基于极化相似因子的微弱变化检测方法

摘要

本发明公开了一种基于极化相似因子的微弱变化检测方法，所述的方法包括：先获得极化图像通道间的复相关系数，用于提取图像通道间的特征信息；然后从极化图像通道间的复相关系数的直方图中提取极化相似因子，用于检测图像之间的微弱变化。本发明采用多极化微波设备获取兴趣目标的多维度数据，提取数据中的多极化信息，通过分析处理得到目标的微弱变化检测结果。本发明增强了目标的微弱变化检测性能和准确率，提高了检测速率。

主权项

一种基于极化相似因子的微弱变化检测方法，其特征在于：所述的方法包括以下步骤：(1)利用微波传感器获取极化图像HH通道和VV通道的数据矩阵S_HH、S_VV，设定极化图像长×宽为H×W，则矩阵S_HH、S_VV各有H×W个元素，由此计算出此极化图像通道间的复相关系数γ，计算公式为：$\gamma =\frac{\left|R\right|}{\sqrt{{\sigma }_{HH}{\sigma }_{VV}}}$其中，${\sigma }_{HH}=\frac{1}{N}\underset{k=1}{\overset{N}{\Sigma }}{\left|S_{{\mathrm{HH}}_k}\right|}^2,{\sigma }_{VV}=\frac{1}{N}\underset{k=1}{\overset{N}{\Sigma }}{\left|S_{{\mathrm{VV}}_k}\right|}^2,R=\frac{1}{N}\underset{k=1}{\overset{N}{\Sigma }}{S}_{{\mathrm{HH}}_k}{S}_{{\mathrm{VV}}_k}^{*}$式中，N＝H×W，为矩阵S_HH的第k个元素，为矩阵S_VV的第k个元素，为的伴随矩阵；(2)对于同一地点不同时间获得的两幅多极化微波遥感图像对A和B，运用步骤(1)所述的公式分别计算出两幅图像对A和B各自的HH通道和VV通道间的复相关系数γ_A和γ_B；(3)计算极化相似因子在图像对A和B中设置一个兴趣像素点P，然后以该兴趣像素点P为中心放置一个n×n的滑窗，根据以下公式计算图像对A和B的兴趣像素点P的极化相似因子SF(A,B)_P：$\begin{array}{c}SF{(A,B)}_P=H{\left(A\right)}_P+H{\left(B\right)}_P-H{(A,B)}_P\\ =\frac{1}{N}\Sigma h_{{\mathrm{AB}}_P}({\gamma }_A,{\gamma }_B)\log \frac{h_{{\mathrm{AB}}_P}({\gamma }_A,{\gamma }_B)N}{h_{A_P}\left({\gamma }_A\right)h_{B_P}\left({\gamma }_B\right)}\end{array}$其中，$H{\left(A\right)}_P=-\frac{1}{N}{\mathrm{\Sigma h}}_{A_P}\left({\gamma }_A\right)log\frac{h_{A_P}\left({\gamma }_A\right)}{N}$$H{\left(B\right)}_P=-\frac{1}{N}{\mathrm{\Sigma h}}_{B_P}\left({\gamma }_B\right)log\frac{h_{B_P}\left({\gamma }_B\right)}{N}$式中，γ_A，γ_B是两幅极化图像对应的通道间的复相关系数，和是对应滑窗内通道间的复相关系数的直方图，N＝n×n是滑窗的直方图中像素的个数；$H{(A,B)}_P=-\frac{1}{N}{\mathrm{\Sigma h}}_{{\mathrm{AB}}_P}({\gamma }_A,{\gamma }_B)log\frac{h_{{\mathrm{AB}}_P}({\gamma }_A,{\gamma }_B)}{N}$式中，是对应滑窗内通道间的复相关系数的联合直方图，N＝n×n是滑窗的联合直方图中像素的个数；(4)获取极化相似因子矩阵重新选择一个兴趣像素点Q，同时以该兴趣像素点Q为中心移动滑窗，计算新的滑窗里的极化相似因子SF(A,B)_Q，再次重选新的兴趣像素点和计算新的滑窗里的极化相似因子，直到选择的兴趣像素点遍历完所有的像素点，获得所有H×W个兴趣像素点的极化相似因子，组成一个H×W的极化相似因子矩阵；(5)采用自适应门限获取方法设定门限，步骤(4)中所述的极化相似因子矩阵低于门限的部分为检测出的变化区域；通过以上所述的步骤，即可提取出两幅极化图像之间的极化相似因子，从而得到变化检测结果。