基于空间关联条件概率融合的多时相SAR图像变化检测方法

摘要

本发明公开了一种基于空间关联条件概率融合的多时相SAR图像变化检测方法，主要解决传统变化检测方法在保持变化区域的完整性时，伪变化区域较多的问题，具体实现步骤为：(1)对增强Lee滤波后的两时相SAR图像进行分割；(2)创建条件概率差异图并求得用于融合的空间关联条件概率；(3)利用空间关联条件概率融合两时相分割结果，得到融合差异图；(4)对融合差异图取阈值得到变化检测结果。本发明在较好地保证变化区域完整性的同时，减少了伪变化区的出现，提高了变化检测的精度，可用于多时相SAR图像的火灾、水灾等灾害的评估。

主权项

一种基于空间关联条件概率融合的两时相SAR图像变化检测方法，包括如下步骤：1)对输入的两时相图像分别采用两次增强Lee滤波，得到图像I1和I2；2)用Canny边缘算子分别计算两时相图像I1和I2的边缘，得到两幅Canny边缘图；3)计算两幅Canny边缘图中每个像素点与其周围每个边缘点的欧氏距离，选择每个像素与其周围边缘点的最小的距离作为该像素点的边缘距离值，得到两幅Canny边缘图中各点的边缘距离值；4)取图像I2的每一个灰度级作为一个阈值对图像I2分别二值化，得到与各灰度级对应的多幅二值图；计算每个二值图的边缘与图像I2的Canny边缘的匹配度m1(g2)/m2(g2)，其中，m1(g2)为LE2(g2)/BE2(g2)，BE2(g2)是与灰度级g2对应的二值图的边缘上的像素点数，LE2(g2)是二值图边缘与时相2图像I2的Canny边缘存在重叠的像素点数，m2(g2)是灰度级g2对应二值图的边缘上点在第二幅Canny边缘图中对应点的边缘距离值的和；选取匹配度最大的二值图作为图像I2的最优分割图IE2；5)取图像I1的每一个灰度级作为一个阈值对图像I1分别二值化，得到与各灰度级对应的多幅二值图；计算每个二值图的边缘与图像I1的Canny边缘的匹配度m3(g1)·m1(g1)/m2(g1)，其中，m1(g1)为LE1(g1)/BE1(g1)，BE1(g1)是与灰度级g1对应的二值图的边缘上的像素点数，LE1(g1)是二值图边缘与时相1图像I1的Canny边缘图中的边缘存在重叠的像素点数，m2(g1)是灰度级g1对应二值图边缘上点在第一幅Canny边缘图中对应点的边缘距离值的和，m3(g1)为第一时相图像I1灰度级g1对应的二值图的边缘与第二时相图像I2的最优分割图IE2边缘两者存在空间位置重叠的像素点数除以第二时相图像I2的最优分割图IE2边缘的像素点数的值；选取出匹配度最大的二值图作为图像I1的最优分割图IE1；6)取图像I1和I2中位于(i，j)处像素的灰度值v1和v2，组成灰度点对(v1，v2)，统计图像I1和I2中灰度点对(v1，v2)出现的概率P(v1，v2)及灰度值v1出现的概率P(v1)；7)构建一幅与图像I1和I2相同大小的M×N图像IP，对应I1和I2出现灰度点对(v1，v2)的位置处的IP的像素值赋为概率P(v1，v2)/P(v1)，得到空间关联条件概率图IP；8)统计空间关联条件概率图IP中每个像素点与图像I1和I2中相同位置像素的3×3邻域内各点的条件概率 P ( v P ( i , j ) , v ( s ) ) = sum h = 1,2 , · · · M , l = 1,2 , · · · N N h , l ( v P ( i , j ) , v ( s ) ) / ( M × N × 18 × P ( v ( s ) ) ) , 其中，vP(i，j)为IP中(i，j)处点的值，v(s)为图像I1和I2中(i，j)处点3×3邻域内18个点的值，Nh，l(vP(i，j)，v(s))为(vP(i，j)，v(s))在由IP中(h，l)处像素值与图像I1和I2中(h，l)处像素的3×3邻域内18个像素值组成的18组灰度对中出现的频数，P(v(s))为图像I1和I2中值v(s)出现的概率；9)依据步骤(8)图像I1和I2中(i，j)处3×3邻域内各点与IP中(i，j)处的点的条件概率，对应地将步骤(4)和步骤(5)中两时相图像的最优分割结果图IE1和IE2中(i，j)处3×3邻域内各点融合，得到融合后差异图(i，j)处的值，得到一幅融合差异图IF；10)利用Otsu阈值将步骤(9)所得融合差异图IF分为变化类与非变化类，得到变化检测结果。