[发明专利]基于NMF图像融合的SAR图像变化检测方法

摘要

本发明提出了一种基于NMF图像融合的SAR图像变化检测方法，用于解决现有的基于图像融合的SAR图像变化检测方法中存在的准确率低且物理意义不明确的技术问题，实现步骤如下：输入同地域不同时间的两幅原始SAR图像，经去噪处理后构造两基本差异图X_l和X_m；分别对X_l和X_m进行邻域特征描述得到特征描述矩阵X_L和X_M；利用两特征描述矩阵构造变化检测特征矩阵X；对X进行NMF非负矩阵分解，得到分解后的系数矩阵H；利用系数矩阵得到融合后差异图；利用聚类算法将融合后差异图聚成两类，得到变化检测结果。本发明更好的利用了原始图像的细节信息，且该图像融合方法具有更显著的物理意义，可用于SAR图像变化信息的分析和标注。

主权项

一种基于NMF图像融合的SAR图像变化检测方法，包括如下步骤：(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理，得到去噪后图像I₁和去噪后图像I₂；(2)分别利用对数比算子和均值比算子，对得到的去噪后图像I₁和去噪后图像I₂进行运算，得到对数比值差异图X_l和均值比值差异图X_m，计算公式如下：$X_l=\left|log\frac{I_2+1}{I_1+1}\right|=|log(I_2+1)-log(I_1+1)|;$$X_m=1-min(\frac{{\mathrm{\μ}}_1}{{\mathrm{\μ}}_2},\frac{{\mathrm{\μ}}_2}{{\mathrm{\μ}}_1});$其中，μ₁，μ₂分别表示I₁和I₂的局部均值；(3)对得到的对数比值差异图X_l和均值比值差异图X_m进行特征描述，得到对应的特征描述矩阵X_L和特征描述矩阵X_M，实现步骤如下：3a)分别提取得到的对数比值差异图X_l和均值比值差异图X_m中每个像素点的l层邻域像素特征矩阵，其中l≥3，且l为奇数；3b)将提取的l层邻域特征像素矩阵展开成一列，得到该像素点特征描述列向量；3c)分别将对数比值差异图X_l和均值比值差异图X_m中所有像素点的特征描述列向量作为不同的列依次排列，得到的特征描述矩阵X_L和特征描述矩阵X_M。(4)根据像素位置对应的原则，对得到的特征描述矩阵X_L和特征描述矩阵X_M按列拼接，得到变化检测特征矩阵：(5)采用乘性迭代的分解方式，对得到的变化检测特征矩阵X进行NMF非负矩阵分解，该NMF非负矩阵分解的矩阵表达式为X_m×n≈(WH)_m×n＝W_m×rH_r×n，其中W为基矩阵，H为系数矩阵，r为矩阵分解的秩，分解步骤如下：5a)设矩阵分解的秩r＝1，并对基矩阵W和系数矩阵H进行随机初始化，其中基矩阵W≥0，系数矩阵H≥0；5b)设迭代次数Iterator的初始值为0，初始化迭代误差上限为ε，迭代次数上限为Iter；5c)验证迭代条件是否满足：误差E＝|X‑WH|满足||E||≥ε并且Iterator≤Iter，若是，执行步骤5d)，否则，迭代结束，输出非负矩阵分解后的系数矩阵H，并执行步骤(6)；5d)对基矩阵W和系数矩阵H分别进行迭代，单次迭代完成执行步骤5c)，迭代按如下步骤实现：$W_{ia}\←W_{ia}\underset{\mathrm{\μ}}{\Σ}\frac{X_{i\mathrm{\μ}}}{{\left(WH\right)}_{i\mathrm{\μ}}}{H}_{a\mathrm{\μ}};$$W_{ia}\←\frac{W_{ia}}{\underset{j}{\Σ}{W}_{ja}};$$H_{a\mathrm{\μ}}\←H_{a\mathrm{\μ}}\underset{i}{\Σ}{W}_{ia}\frac{X_{i\mathrm{\μ}}}{{\left(WH\right)}_{i\mathrm{\μ}}};$Iterator++；E＝|X‑WH|；(6)将输出的非负矩阵分解后的系数矩阵H，按照对数比值差异图X_l或均值比值差异图X_m中对应像素的排列顺序，恢复为原始图像的尺寸，得到融合后差异图X_FUSION；(7)将得到的融合后差异图X_FUSION聚类成两类，得到同一地域不同时间的两幅SAR图像的变化检测结果图CM，并输出该结果图CM。