基于人工免疫多目标聚类的SAR图像变化检测方法

摘要

本发明公开了一种基于人工免疫多目标聚类的SAR图像变化检测方法，主要解决SAR图像变化检测结果准确率及效率低的问题。其实现步骤是：(1)读入两时相SAR图像；(2)对两时相SAR图像构造差异图；(3)对差异图进行基于灰度值的自适应免疫多目标聚类，将其分为变化类、非变化类与待识别类；(4)对待识别类进行基于非下采样小波变换的免疫克隆多目标聚类，得到待识别类的一组聚类中心；(5)根据一组聚类中心对待识别类进行最小距离分类，得到一组变化检测结果图；(6)计算变化检测结果图的目标函数值；(7)根据目标函数值选出最小的目标函数值；(8)将最小的目标函数值所对应的变化检测结果图作为最终的检测结果。本发明方法具有检测效率高及检测精度高的优点。

主权项

一种基于人工免疫多目标聚类的SAR图像变化检测方法，包括如下步骤：(1)读入已配准和已校正的两幅不同时间同一地点的SAR图像和(2)根据这两幅SAR图像和构造差异图D：$D=\frac{\underset{x\in N\left(x\right)}{\Sigma }min(I_{t_1}\left(x\right),I_{t_2}\left(x\right))}{\underset{x\in N\left(x\right)}{\Sigma }max(I_{t_1}\left(x\right),I_{t_2}\left(x\right))},$其中，N(x)表示像素点x周围的一个邻域像素集，是SAR图像中像素点x的灰度值，是SAR图像中像素点x的灰度值；(3)对差异图D进行基于灰度值的自适应免疫多目标聚类，自适应地将差异图D分为变化类B、非变化类F与待识别类S；(4)对待识别类S进行基于非下采样小波变换的免疫克隆多目标聚类，得到待识别类S的一组聚类中心E；(5)根据一组聚类中心E对待识别类S进行最小距离分类，得到一组变化检测结果图G，G＝{g′_l,l＝1,...,a}，a是变化检测结果图G的总个数，g′_l是变化检测结果图G中的第l幅变化检测结果图；(6)根据变化检测结果图G＝{g′_l,l＝1,...,a}，计算目标函数值F，F＝{f′_l,l＝1,...,a}，f′_l是第l幅变化检测结果图g′_l的目标函数值，表示为：${f_l}^{\prime }=\underset{r=0}{\overset{1}{\Sigma }}\frac{N_r}{M\times N}\underset{(i,j)\in R_r}{\Sigma }{\left(D\right(i,j)-{\mu }_r)}^2,$其中，M×N是第l幅变化检测结果图g'_l的图像大小，D(i,j)是差异图D中第i行第j列的像素点的灰度值，r＝0,1，当r＝0时，N_r是第l幅变化检测结果图g'_l中非变化类像素点的总个数，R_r是第l幅变化检测结果图g′_l中非变化类像素点的集合，μ_r是第l幅变化检测结果图g′_l中非变化类像素点的灰度均值，当r＝1时，N_r是第l幅变化检测结果图g'_l中变化类像素点的总个数，R_r是第l幅变化检测结果图g'_l中变化类像素点的集合，μ_r是第l幅变化检测结果图g′_l中变化类像素点的灰度均值；(7)根据目标函数值F＝{f′_l,l＝1,...,a}，选出最小的目标函数值f′_z，将最小的目标函数值f′_z所对应的第z幅变化检测结果图g'_z作为最终的检测结果。