[发明专利]一种广义高斯K＆I的SAR图像变化检测方法

摘要

本发明提出了一种广义高斯K&I的SAR图像变化检测方法，其实现过程为：（1）首先对两幅配准后的同一地区不同时相的SAR图像采用改进的邻域比操作算子做出差异图，在对邻域处理时，与中心像素相邻的像素不再是被同等对待，而是根据它们与中心像素的相似性被赋予不同的权重；（2）通过采用一种修正的基于广义高斯模型的K&I阈值分割方法对所得的差异图进行二分类从而得到变化部分和未变化部分。本发明通过对原始K&I方法的指标函数加入一个局部能量修正项使其对邻域比差异图能找到一个合理的阈值。本发明在一定程度上改善了噪声的敏感问题，同时也显著地提高了检测效果及检测的正确率。

主权项

一种广义高斯K&I的SAR图像变化检测方法，其特征是：包括如下步骤：步骤101：开始基于改进邻域比及广义高斯K&I的SAR图像变化检测方法；步骤102：导入两幅配准后的同一地区不同时刻的SAR图像；步骤103：对邻域比值算法做改进，按照如下步骤构造两幅不同时间同一地区的图像I1,I2的差异影像图DI；步骤104：使用修正的广义高斯K&I算法对上述所得的差异图DI寻找最优的分割阈值T*，通过对原始的广义高斯K&I方法的指标函数JGG_KI(T)加入一个局部能量修正项使其对邻域比差异图能找到一个合理的阈值；步骤105：利用步骤104中求得的最优阈值T*对差异图DI进行阈值分割，得到最终的变化检测结果图CNI；步骤106：结束基于改进邻域比及广义高斯K&I的SAR图像变化检测方法；所述的步骤103，包括如下步骤：步骤201：开始改进的邻域比值算法；步骤202：分别取得两时像SAR图像I1,I2在同一位置x上的像素邻域集合Ω1(x)和Ω2(x)，其大小为N×N，N∈{3,5,7,9}；步骤203：差异图DI在位置x上的像素灰度值DI(x)：其中，I1(i)和I2(i)分别表示图像I1,I2在位置x上邻域集合Ω1(x)和Ω2(x)的第i个元素，DI(x)值越小，说明图像I1,I2在位置x上的差异性越大，则位置x上的像素点属于变化区域的可能性也越大，反之，该位置像素点属于非变化区域的可能性越大；求解系数其表示比值图像上像素x的邻域异质性；表示极小值图像上位置x邻域集合的第i个元素的权重，表示极大值图像上位置x邻域集合的第i个元素的权重,对系数的求解采用公式：∂=σ(x)μ(x)---(2)]]>σ(x)和μ(x)分别表示比值图像上像素x邻域的方差和均值，值越大，表示区域异质性越强，差异图DI(x)的求解公式中第一部分所占比重大；反之，则第二部分所占比重大；步骤204：求解邻域比部分中邻域内第i个元素的权重αi,x，它取决于邻域内像素i和中心像素x的相似性，该相似性采用加权欧式距离测量v(Ωk)表示中心像素为k的邻域矢量，αi,x计算公式如下：αi,x=1Z(i)e-||v(Ωi)-v(Ωx)||22h2---(3)]]>其中Z(i)为归一化常数，Z(i)=Σxe-||v(Ωi)-v(Ωx)||22h2---(4)]]>参数h的评估使用如下公式：h=2l2ln(1/γ)σn---(5)]]>其中σn是噪声的标准差，可以直接从图像中计算出来，l2是邻域大小，0＜γ≤1是自由参数，通常取0.6‑0.9；步骤205：比较两个邻域集合Ω1(x)和Ω2(x)的相似性，将步骤203和步骤204中公式(2)和(3)计算的结果代入公式(1)，对图像I1,I2的每一个像素点计算得到差异图DI；步骤206：结束改进的邻域比算子做差异图。