基于邻域聚类核的SAR图像变化检测方法

摘要

本发明公开了一种基于邻域聚类核的SAR图像变化检测方法，主要解决现有差值合成核不能利用无标签样本信息而导致检测精度低下的问题。其实现步骤是：(1)提取两时像图像的强度特征和纹理特征；(2)手动选取标签训练样本和无标签训练样本；(3)利用标签训练样本构造差值合成核；(4)利用无标签训练样本信息修正上述差值合成核，得到邻域聚类核；(5)将邻域聚类核输入支撑矢量机中进行训练，得到支撑矢量分类器；(6)将标签训练样本和所有像素点构成的邻域聚类核输入到支撑矢量分类器中测试，得到最终变化检测结果。本发明与差值合成核方法相比，具有检测精度高，对SAR图像抗斑点噪声性能好的优点，可用于SAR图像变化检测。

主权项

1.一种基于邻域聚类核的SAR图像变化检测方法，包括：A训练步骤：A1)对原始两时相SAR图像X_i，提取其强度特征和纹理特征，i=1，2；A2)对两时相图像的强度特征和纹理特征分别进行归一化，得到归一化后的两时相图像的强度特征和纹理特征A3)将归一化后的两时相图像的强度特征和纹理特征进行联合，构成两时相图像特征T_i(p，q)；A4)对原始两时相SAR图像X_i手动提取M个两时相标签训练样本和Q个两时相无标签训练样本，其中，0<M≤100，0<Q≤1000；A5)将M个两时相标签训练样本用步骤A2)得到的强度特征和纹理特征进行表示，得到两时相标签训练样本的特征x_ij，其中，1≤j≤M；A6)将所有的(M+Q)个两时相训练样本用步骤A2)得到的强度特征和纹理特征进行表示，得到所有两时相训练样本的特征z_il，其中1≤l≤(M+Q)；A7)利用两时相标签训练样本的特征x_ij，构造差值合成核K_S(x_j，x_k)，其中，x_j表示标签训练样本(p_j，q_j)处的差特征，x_k表示标签训练样本(p_k，q_k)处的差特征，1≤j，k≤M；A8)利用所有两时相训练样本的特征z_il，构造差值合成核K_D(z_l，z_r)，其中，z_l表示训练样本(p_l，q_l)处的差特征，z_r表示训练样本(p_r，q_r)处的差特征，1≤l，r≤(M+Q)；A9)利用差值合成核K_S(x_j，x_k)和差值合成核K_D(z_l，z_r)，构造邻域聚类核K_CN(x_j，x_k)；A10)将邻域聚类核K_CN(x_j，x_k)输入到支撑矢量机SVM中，对SVM进行训练，得到支撑矢量分类器SVC；B测试步骤：B1)利用两时相图像特征T_i(p，q)和两时相标签训练样本的特征x_ij，构造差值合成核K_M(x_j，T(p，q))，其中x_j表示标签训练样本(p_j，q_j)处的差特征，1≤j≤M，T(p，q)为像素点(p，q)处的差特征；B2)利用差值合成核K_M(x_j，T(p，q))，构造邻域聚类核K_CN(x_j，T(p，q))；B3)将步骤B2)得到的邻域聚类核K_CN(x_i，T(p，q))输入到步骤A10)得到的支撑矢量分类器SVC中，对SVC进行测试，得到最终的变化检测结果图。