[发明专利]基于超像素显著性分析的SAR图像变化检测方法

摘要

本发明公开了一种基于超像素显著性分析的SAR图像变化检测方法，主要解决传统技术检测精度低的问题。其方案是：1)输入在同一场景的两个不同时刻的图，得图像的对数比率图；对对数比率图进行导向滤波得滤波图；2)对滤波图进行超像素分割得到分割图；3)用显著性方法对分割图计算得到显著图；对显著图进行阈值处理，结合两幅不同时刻的图得到差异图；4)用模糊局部信息C均值聚类法对差异图进行聚类，得到变化图。本发明引入超像素分割和导向滤波，不仅降低了SAR图像的噪声，而且得到的显著图有效地提高了SAR图像的精确度，可用于对变化区域的检测。

主权项

1.一种基于超像素显著性分析的SAR图像变化检测方法，包括(1)输入在同一场景的前一时刻的待检测SAR图像G1和后一时刻的待检测SAR图像G2,得到SAR图像的对数比率图:c1＝log(G1+1)‑log(G2+1)；(2)用导向滤波函数GD对对数比率图c1进行滤波，得到滤波图c；(3)对滤波图c进行超像素分割，得滤波图c的分割图L；(4)计算分割图L每个超像素块的显著值,将每个超像素块的显著值分配给它们各自的像素,得到显著图；(4a)计算每个超像素块的显著值:(4a1)设某个经过超像素分割后的图像X可表示为：X＝{x₁,...,x_i,x_j,...,x_n}，x_i是X的第i个元素，n是数据总数，x_i为第i个超像素点的特征向量,x_j为第j个超像素点的特征向量；(4a2)设y是一个指示向量,y＝[y₁,y₂,...,y_i,...,y_n]^T，y_i是y的第i个元素,查询点是在图像X中边界上的超像素；(4a3)假设超像素的显著性值为f＝[f₁,f₂,...,f_i,f_j,...,f_n]^T，f_i是第i个超像素对应的显著值,f_j是第j个超像素对应的显著性值；(4a4)给定一个结构图G＝(V,E)，其中V是结构图G里的像素点的集合，E是结构图G中V中任意两点之间边的集合，其中V中的点是数据集X的数据，每条边E有对应的权值，边E的权值w_ij由各个点之间的相似性决定：其中是x_i是X中第i个超像素特征向量，x_j是X中第j个超像素特征向量，σ是控制权值强度的一个常量，e是指数函数的底数；(4a5)由权值w_ij组成一个加权矩阵：W＝[w_ij]_n*n，根据该加权矩阵定义度矩阵：D＝diag{d₁₁,...,d_ii,d_jj,...,d_nn},其中d_ii是D的对角线上第i个元素，d_ii＝∑_jw_ij，d_jj是D的对角线上第j个元素，d_jj＝∑_iw_ji；(4a6)根据(4a1)‑(4a5)设置的参数计算平滑度项其中||.||²为二范数；(4a7)根据(4a1)‑(4a5)设置的参数计算适应度项其中||.||²为二范数；(4a8)根据(4a1)‑(4a7)设置的参数计算显著值f^*：其中μ是控制平滑度项和适应度项的平衡系数；(4a9)令式<1>的导数为零，则可得f^*＝(D‑αW)^‑1*y   <2>其中α是一个系数，(4b)将每个超像素块的显著值分配给它们各自的像素,得到显著图；(5)对显著图进行阈值处理得到阈值图YB，用YB分别对前一时刻的SAR图像G1和后一时刻的SAR图像G2进行点乘运算得到前一时刻的提取图B1和后一时刻的提取图B2，并对这两个提取图B1、B2进行对数比率计算，得到差异图ID；(6)用模糊局部信息C均值聚类方法FLICM对差异图ID进行聚类，得到待检测SAR图像的变化图。