[发明专利]基于非局部CV模型的SAR图像变化检测方法

摘要

本发明公开了一种基于非局部CV模型的SAR图像变化检测方法，实现步骤包括：(1)输入同一区域不同时间的两幅SAR图像构造差异图；(2)在差异图上做矩形轮廓曲线，初始化水平集函数；(3)计算内部区域的灰度均值和外部区域的灰度均值；(4)构建基于非邻域和基于区域信息的总能量函数E；(5)通过梯度下降法最小化E更新水平集函数φ，获得新的水平集函数φn+1，用其对差异图X进行分割；(6)判断当前的φn+1能否使总能量函数E达到最小值，如果能，停止迭代，输出最终的变化检测结果；否则，返回步骤3。本发明的方法对于差异位置更加敏感，对于初始化和图像质量的鲁棒性有明显增强。

主权项

一种基于非局部CV模型的SAR图像变化检测方法，其特征在于所述方法包括下列步骤：(1)对同一地域不同时间获取的两幅遥感图像X₁和X₂，构造差异图X；(2)初始化水平集函数φ为符号距离函数形式；(3)设循环次数n的初始值为n＝0，设第n次循环时的水平集函数φⁿ＝φ，根据当前水平集函数φⁿ将差异图X分成内部区域Ω₁ⁿ和外部区域Ω₂ⁿ；计算内部区域Ω₁ⁿ的灰度均值c₁和外部区域Ω₂ⁿ的灰度均值c₂；(4)结合步骤2和步骤3构建基于区域信息的能量函数E_CV：$\begin{array}{c}{E}_{CV}=\underset{{{\mathrm{\Ω}}_1}^n}{\∫}{|X(x,y)-c_1|}^{2}H\left(\mathrm{\φ}\right)dxdy+\underset{{{\mathrm{\Ω}}_2}^n}{\∫}{|X(x,y)-c_2|}^2(1-H(\mathrm{\φ}\left)\right)dxdy\\ +\mathrm{\μ}\underset{\mathrm{\Ω}}{\∫}{\mathrm{\δ}}_0\left(\mathrm{\φ}\right)\left|\▿\mathrm{\φ}\right|dxdy\end{array}$其中X(x,y)表示差异图X中像素点的坐标，Ω表示整个差异图区域，c₁为内部区域Ω₁ⁿ的灰度均值，c₂为外部区域Ω₂ⁿ的灰度均值，表示对水平集函数求梯度，为梯度范式，μ为调节长度约束项的权重参数，并且H(φ)为Heaviside函数，δ₀(φ)为H(φ)的导数；(5)构建基于非邻域信息的能量函数E_NL：$\begin{array}{c}{E}_{NL}={\∫}_{{\mathrm{\Ω}}_1}{\∫}_{{\mathrm{\Ω}}_2}{G}_{\mathrm{\σ}}(x-y)d(p_x,p_y)\\ ={\∫}_{\mathrm{\Ω}}(1-H(\mathrm{\φ}\left)\right){\∫}_{\mathrm{\Ω}}H\left(\mathrm{\φ}\right)G_{\mathrm{\σ}}(x-y)d(p_x,p_y)\end{array}$其中，p_x表示像素点x的邻域点集合，σ是高斯函数的标准差，d(p_x,p_y)表示像素点x,y的邻域点集合p_x和p_y之间的距离；(6)基于步骤4和步骤5，添加可取代重新初始化过程的距离正则项：该距离正则项中的函数构建总能量函数E为：E＝E_CV＋E_NL＋D(7)通过梯度下降法最小化总能量函数E更新水平集函数φ，获得新的水平集函数φ^n＋1，用该水平集函数φ^n＋1对差异图X进行分割；(8)判断当前的水平集函数φ^n＋1能否使总能量函数E达到最小值，如果能，停止迭代，否则，返回步骤(3)，用当前的水平集函数φ^n＋1替代步骤(3)中的φⁿ继续循环迭代。