小波域極化距離變換的極化sar圖像變化檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于極化SAR圖像處理技術(shù)領(lǐng)域，特別是涉及一種小波域極化距離變換的 極化SAR圖像變化檢測(cè)方法。
【背景技術(shù)】
[0002] 近年來，隨著極化合成孔徑雷達(dá)（Polari metric Synthetic Aperture Radar， PolSAR)數(shù)據(jù)獲取途徑的逐漸增多，相比單極化SAR圖像而言，全極化SAR圖像所包含的信 息量更大，從而為更加準(zhǔn)確地揭示目標(biāo)的散射機(jī)理，以及后期對(duì)目標(biāo)的分解、分類和檢測(cè)提 供了更有力的數(shù)據(jù)支持，為變化檢測(cè)技術(shù)在土地利用、水域檢測(cè)和災(zāi)難監(jiān)測(cè)等方面提供了 更為廣泛的應(yīng)用。
[0003] 變化檢測(cè)方法可以分為兩類：有監(jiān)督變化檢測(cè)和無監(jiān)督變化檢測(cè)。其中有監(jiān)督變 化檢測(cè)方法中比較典型的方法主要包括分類比較法、支持向量機(jī)方法、模糊神經(jīng)網(wǎng)絡(luò)方法 等。無監(jiān)督變化檢測(cè)方法中比較典型的方法主要包括差值法、比值法、比值對(duì)數(shù)法、圖像回 歸法、向量索引變化法、變化向量分析法等。一般情況下，變化檢測(cè)的結(jié)果多為全場(chǎng)景下的 所有變化區(qū)域，即所有像素點(diǎn)的變化。但在SAR圖像的某些應(yīng)用領(lǐng)域中，通常根據(jù)需要，只 針對(duì)某一類地物的變化進(jìn)行檢測(cè)分析，例如對(duì)水體類區(qū)域的變化進(jìn)行檢測(cè)，用于洪澇災(zāi)害 的預(yù)防；對(duì)城區(qū)如房屋建筑類區(qū)域的變化進(jìn)行檢測(cè)，用于城市變迀的監(jiān)測(cè)或?yàn)?zāi)情的檢測(cè)與 評(píng)估。在這種情況下，一些傳統(tǒng)的變化檢測(cè)方法已不再適用。為了實(shí)現(xiàn)復(fù)雜場(chǎng)景下對(duì)某一 類地物的變化檢測(cè)，就需要將分類信息引用到檢測(cè)中，而國(guó)內(nèi)外現(xiàn)有的利用分類信息實(shí)現(xiàn) 變化檢測(cè)的經(jīng)典方法主要為分類后比較法：即對(duì)每幅圖像先進(jìn)行獨(dú)立分類，然后根據(jù)兩時(shí) 相圖像對(duì)應(yīng)像素點(diǎn)的類別差異來區(qū)分是否發(fā)生了變化，如果對(duì)應(yīng)像素點(diǎn)的類別相同，則認(rèn) 為該像素點(diǎn)并未發(fā)生變化，否則認(rèn)為該像素點(diǎn)發(fā)生了變化。該類方法雖然利用了分類信息， 但是仍然是針對(duì)全場(chǎng)景下的所有變化區(qū)域進(jìn)行檢測(cè)。

【發(fā)明內(nèi)容】

[0004] 為了解決上述問題，本發(fā)明的目的在于提供一種能夠較好地實(shí)現(xiàn)復(fù)雜場(chǎng)景下特定 地物類型的變化檢測(cè)，具有較強(qiáng)的魯棒性的小波域極化距離變換的極化SAR圖像變化檢測(cè) 方法。
[0005] 為了達(dá)到上述目的，本發(fā)明提供的小波域極化距離變換的變化檢測(cè)方法包括按順 序進(jìn)行的下列步驟：
[0006] 1)對(duì)A、B兩時(shí)相極化SAR圖像進(jìn)行預(yù)處理操作；
[0007] 2)提取感興趣目標(biāo)地物類型部分區(qū)域內(nèi)圖像的像素點(diǎn)作為訓(xùn)練樣本；
[0008] 3)將上述預(yù)處理后的兩時(shí)相極化SAR圖像分別同訓(xùn)練樣本作極化距離度量，得到 兩時(shí)相的極化距離；
[0009] 4)將上述得到的兩時(shí)相的極化距離進(jìn)行比值對(duì)數(shù)變換，得到差異圖像；
[0010] 5)對(duì)上述差異圖像進(jìn)行小波多尺度分解與融合；
[0011] 6)對(duì)上述融合后的差異圖像進(jìn)行雙閾值分割，提取出不變區(qū)域和兩種變化區(qū)域。
[0012] 在步驟1)中，所述的對(duì)A、B兩時(shí)相極化SAR圖像進(jìn)行預(yù)處理的方法為：對(duì)A、B兩 時(shí)相極化SAR圖像配準(zhǔn)后進(jìn)行相干斑抑制和去取向操作。
[0013] 在步驟2)中，所述的提取感興趣目標(biāo)地物類型部分區(qū)域內(nèi)圖像的像素點(diǎn)作為訓(xùn) 練樣本的方法是：人工選取A時(shí)相中目標(biāo)地物類型NXN區(qū)域內(nèi)的極化相干矩陣[T]3X3樣 本塊做算術(shù)平均而得到訓(xùn)練樣本Τ。。
[0014] 在步驟3)中，所述的將預(yù)處理后的兩時(shí)相極化SAR圖像分別同訓(xùn)練樣本作極 化距離度量，得到兩時(shí)相的極化距離的方法是：利用極化距離測(cè)度，分別計(jì)算出預(yù)處理后 的A、B兩時(shí)相極化SAR圖像中各像素點(diǎn)與訓(xùn)練樣本Τ。之間的極化距離A..,(7V,,，％)與 ，其中（i，j)表示圖像中的每一個(gè)像元。
[0015] 在步驟4)中，所述的將得到的兩時(shí)相的極化距離進(jìn)行比值對(duì)數(shù)變換，得到差異圖 像D (A，B)所采用的公式為：
[0017] 在步驟5)中，所述的對(duì)差異圖像進(jìn)行小波多尺度分解與融合的方法是：對(duì)差異圖 像D (A，B)進(jìn)行2維離散小波多尺度分解，并利用變化系數(shù)（CV)來確定最佳分解尺度M，將 圖像M層的低頻信息進(jìn)行融合重構(gòu)，得到重構(gòu)差異圖像"
[0018] 在步驟6)中，所述的對(duì)融合后的差異圖像進(jìn)行雙閾值分割的方法是：利用雙閾值 判別方法對(duì)上述重構(gòu)差異圖像D(兒F)進(jìn)行判別，得到兩幅以"0"表示不變像素點(diǎn)、" 1 "表 示變化像素點(diǎn)的二值圖像。
[0019] 本發(fā)明提供的小波域極化距離變換的極化SAR圖像變化檢測(cè)方法與現(xiàn)有技術(shù)相 比具有以下優(yōu)點(diǎn)：①能夠較好地實(shí)現(xiàn)復(fù)雜場(chǎng)景下特定地物類型的變化檢測(cè)；②能夠很好地 抑制斑點(diǎn)噪聲；③所定義的極化距離變換可以將變化區(qū)域分為兩類，對(duì)極化SAR圖像變化 檢測(cè)在城市變迀或?yàn)?zāi)難監(jiān)測(cè)與估計(jì)等應(yīng)用中提供了更有利的支持。④具有良好的魯棒性。
【附圖說明】
[0020] 圖1為本發(fā)明提供的小波域極化距離變換的極化SAR圖像變化檢測(cè)方法流程圖。
[0021] 圖2(a)為2009年4月9日蘇州石湖地區(qū)的Pauli分解圖。
[0022] 圖2(b)為2010年6月15日蘇州石湖地區(qū)的Pauli分解圖。
[0023] 圖3(a)為2009年3月26日蘇州石湖地區(qū)的光學(xué)圖像。
[0024] 圖3(b)為2010年6月19日蘇州石湖地區(qū)的光學(xué)圖像。
[0025] 圖4(a)為A時(shí)相極化SAR圖像與目標(biāo)類型樣本T0的極化距離。
[0026] 圖4(b)為B時(shí)相極化SAR圖像與目標(biāo)類型樣本T。的極化距離。
[0027] 圖5為將兩個(gè)極化距離進(jìn)行比值對(duì)數(shù)變換得到的差異圖像D。
[0028] 圖6為差異圖像經(jīng)過小波多尺度分解和融合得到的重構(gòu)差異圖像乃(AB) β
[0029] 圖7(a)為對(duì)差異圖像D(A，B)進(jìn)行雙閾值分割后的變化區(qū)域D10
[0030] 圖7(b)為對(duì)差異圖像D (A，B)進(jìn)行雙閾值分割后的變化區(qū)域D2。
[0031] 圖8(a)為對(duì)差異圖像進(jìn)行雙閾值分割后的變化區(qū)域S1:。
[0032] 圖8(b)為對(duì)差異圖像萬UJ?)進(jìn)行雙閾值分割后的變化區(qū)域鳥。
【具體實(shí)施方式】
[0033] 下面參照附圖和具體實(shí)施例對(duì)本發(fā)明提供的小波域極化距離變換的極化SAR圖 像變化檢測(cè)方法進(jìn)行詳細(xì)說明。
[0034] 如圖1所示，本發(fā)明提供的小波域極化距離變換的極化SAR圖像變化檢測(cè)方法包 括按順序進(jìn)行的下列步驟：
[0035] 1)對(duì)A、B兩時(shí)相極化SAR圖像進(jìn)行預(yù)處理操作；
[0036] 由于極化SAR圖像的固有相干斑噪聲會(huì)對(duì)變化檢測(cè)結(jié)果造成影響，故需要對(duì)A、B 兩時(shí)相極化SAR圖像配準(zhǔn)后進(jìn)行相干斑抑制和去取向操作。
[0037] 2)提取感興趣目標(biāo)地物類型部分區(qū)域內(nèi)圖像的像素點(diǎn)作為訓(xùn)練樣本；
[0038] 利用2009年4月9日和2010年6月15日，Radarsat-2在蘇州區(qū)域獲取的雷達(dá)圖 像進(jìn)行試驗(yàn)。如圖2、圖3所示。人工選取A時(shí)相中目標(biāo)地物類型的極化相干矩陣[T]3X3作 為訓(xùn)練樣本Τ。，本發(fā)明為了降低個(gè)別樣本點(diǎn)對(duì)實(shí)驗(yàn)結(jié)果的影響，故選擇目標(biāo)地物類型NXN 區(qū)域內(nèi)的極化相干矩陣[Τ]3Χ3樣本塊做算術(shù)平均，BP
[0039] 3)將上述預(yù)處理后的兩時(shí)相極化SAR圖像分別同訓(xùn)練樣本作極化距離度量，得到 兩時(shí)相的極化距離；
[0040] 分別利用下面的式（2)計(jì)算出上述預(yù)處理后的Α、Β兩時(shí)相極化SAR圖像中各像素 點(diǎn)與訓(xùn)練樣本Τ。之間的極化距離：
[0042] 其中，& ,為預(yù)處理后的A時(shí)相或者B時(shí)相圖像中第（i，j)個(gè)像素點(diǎn)的極化相干 矩陣，T。為訓(xùn)練樣本，全極化數(shù)據(jù)中，q的值為3。
[0043] 4)將上述得到的兩時(shí)相的極化距離進(jìn)行比值對(duì)數(shù)變換，得到差異圖像；
[0044] 將A時(shí)相的極化距離A../(八，忍）與B時(shí)相的極化距離進(jìn)行相比運(yùn) 算，然后兩邊取對(duì)數(shù)，得到差異圖像，即：
[0046] 當(dāng)D1, j (A，B) = 0時(shí)，理論上分為以下幾種情況：
[0048] 其中Φ ( ·)表示極化SAR圖像中對(duì)應(yīng)像素點(diǎn)所屬的地物類別。上述三種情況均 表示A、B兩時(shí)相極化SAR圖像對(duì)應(yīng)像素點(diǎn)未發(fā)生變化。為了避免Dli ,(A，B)出現(xiàn)奇異值的 情況，當(dāng)從,^4,>·^、A./及，·〇為零時(shí)，以該像素點(diǎn)為中心，將自適應(yīng)大小窗口內(nèi)的像素 點(diǎn)均值作為