基于先验和融合灰度与纹理特征的SAR图像变化检测方法

摘要

本发明公开了一种基于先验和融合灰度与纹理特征的SAR图像变化检测方法，主要解决用高斯模型不能完全拟合差异图的分布及只利用SAR图像的像素灰度信息所导致的变化检测准确率低的问题。其实现步骤是：(1)读入两幅已配准、已校正的两时相SAR图像；(2)对两幅图像采用小波融合策略构造差异图；(3)对差异图求类别的先验概率；(4)融合差异图的灰度与纹理信息求得观测量似然概率；(5)由类别先验概率与观测量似然概率计算后验概率；(6)由最大后验概率准则将差异图分为变化类与非变化类；(7)重复步骤(3)到步骤(6)直到满足终止条件，输出最终的变化检测结果。本发明方法具有对SAR图像变化检测精度高的优点，可用于提取和获得SAR图像的变化细节信息。

主权项

一种基于先验和融合灰度与纹理特征的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I₁和I₂；(2)用均值比值法构造这两幅SAR图像I₁和I₂的差异图D₁，用对数比值法构造这两幅SAR图像I₁和I₂的差异图D₂，利用小波变换对所述差异图D₁和所述差异图D₂进行融合，得到融合后差异图D，并初始化迭代次数t＝1；(3)对融合后差异图D分别求类别先验概率P(x)和观测量似然概率P(y)，其中求观测量似然概率P(y)的步骤如下：3.1)根据融合后差异图D进行非下采样小波变换，求取融合后差异图D的纹理特征矩阵G；3.2)根据纹理特征矩阵G求取融合后差异图D的特征模糊隶属度矩阵U₁，U₁＝{u_ab,a＝1,...,k,b＝1,...,S}，k为融合后差异图D的分类类别数，S是融合后差异图D的总像素点个数，u_ab是像素点b隶属于第a类的特征模糊隶属度，同时由融合后差异图D中像素点的灰度值求取灰度模糊隶属度矩阵U₂，U₂＝{u_rh,r＝1,...,k,h＝1,...,S}，k为融合后差异图D的分类类别数，u_rh是像素点h隶属于第r类的灰度模糊隶属度；3.3)根据特征模糊隶属度矩阵U₁和灰度模糊隶属度矩阵U₂，得到观测量的似然概率P(y)为：$P\left(y\right)=\left\{\begin{array}{ccc}max(U_1,U_2),& if& k=1\\ min(U_1,U_2),& if& k=2\end{array}\right.$其中，k是融合后差异图D的分类数，y是融合灰度与纹理信息的观测场；(4)根据类别先验概率P(x)和观测量似然概率P(y)，利用贝叶斯公式和独立分布原理求取融合后差异图D的后验概率P(x|y)为：P(x|y)＝P(y|x)P(x)                       ，＝P(y)P(x)其中，P(y|x)是条件概率，x是初始分类结果图，y是融合灰度与纹理信息的观测场，并且初始分类结果图x和融合灰度与纹理信息的观测场y是相互独立的；(5)根据差异图D的后验概率P(x|y)和MAP准则，得到变化检测结果图为：$\begin{array}{c}\hat{x}=\mathrm{argmax}P\left(x\right|y)\\ =\arg \max \left\{P\left(x\right)P\left(y\right)\right\}\end{array},$(6)判断循环次数t是否达到了最高迭代次数g_max，如果满足t>g_max则输出最终的变化检测结果图否则，令t＝t+1，返回步骤(3)，进行下一次迭代。