SAR图像变化检测应用研究

发布时间：2020-07-20 12:16

【摘要】：由于合成孔径雷达(Synthetic Aperture Radar,SAR)传感器的全天时全天候特点,SAR图像变化检测成为人们评估灾害、监测环境的主要手段。变化检测主要对同一地理位置不同时期地物地貌变化有效监测。然而因受各种因素的影响,如果直接将光学图像处理方法应用到SAR图像变化检测中,检测结果会出现很大偏差,其中SAR数据固有的相干斑噪声(乘性噪声)一直是近年来众多学者关注的热点问题。现有算法虽然在特定数据集上能够得到较好的结果,但是适用性不强,当处理不同类型的数据,检测结果差异较大。尤其当检测具有多目标区域的SAR图像对时,单一的阈值不能够同时使不同的目标结果最优。因此,本文针对实际应用的需求,减少相干斑噪声的影响,找到适用性较强的变化检测方法,考虑了不同单极化多时相高分辨率SAR图像数据情况,开展了一系列的实验研究。首先,对数比是一种能够转换相干斑噪声为加性噪声简单有效方法,但是邻域信息考虑较少,因此提出加权对数比方法改进对数比方法,并且为了增强变化差异程度,利用了类似于核函数的方式。实验结果表明,加权对数比优于经典均值对数比检测方法。实验中发现,基于对数比的方法,在大多数情况下都有较好的检测结果,但是也有部分SAR图像数据检测不到主要变化区域,方法有很大的局限性。根据对数曲线特性,对数运算会加强低像素级区域的变化尺度,但是同时也减弱了高像素级的变化尺度。对于大多数数据集来说,最直观的变化发生在水域,植被区域等低像素区域,但变化区域在建筑等表现为高像素级的区域时,我们将检测不到变化区域,实际上基于对数运算的方式,只能检测恰当的低像素级变化区域,而这个低像素灰度范围并不明确,因此也需要额外进行检测。差值法作为最基本的变化检测方法可以确切的检测到主要变化区域,但是却面临高虚警率的问题,因此我们在差值法基础上引入显著性提取,改善虚警率偏高的情况。显著性提取最初来源于光学图像处理方法,主要用于获取视觉上较为明显的区域,多数情况下为像素级较高的区域,而弱化了低像素级的变化尺度,能够有效检测非低像素级变化区域。综合分析,本文提出加权对数比和显著性提取方法两条检测路线同时进行的检测流程,最后检测结果有效叠加获得全部检测区域。为获得更加准确的变化区域信息,引入图像融合方式。考虑shearlet的稀疏特性和多尺度特征,引入shearlet降噪以及shearlet融合。Shearlet降噪方法主要针对于加性噪声,因此需要使用对数运算进行转换。降噪后,一条路线继续使用加权对数比方法进行检测,另一条路线进行反对数运算,然后使用基于显著性提取的差值方法。两条路线获得的差异图进行shearlet融合,得到实际变化区域。图像融合一定程度上结合了不同方法的优点,但是当基于对数比的差异图出现大量噪声,会影响最终的检验精度,因此我们使用加权阈值分割结合加权对数比,改善这个弊端。本文方法的目标是在有效检测到变化区域基础上,提高检验精度,降低虚警率。本文使用多幅实际SAR图像数据对本文所提出的各环节算法进行验证。根据光学参考图像与实地验证所获得的统计信息,分别使用检测率(DR),虚警率(FAR)和总体检验精度(OA)进行性能评估,最后将本文方法的实验结果与目前主流的相关算法进行了比较,证实了本文的各部分工作的有效性和可行性。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN957.52
【图文】：

变化检测,基本流程图,图像

可以认为最优。因此，响和增强方法适用性，研究价值和深远的战略现状对 SAR 图像变化检测展程度不同，国内对于内 SAR 图像处理技术流程[41-42]可以分为 SA如图 1.1 所示。图像预处工作。后续处理过程[42，我们后面研究的图像都测的研究，根据是否需式[37]的变化检测，以此

曲线,曲线,变化检测,统计决策理论

化检测技术应用的研究大方向。理论上监督方式的 SAR 图像变化检测技术检测最优，但是，而一般的非监督方式适用性较差，因此本文研究的是基化检测方法。变化检算法评价图像变化检测过程的差异图提取和阈值分割过程，算法评eiver Operating Characteristic Curve）和混淆矩阵[42]。ROC用信号和噪音混合信号中，获取有效信号的能力，后来被ROC 曲线源自于统计决策理论，主要用于直观表达不e，DR）和虚警率（False Alarm Rate, FAR）之间的相应关 ROC 曲线去评估差异图提取方法性能，将 ROC 曲线引

流程图,对数比,变化检测,SAR图像

以及实验结果与分析。图 2.1 基于加权对数比的 SAR 图像变化检测流程图2.1 基于对数运算的差异图提取2.1.1 对数比算法对数比值法来源于比值法的改进。比值法的原理是将不同时间段的 SAR 图像直接做除法运算，结果和数值 1 进行比较，越接近于 1，未变化的可能性越大，进行合适的阈值分割就能获得比值差异图。比值法使噪声之间也有了一个除法运算，可以降低相干斑噪声等乘性噪声带来的负面影响。比值法公式可以表示为，( )( )12X tXX tΔ = ··················································· (2.1)

【参考文献】