專利名稱：基于mrf迭代的sar圖像非監(jiān)督變化檢測(cè)方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種雷達(dá)圖像的非監(jiān)督變化檢測(cè)方法。
背景技術(shù)：
合成孔徑雷達(dá)SAR(Synthetic Aperture Radar)圖像變化檢測(cè)技術(shù)是基于機(jī)載或星載SAR獲取的不同時(shí)相圖像，檢測(cè)地表變化的一種技術(shù)。近年來，SAR圖像變化檢測(cè)技術(shù)成為國內(nèi)外研究熱點(diǎn)。光學(xué)數(shù)據(jù)受到氣候、覆蓋等因素的影響，并不能滿足所有變化檢測(cè)的需求。SAR作為一種主動(dòng)微波傳感器，具有全天候、全天時(shí)、強(qiáng)穿透的工作能力，利用SAR圖像進(jìn)行變化檢測(cè)具有重要意義。目前，SAR圖像變化檢測(cè)已經(jīng)在多個(gè)方面取得廣泛應(yīng)用，如土地利用分析、森林采伐監(jiān)測(cè)、災(zāi)情估計(jì)、軍事偵察、打擊效果評(píng)估等。 在變化檢測(cè)的處理技術(shù)方面，非監(jiān)督變化檢測(cè)問題是國內(nèi)外關(guān)注的重點(diǎn)。非監(jiān)督變化檢測(cè)不需要先驗(yàn)變化信息的支持，直接從配準(zhǔn)好的前后兩個(gè)時(shí)刻SAR圖像獲取變化信息。這樣處理的好處，一方面降低人為誤差的影響，另一方面符合實(shí)際應(yīng)用中先驗(yàn)變化信息缺失的現(xiàn)實(shí)情況。SAR圖像變化檢測(cè)的流程概括為三個(gè)步驟，分別是圖像預(yù)處理、差異圖獲取和差異圖分割。非監(jiān)督變化檢測(cè)方法的核心工作就是針對(duì)這三個(gè)步驟展開的。在預(yù)處理階段，圖像配準(zhǔn)和斑噪濾波是必不可少的。圖像配準(zhǔn)是變化檢測(cè)的前提，它保證前后兩幅圖像的像元尺寸、地理位置一致。配準(zhǔn)精度要求在I個(gè)像素以內(nèi)。斑噪濾波能夠有效抑制相干斑，提高圖像質(zhì)量。目前很多變化檢測(cè)算法直接針對(duì)配準(zhǔn)的圖像進(jìn)行處理，忽略了斑噪濾波，從而導(dǎo)致檢測(cè)效果不好，算法不穩(wěn)定。在差異圖獲取階段，針對(duì)不同數(shù)據(jù)源有不同的處理方法。比如，針對(duì)強(qiáng)度或幅度數(shù)據(jù)，常采用對(duì)數(shù)比值法獲取差異圖；針對(duì)單視復(fù)數(shù)據(jù)，常采用相干系數(shù)和相關(guān)系數(shù)獲取差異圖；針對(duì)多波段或多極化數(shù)據(jù)，常采用特征矢量的方式獲取差異圖。不同的差異圖獲取方法影響著差異圖分割技術(shù)的選擇。通常，差異圖包含變化和未變化兩類信息，服從混合分布模型。因此，從差異圖上進(jìn)行自動(dòng)閾值分割是獲取變化區(qū)域的常用方法。研究者將關(guān)注點(diǎn)集中在差異圖統(tǒng)計(jì)分布模型選擇和參數(shù)估計(jì)上，進(jìn)而在此基礎(chǔ)上選擇閾值分割算法，比如基于最小錯(cuò)誤準(zhǔn)則的閾值分割、K&I閾值分割、CFAR閾值分割和聚類分割等。這些分割算法都存在一個(gè)明顯的不足，那就是沒有考慮像素的鄰域特征，從而導(dǎo)致最終的分割效果仍然有限。因?yàn)?，如果一個(gè)像素標(biāo)記為變化或沒有變化的區(qū)域，那么它周圍的像素極有可能是同樣的標(biāo)記。因此，需要采用一種可以利用鄰域信息的技術(shù)提高變化檢測(cè)結(jié)果的可靠性與精確性。此外，現(xiàn)有技術(shù)的非監(jiān)督變化檢測(cè)方法在同時(shí)檢測(cè)圖像的變強(qiáng)和變?nèi)鯀^(qū)域、提高檢測(cè)精度和速度、實(shí)時(shí)處理等方面不能滿足實(shí)際應(yīng)用的要求。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有SAR圖像變化檢測(cè)技術(shù)無法滿足同時(shí)檢測(cè)變強(qiáng)和變?nèi)鯀^(qū)域、較高的檢測(cè)精度和速度以及實(shí)時(shí)處理等方面的需求的問題，提出了一種基于馬爾可夫隨機(jī)場(chǎng)MRF (Markov Random Field)迭代的SAR圖像非監(jiān)督變化檢測(cè)方法，方法中采用改進(jìn)的EM算法穩(wěn)健的估計(jì)差異圖混合分布模型統(tǒng)計(jì)參數(shù)，采用MRF模型定義像素間的依賴關(guān)系，并利用基于圖割的MRF分割產(chǎn)生更可靠更精確的圖像變化檢測(cè)結(jié)果；本發(fā)明方法充分考慮斑噪、圖像統(tǒng)計(jì)分布等因素，解決多類、高精度、快速穩(wěn)健的非監(jiān)督變化檢測(cè)的難題。一種基于MRF迭代的SAR圖像非監(jiān)督變化檢測(cè)方法，按如下的步驟進(jìn)行(I)獲取待檢測(cè)圖像并濾波首先輸入已配準(zhǔn)的&時(shí)刻的SAR圖像I1和t2時(shí)刻的SAR圖像12，并分別對(duì)I1和I2進(jìn)行斑噪濾波，其中，濾波算法采用均值法或Lee濾波算法；濾波矩形窗口大小設(shè)置為3X3、5X5或7X7中的任一個(gè)；所述濾波窗口的單位為像素；(2)計(jì)算對(duì)數(shù)比值差異圖將濾波后的圖像I1上的像素同位于濾波后圖像I2上的相應(yīng)位置的像素進(jìn)行對(duì)數(shù)比較，并生成對(duì)數(shù)比值差異圖，其中計(jì)算對(duì)數(shù)比值差異圖時(shí)所采
用的計(jì)算公式為:xd =·(3)采用改進(jìn)的EM算法估計(jì)差異圖混合分布模型統(tǒng)計(jì)參數(shù)；在高斯混合模型的條件下，采用改進(jìn)的EM算法迭代估計(jì)出差異圖的變強(qiáng)區(qū)域W1、變?nèi)鯀^(qū)域W2和未發(fā)生變化區(qū)域W3三類的統(tǒng)計(jì)分布參數(shù)和權(quán)重參數(shù)。具體為EM迭代的各類初始參數(shù)估計(jì)通過如下閾值獲得，保證檢測(cè)結(jié)果的正確收斂。假設(shè)對(duì)數(shù)比值差異圖的像素均值為m，標(biāo)準(zhǔn)差為S，在差異圖直方圖上設(shè)定兩個(gè)閾值T1和T2分別作為變?nèi)鹾妥儚?qiáng)區(qū)域的初始分割T1 = m-a · s ;(I)T2 = m+a · s ;(II)其中，a是控制系數(shù)，取值在Γ2之間，默認(rèn)為I。在高斯混合模型假設(shè)下，對(duì)數(shù)比值圖的概率密度函數(shù)表示為f(x I θ) =I 9f)(III)
/=1其中，g表示類別數(shù)，CI1,... %是每類密度函數(shù)的權(quán)重，且有=UfiUI Θ,)
=Ι
是每類的密度函數(shù)，幻=(2疋廣2 |Σ, I—1/2 expi-icT-^fE^Cr-^)) θ =(μ ) Ei)是密度模型參數(shù)。在閾值T1和T2下，各類的均值和方差計(jì)算公式如下M=丄 Σ(IV)
Ui k=i HSi =丄 J [(X,-A)2](V)其中，叫，i = 1,2,3表示各類的像素個(gè)數(shù)。 改進(jìn)的EM算法迭代步驟如下E步驟(t+Ι次迭代):
剛iT鳴光))=5取允))(V1)Σ4)他;《))
fc=l
M步驟(t+1次迭代)
權(quán)利要求
1.基于MRF迭代的SAR圖像非監(jiān)督變化檢測(cè)方法，其特征在于按如下步驟進(jìn)行 (1)獲取待檢測(cè)圖像并濾波首先輸入已配準(zhǔn)的h時(shí)刻的SAR圖像I1和t2時(shí)刻的SAR圖像I2，并分別對(duì)I1和I2進(jìn)行斑噪濾波處理，其中，濾波算法為均值法或Lee濾波算法； (2)計(jì)算對(duì)數(shù)比值差異圖對(duì)濾波后的圖像I1和濾波后的圖像I2按像素進(jìn)行對(duì)數(shù)比較，并生成對(duì)數(shù)比值差異圖； (3)采用改進(jìn)的EM算法估計(jì)差異圖混合分布模型統(tǒng)計(jì)參數(shù)；在高斯混合模型的條件下，采用改進(jìn)的EM算法迭代估計(jì)出差異圖的變強(qiáng)區(qū)域W1、變?nèi)鯀^(qū)域W2和未發(fā)生變化區(qū)域W3三類的統(tǒng)計(jì)分布參數(shù)和權(quán)重參數(shù)； (4)最大后驗(yàn)概率初始分割在最大后驗(yàn)概率準(zhǔn)則下，對(duì)差異圖上每個(gè)像素進(jìn)行類別劃分，歸類至變強(qiáng)區(qū)域W1、變?nèi)鯀^(qū)域W2和未發(fā)生變化區(qū)域W3 ； (5)基于圖割的MRF分割在前一步分割的基礎(chǔ)上，采用基于圖割的MRF分割算法提高變化檢測(cè)的精度； (6)在完成基于圖割的MRF分割后進(jìn)行圖像的收斂性判斷如果判斷為收斂，則得出變化檢測(cè)結(jié)果；反之，根據(jù)當(dāng)前分割結(jié)果重新估計(jì)各區(qū)域的統(tǒng)計(jì)分布參數(shù)，重復(fù)步驟(5)和(6)的操作，直到統(tǒng)計(jì)分布參數(shù)收斂； (7)將變化檢測(cè)結(jié)果輸出。
2.采用權(quán)利要求I所述基于MRF迭代的SAR圖像非監(jiān)督變化檢測(cè)方法的裝置，包括光纖鏈路輸入模塊(100)、DSP處理模塊(200)、SDRAM存儲(chǔ)器(300)、CPCI輸出模塊(400)、顯示終端(500)，其特征在于 所述的光纖鏈路輸入模塊(100)由光纖協(xié)議轉(zhuǎn)換模塊(101)、輸入端數(shù)據(jù)緩沖時(shí)序控制模塊(102)和DSP鏈路口協(xié)議模塊(103)組成，所述的光纖協(xié)議轉(zhuǎn)換模塊(101 )、輸入端數(shù)據(jù)緩沖時(shí)序控制模塊(102)和DSP鏈路口協(xié)議模塊(103)分別由FPGA的內(nèi)部單元實(shí)現(xiàn)；其中，所述的光纖鏈路輸入模塊(100)負(fù)責(zé)接收通過光纖傳輸過來的t2時(shí)刻的圖像數(shù)據(jù)，解譯協(xié)議并將高速串行數(shù)據(jù)轉(zhuǎn)化成并行數(shù)據(jù)，利用FPGA內(nèi)部的DPRAM實(shí)現(xiàn)數(shù)據(jù)緩沖，通過輸入端數(shù)據(jù)緩沖時(shí)序控制模塊(102)的時(shí)序控制和鏈路口協(xié)議將t2時(shí)刻的圖像數(shù)據(jù)經(jīng)DSP鏈路口協(xié)議模塊(103 )發(fā)送給DSP處理模塊(200 )，實(shí)現(xiàn)圖像數(shù)據(jù)的輸入； 所述的DSP處理模塊(200)，采用ADSP-TS201處理芯片，并通過鏈路口實(shí)現(xiàn)圖像數(shù)據(jù)的接收，此外通過其自帶的SDRAM控制器將從光纖鏈路輸入模塊(100)獲取的h、t2時(shí)刻的圖像數(shù)據(jù)存儲(chǔ)在SDRAM存儲(chǔ)器(300)中；DSP處理模塊(200)中運(yùn)行設(shè)定的算法程序，按照權(quán)利要求I所述的方法對(duì)存儲(chǔ)在SDRAM存儲(chǔ)器(300)中的圖像數(shù)據(jù)進(jìn)行處理，并將處理結(jié)果通過CPCI輸出模塊(400)顯示在顯示終端(500)上； CPCI輸出模塊(400 )由DSP總線接口( 401 )、輸出端數(shù)據(jù)緩沖時(shí)序控制模塊(402 )以及CPCI總線協(xié)議模塊(403)組成，所述的CPCI輸出模塊(400)由FPGA的內(nèi)部單元實(shí)現(xiàn)具體的功能，并采用IP核實(shí)現(xiàn)CPCI總線協(xié)議；所述的CPCI輸出模塊(400)接收自DSP處理模塊(200)發(fā)出的數(shù)據(jù)并通過CPCI總線傳遞給顯示終端(500)，實(shí)現(xiàn)處理結(jié)果的實(shí)時(shí)顯示。
全文摘要
針對(duì)現(xiàn)有SAR檢測(cè)技術(shù)檢測(cè)能力弱、檢測(cè)精度低和速度慢等不足，本發(fā)明提出了一種基于MRF迭代的SAR圖像非監(jiān)督變化檢測(cè)方法，采用改進(jìn)的EM算法穩(wěn)健的估計(jì)差異圖混合分布模型統(tǒng)計(jì)參數(shù)，采用MRF模型定義像素間的依賴關(guān)系，并利用基于圖割的MRF分割產(chǎn)生更可靠更精確的圖像變化檢測(cè)結(jié)果；本發(fā)明還提供基于上述方法的裝置，包括光纖鏈路輸入模塊、DSP處理模塊、SDRAM存儲(chǔ)器、CPCI輸出模塊和顯示終端；本發(fā)明有益的效果有解決了多類、高精度、快速穩(wěn)健的非監(jiān)督變化檢測(cè)的難題；本發(fā)明具備海量數(shù)據(jù)批量處理的工程應(yīng)用能力，滿足復(fù)雜條件下的圖像分析需求；本發(fā)明在處理精度和處理速度方面較傳統(tǒng)方法有顯著提高。
文檔編號(hào)G06T5/00GK102930532SQ201210367480
公開日2013年2月13日 申請(qǐng)日期2012年9月28日 優(yōu)先權(quán)日2012年9月28日
發(fā)明者吳濤, 竺紅偉, 陳曦, 牛蕾, 夏際金 申請(qǐng)人:中國電子科技集團(tuán)公司第三十八研究所