结合半高斯模型与高斯模型的SAR影像变化检测方法

摘要

一种结合半高斯模型与高斯模型的SAR影像变化检测方法，适用于图像处理领域。其步骤为：1利用两时相SAR影像生成差值影像；2使用半高斯模型估计差值影像中未变化类似然概率密度分布；3使用高斯模型估计差值影像中变化类似然概率密度分布；4根据估计的未变化类和变化类似然概率密度分布，计算满足Kittler–Illingworth最小错误率准则的阈值；5对差值影像进行阈值分割，生成变化检测结果图。有效估计差值影像中未变化类和变化类的似然概率密度分布，分割阈值计算合理，有效提高变化检测的精度，对SAR影像的变化检测效果好。

主权项

一种结合半高斯模型与高斯模型的SAR影像变化检测方法，包括如下步骤：(1)获取覆盖同一地理区域经过配准和几何校正的两幅不同时相SAR影像I1和影像I2；(2)对影像I1和影像I2，应用差值算子生成差值影像DI；(3)根据影像I1和影像I2的灰度级确定阈值的值域Ω；(4)从阈值值域Ω内任意选取一个阈值T将差值影像DI分割为未变化类ω_u和变化类ω_c；(5)统计差值影像DI中属于未变化类ω_u的像元数量N_u，以及属于变化类ω_c的像元数量N_c，利用统计出来的未变化类像元数量N_u和变化类像元数量N_c分别计算差值影像DI中未变化类ω_u的先验概率p(ω_u)和变化类ω_c的先验概率p(ω_c)；(6)使用半高斯模型估计差值影像DI中未变化类ω_u的似然概率密度分布，利用似然概率密度分布计算灰度值x在未变化类ω_u中出现的似然概率密度函数p(x|ω_u)；(7)利用高斯模型估计变化类ω_c的似然概率密度分布，计算得到灰度值x在变化类ω_c中出现的似然概率密度函数p(x|ω_c)；(8)利用贝叶斯决策理论计算灰度值x属于未变化类ω_u和变化类ω_c的后验概率p(ω_u|x)和p(ω_c|x)；(9)根据Kittler–Illingworth准则计算使用阈值T分割差值影像DI时的错误率J(T)；(10)重复步骤(4)‑(9)，计算阈值值域Ω内所有可能阈值对应的错误率，排序求得错误率最小的阈值T₀；(11)使用满足Kittler–Illingworth最小错误率准则的阈值T₀进行阈值分割生成变化检测结果图。