基于单边广义高斯模型的SAR图像变化检测阈值方法

摘要

本发明公开一种基于单边广义高斯模型的SAR图像变化检测阈值方法，属于SAR图像变化检测领域。其实现过程为：首先对两幅不同时间相同地域的SAR图像构造差异图，求出差异图像的直方图，接着利用单边广义高斯模型求出其无变化区域直方图概率分布函数，利用高斯模型求出其变化区域直方图概率分布函数，通过最大后验概率方法自动确定阈值，再通过该阈值生成变化检测结果图，最终检测出两幅SAR图像中变化区域。本发明利用新构造模型对阈值产生区域直方图曲线进行拟合，提高了最终阈值精度，避免了曲线拟合不精确导致的阈值偏差，使SAR图像变化检测结果的性能最佳。

主权项

1.一种基于单边广义高斯模型的SAR图像变化检测阈值方法，其特征在于：首先对两幅不同时间、相同地域的SAR图像构造差异图，然后求出差异图像的直方图，接着利用单边广义高斯模型求出其无变化区域的直方图概率分布函数，再利用高斯模型求出其变化区域的直方图概率分布函数，最后通过最大后验概率方法自动确定阈值，再通过该阈值生成变化检测结果图，完成对两幅SAR图像中变化区域的最终检测，其具体实现步骤如下：(1)对两幅不同时间相同地域的SAR图像I₁，I₂构造差异图像；遍历差异图像的每个像素，记录图像上每个灰度级出现的频率值，求出该差异图像的直方图h(z)，z∈[0，255]为灰度级范围，在直方图上确定可能产生阈值的灰度级区域为m_n_low和m_n_up之间的区域，则m_n_low和m_n_up之间的区域为阈值产生区域，该区域的上限为m_n_up，下限为m_n_low；(2)令阈值T_i＝m_n_low，i＝1；(3)构造单边广义高斯模型p(x)＝aexp{-[b|X-(m_n-c)|]^β}构造该模型相对应的参数估计方法，求出阈值T_i下的无变化区域直方图曲线的概率分布函数p_nosgg(z|T_i)，其中参数σ是方差参数，β是形状控制参数，m_n是均值参数，c是单边平移参数，X为直方图灰度级，Γ(·)为Gamma函数，其表达式为$\Gamma \left(Z\right)=\underset{0}{\overset{\infty }{\int }}{e}^{-t}{t}^{z-1}\mathrm{dt},$z为直方图灰度级；(4)利用准则函数计算在阈值T_i下无变化区域直方图概率分布函数p_nosgg(z|T_i)所对应的曲线拟合误差；(5)令T_i+1＝T_i+1，i＝i+1，如果T_i+1≤m_n_up，转步骤(4)，否则转步骤(7)；(6)令阈值产生区域中拟合误差最小的阈值为初始阈值T_c，同时确定无变化区域直方图曲线的概率分布函数；(7)利用高斯模型与期望最大化EM参数估计方法，求出变化区域直方图曲线的概率分布函数；(8)根据最大后验概率方法确定最终阈值，并通过该阈值构造变化检测结果图。