多分辨率分析进行SAR图像变化检测的问题。其实现步骤是：(1)将原始两时相SAR图像分别进行多个尺度、多个方向的NSCT分解；(2)提取分解后两时相图像在每一个尺度上的归一化的强度特征和纹理特征，并构造尺度内的强度纹理差值合成核；(3)将任意一个尺度内的差值合成核输入到支撑矢量机中进行检测，得到该尺度的变化检测结果；(4)对所有尺度的变化检测结果进行决策级尺度间融合得到最终的变化检测结果。本发明与现有的Gabor域合成核方法相比，检测精度高，运算效率高，可用于SAR图像变化检测。

主权项

1.一种基于NSCT域合成核的SAR图像变化检测方法，包括：A训练步骤：A1)使用非下采样轮廓波变换NSCT将原始两时相SAR图像X₁={X₁(p，q)|1≤p≤I，1≤q≤J}和X₂={X₂(p，q)|1≤p≤I，1≤q≤J}进行S个尺度的分解，得到S个尺度上的两时相图像，其中I，J分别为原始图像长度和宽度大小，(p，q)为图像像素点；A2)对步骤A1)得到的S个尺度上的两时相图像提取强度特征和纹理特征，并进行归一化，得到归一化后的S个尺度上的强度特征和纹理特征再将归一化后的这两种特征联合，构成S个尺度上的两时相图像特征Tim={gXim,wXim},]]>其中，m=1，2...S，i＝1，2，i是指示原始两时相SAR图像X₁或者X₂的下标；A3)从步骤A1)得到的S个尺度的两时相图像中，手动提取N_s个标签训练样本，将这些训练样本用步骤A2)得到的归一化后的S个尺度上的强度特征和纹理特征进行表示，得到S个尺度上的两时相的标签训练样本特征m=1，2...S，1≤j≤N_s，i=1，2，其中，xijm={gXim(pj,qj),wXim(pj,qj)},]]>(p_j，q_j)为标签训练样本点的坐标，表示第m个尺度上的标签训练样本点(p_j，q_j)处的强度特征，表示第m个尺度上的标签训练样本点(p_j，q_j)处的纹理特征，表示第m个尺度上的标签训练样本点(p_j，q_j)处的标签；A4)将步骤A3)得到的两时相标签训练样本的强度特征和纹理特征映射到核空间，得到核空间中的两时相标签训练样本的强度特征和纹理特征，然后利用这两种特征构造S个尺度上的强度核和纹理核其中为第m个尺度上的标签训练样本点(p_k，q_k)处的特征，表示第m个尺度上的标签训练样本点(p_k，q_k)处的强度特征，表示第m个尺度上的标签训练样本点(p_k，q_k)处的纹理特征；A5)将步骤A4)得到的核空间中的两时相标签训练样本的强度特征和纹理特征进行加权求和，得到核空间中的两时相的强度纹理合成特征，利用该合成特征构造S个尺度上的强度纹理合成核A6)对步骤A5)得到的两时相的标签训练样本的强度纹理合成特征做差，得到标签训练样本的差特征，利用该差特征构造S个尺度上的差值合成核其中表示第m个尺度上的标签训练样本(p_j，q_j)处的差特征，表示第m个尺度上的标签训练样本(p_k，q_k)处的差特征，1≤j，k≤N_s，m=1，...，S；A7)将步骤A6)得到的S个尺度上的差值合成核矩阵输入到支撑矢量积SVM中对SVM进行训练，得到S个尺度上的支撑矢量分类器SVC_m，其中m=1，2...S；B测试步骤：B1)将步骤A2)得到的两时相图像的强度特征和纹理特征以及步骤A3)得到的两时相标签训练样本的强度特征和纹理特征映射到核空间，得到核空间中的两时相的强度特征和纹理特征，利用这两个特征构造S个尺度上的强度核和纹理核Kwm(xijm,Tim(p,q)),]]>其中，Tim(p,q)={gXim(p,q),wXim(p,q)}]]>为像素点(p，q)处的特征，表示第m个尺度上的像素点(p，q)处的强度特征，表示第m个尺度上的像素点(p，q)处的纹理特征；B2)将步骤B1)得到的核空间中的两时相的强度特征和纹理特征进行加权求和，得到核空间中的两时相的强度纹理合成特征，利用该合成特征构造S个尺度上的强度纹理合成核B3)对步骤B2)得到的两时相的强度纹理合成特征做差，得到差特征，利用该差特征构造S个尺度上的差值合成核其中表示在第m个尺度上的标签训练样本(p_j，q_j)处的差特征，T^m(p，q)表示第m个尺度上的像素点(p，q)处的差特征，1≤j≤N_s，m=1，...，S；B4)将差值合成核矩阵输入到步骤A7)得到的支撑矢量分类器SVC_m中，对SVC_m进行测试，得到S个尺度上的二值变化检测结果图BCM_m；B5)对二值变化检测结果图BCM_m进行决策级尺度间融合，得到最终的变化检测结果图。