基于混合策略博弈的SAR图像变化检测方法

摘要

本发明公开了一种基于混合策略博弈的SAR图像变化检测方法，解决已有进化算法在求解SAR图像变化检测时人为因素导致的变化检测准确率低的问题。该方法包括：1)读入两幅已校正配准的两时相SAR图像；2)采用小波变换融合策略构造差异图；3)根据差异图灰度值初始种群，初始策略概率矩阵；4)对种群中每个抗体计算博弈参与人的收益值；5)根据收益值选取每个博弈参与人较优的抗体组成新的抗体群；6)对新的抗体群进行局部博弈，得到局部博弈后种群；7)更新策略概率矩阵；8)重复步骤4)至步骤7)直到满足终止条件，输出最终的变化检测结果。本发明降低了已有进化算法中人为因素造成的误差，提高了SAR图像变化检测的精度，利于提取获得SAR图像变化细节信息。

主权项

基于混合策略博弈的SAR图像变化检测方法，其特征在于包括如下步骤：1)读入两幅用几何校正法配准后的不同时刻同一地点的SAR图像It1和SAR图像It2；2)用均值比值法构造SAR图像It1和SAR图像It2的差异图D₁，用对数比值法构造SAR图像It1和SAR图像It2的差异图D₂，利用小波变换对所述的差异图D₁和所述的差异图D₂进行融合，得到融合后差异图D；3)根据融合后差异图D随机初始博弈种群P，并初始全局策略概率矩阵w，迭代次数t＝1，最大迭代次数g_max，定义全局博弈策略空间S=(合作，不合作)；其中，博弈种群P是由n个抗体p_n组成，每个抗体是以融合后差异图D的灰度值组成的聚类中心p_n＝{p_ni,i＝1,...,k}，p_ni为第i类的聚类中心，k为融合后差异图D的类别数；4)根据博弈种群P计算每个抗体p_n的模糊目标函数f₁，将模糊目标函数f₁看作是博弈参与人1；根据博弈种群P计算每个抗体p_n的致密分离有效性目标函数f₂，将致密分离有效性目标函数f₂看作是博弈参与人2：$f_1=\underset{j=1}{\overset{N}{\Sigma }}\underset{i=1}{\overset{k}{\Sigma }}{\mu }_{\mathrm{ij}}^2{\left|\right|v_j-p_{\mathrm{ni}}\left|\right|}^2,$$f_2=\frac{\sigma }{N}\times \frac{1}{d_{\min }},$其中，v_j表示融合后差异图D中第j个像素点的灰度值，μi_j表示融合后差异图D中第j个像素点的灰度值v_j与第i类的聚类中心p_ni之间的模糊隶属度，i＝1,...,k，是融合后差异图D的整体方差，||v_j‑p_ni||²是聚类中心p_ni与灰度值v_j的差值平方，d_min＝min||p_ni‑p_nc||²是第i类的聚类中心向量与第c类的聚类中心间的距离，i,c＝1,...,k且i≠c；5）根据模糊目标函数f₁和致密分离有效性目标函数f₂，分别计算博弈参与人1在全局博弈策略空间S下的收益值F₁和博弈参与人2在全局博弈策略空间S下的收益值F₂；$F_r=\underset{l=1}{\overset{m}{\Sigma }}{w}_{\mathrm{rl}}{g}_l$其中，m表示全局博弈策略空间S中策略的个数，当l=1时，表示第r个博弈参与人选择合作策略，当r=2时，表示第r个参与人选择不合作策略；F_r表示第r个博弈参与人的收益值，w_rl是第r个博弈参与人选择第l个策略的概率；g表示博弈参与人的函数值，g＝[f₁,f₂]，当l=1时，g_l表示取博弈参与人1的值，当l=2时，g_l表示取博弈参与人2的值；6）根据博弈参与人1的收益值F₁，选取博弈种群P中相对博弈参与人1较优的抗体组成抗体群P₁；根据博弈参与人2的收益值F₂选取博弈种群P中相对博弈参与人2较优的抗体组成抗体群P₂，并将抗体群P₁和抗体群P₂组成新的抗体群Pf；在博弈参与人1和博弈参与人2选择较优的抗体时，根据博弈参与人1的收益值F₁选出收益值较大的n2个抗体组成抗体群P₁；根据弈参与人2的收益值F₂选出收益值较大的n2个抗体组成抗体群P₂；7）由新的抗体群Pf，对每个抗体Pf_n分别进行局部博弈，得到博弈后种群Px；8）判断循环次数t是否达到了最高迭代次数g_max，如果满足t＞g_max则输出博弈后种群Px，执行步骤9)，否则，令t＝t+1，将博弈后种群Px替换博弈种群P，更新全局策略概率矩阵w，返回步骤(4)，进行下一次迭代；在更新全局策略概率矩阵w时，采用随机叠加的方法，即一次整体博弈结束时，根据随机概率p_w对全局策略概率矩阵w更新；当p_w≥pr时，$w=w+\left[\begin{array}{cc}0.05& -0.05\\ -0.05& 0.05\end{array}\right],$当p_w＜pr时，$w=w-\left[\begin{array}{cc}0.05& -0.05\\ -0.05& 0.05\end{array}\right],$直到全局策略概率矩阵w变为$w=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$或$w=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right],$或达到最大循环次数g_max则停止迭代，其中，pr为0～1之间随机初始的值；9）由输出的博弈后种群Px，随机选取一个抗体Px_n，并用最小欧氏距离法对差异图D分类，从而得到变化检测结果图。