结合多阈值分割与模糊聚类的SAR图像变化检测方法

摘要

本发明公开了一种结合多阈值分割与模糊聚类的SAR图像变化检测方法，主要针对已有模糊聚类算法的不足，把多阈值分割与模糊聚类结合起来，用于SAR图像变化检测。其实现步骤是：(1)对两幅SAR图像进行中值滤波；(2)计算得到归一化后的对数比差异图像；(3)采用基于标准粒子群优化的大津法对归一化后的对数比差异图像进行多阈值分割；(4)初始化隶属度矩阵U0和U1；(5)采用FLICM算法对多阈值分割后属于不能确定是否发生了变化的像素进行模糊聚类；(6)去模糊；(7)输出变化检测结果。本发明把多阀值分割和模糊聚类结合起来用于SAR图像变化检测，降低了变化检测时间，并提高了变化检测的精度。

主权项

一种结合多阈值分割与模糊聚类的SAR图像变化检测方法，包括如下步骤：(1)中值滤波选取常用的3×3中值滤波器对两幅待检测的SAR图像进行预处理，得到中值滤波后的两幅图像；(2)求出归一化后的对数比差异图像2a)采用对数比差异公式，由中值滤波后的两幅图像，求出对数比差异图像；2b)采用归一化公式对对数比差异图像进行归一化处理后得到归一化后的对数比差异图像；(3)多阈值分割采用基于标准粒子群优化的大津法，对归一化后的对数比差异图像进行多阈值分割，分割后图像中的像素被分成三类：没有发生变化的像素、发生了变化的像素和不能确定是否发生了变化的像素；(4)初始化隶属度矩阵4a)初始化隶属度矩阵U0，U0存储像素的隶属于非变化类的隶属度，隶属度用一个在区间[0，1]上取值的实数来表示，多阈值分割后属于没有发生变化的像素在U0中的隶属度取1，多阈值分割后属于发生了变化的像素在U0中的隶属度取0，多阈值分割后属于不能确定是否发生了变化的像素在U0中的隶属度则随机生成；4b)初始化隶属度矩阵U1，U1存储像素的隶属于变化类的隶属度，隶属度用一个在区间[0，1]上取值的实数来表示，多阈值分割后属于没有发生变化的像素在U1中的隶属度取0，多阈值分割后属于发生了变化的像素在U1中的隶属度取1，多阈值分割后属于不能确定是否发生了变化的像素在U1中的隶属度则等于1减去该像素在U0中的隶属度；(5)模糊聚类采用FLICM算法对多阈值分割后属于不能确定是否发生了变化的像素进行模糊聚类，迭代更新直至达到预定的终止条件，即迭代前后隶属度的最大改变量小于0.00001；(6)去模糊根据归一化后的对数比差异图像中每个像素的隶属于非变化类和变化类的隶属度值，将像素判归到隶属度值较大的那一类，从而把归一化后的对数比差异图像中所有的像素分成了两类：非变化类和变化类；(7)输出变化检测结果。