[发明专利]基于支持向量机和判别随机场的SAR图像变化检测方法

摘要

本发明属于SAR图像变化检测技术领域，公开了基于支持向量机和判别随机场的SAR图像变化检测方法。该基于支持向量机和判别随机场的SAR图像变化检测方法包括以下步骤：对原始两时相图像进行灰度值归一化处理，并在处理后的图像中提取对应的灰度特征差值和纹理特征差值；组成差值特征向量；利用加权平均比率算子提取差值图像中每个像素点的边界强度；在差值图像中选取训练样本，将训练样本用对应的差值特征向量进行表示，通过训练支持向量机，得到测试样本的初始分类标签、以及测试样本的分类标签的后验概率；得出初始的支持向量机—判别随机场模型；更新支持向量机—判别随机场模型，得出对应的测试样本的最终分类标签以及变化检测结果。

主权项

基于支持向量机和判别随机场的SAR图像变化检测方法，其特征在于，包括以下步骤：S1：利用合成孔径雷达接收原始两时相图像，原始两时相图像包括第1时刻图像和第2时刻图像；然后分别对第1时刻图像和第2时刻图像进行灰度值归一化处理，得到第1时刻归一化图像X₁和第2时刻归一化图像X₂；所述第k时刻归一化图像X_k中第i行第j列的像素点表示为X'_k(i,j)，k取1和2，i取1至I，j取1至J，I为第1时刻归一化图像X₁的长度，J为第1时刻归一化图像X₁的宽度；提取X'_k(i,j)的灰度值g'_k(i,j)和X'_k(i,j)的纹理特征w'_k(i,j)；按照以下公式获得灰度特征差值Δg(i,j)以及纹理特征差值Δw(i,j)：Δg(i,j)=g'₂(i,j)‑g'₁(i,j)，Δw(i,j)=w'₂(i,j)‑w'₁(i,j)；然后将Δg(i,j)和Δw(i,j)组合成X'_k(i,j)的差值特征向量y(i,j)：y(i,j)={Δg(i,j),Δw(i,j)}；S2：对第1时刻归一化图像X₁和第2时刻归一化图像X₂按照灰度值作差值运算，得到差值图像ΔX，利用加权平均比率算子提取差值图像中第t个像素点的边界强度r_t，t取1至M，M=I×J；S3：在差值图像中选取训练样本，将训练样本用对应的差值特征向量进行表示，通过训练支持向量机，得到测试样本的初始分类标签、以及测试样本的分类标签的后验概率；S4：根据所述差值图像中每个像素点的边界强度、以及测试样本的后验概率，得出初始的支持向量机—判别随机场模型；S5：根据所述初始分类标签和初始的支持向量机—判别随机场模型，更新支持向量机—判别随机场模型的相互势能函数，得出对应的测试样本的最终分类标签；根据所述对应的测试样本的最终分类标签，得出SAR图像的变化检测结果。