专利名称：基于单边广义高斯模型的sar图像变化检测阈值方法
技术领域：
本发明属于SAR图像变化检测领域，涉及SAR图像变化检测中的阈值技术。具体 地说是提出了一种基于单边广义高斯模型的阈值方法，用来解决SAR图像变化检测领域中 变化区域检测错误率较高的问题，提高SAR图像变化检测中的检测精度及速度。
背景技术：
SAR图像变化检测是从不同时间获取同一地理区域的多时相遥感影像，定性地分 析和确定地表变化过程和特征的技术。由于与光学遥感系统相比，SAR系统具有全天时、全 天候获取数据的能力，所以SAR图像变化检测技术正广泛的应用于各个领域，例如环境监 控，农业研究，城市区域研究，森林监控等方面。阈值技术是SAR图像变化检测中的关键技术之一。该技术通过变化前后不同时相 的SAR影像图构造差异图，然后在差异图的基础上进行自动阈值的确定，形成变化检测结 果图，完成变化检测过程，该技术具有方法简单，时间迅速等特点。同时，在相关技术中该技 术又往往作为其中的某个环节，其精度高低也直接影响相关算法的性能。因此，该技术在 SAR图像变化检测领域中至关重要，得到了广泛的关注。在阈值技术中，差异影像直方图的 概率统计分布是其核心内容，概率统计模型能否很好的拟合差异影像直方图，直接影响着 变化检测错误率的大小，受到了国内外研究者的广泛关注。所以，目前的研究主要集中在统 计概率分布模型的建立上。国内外学者提出了不同的阈值方法来提高SAR图像变化检测系统的检测性能，但 均存在不同的问题，主要检测错误率较高的问题。阈值方法作为一种实时性较好方法，具有 自动性，实时性的优点，但是现有的阈值方法检测错误率仍较高。在SAR图像变化检测中，许多学者给出了许多不同的阈值方法。Kittler和 Illingworth提出了经典了最小误差阈值方法，该方法假设变化区域与非变化区域的直方 图统计分布符合高斯分布，通过最小化惩罚函数来自动确定阈值。但该方法中基于高斯模 型的假设并不准确，实际SAR图像数据分布并不符合高斯分布，所以其检测错误率仍较高。 意大利G. Moser, S. B. Serpico等人在最小误差阈值基础上提出了一种广义最小误差阈值 方法，该方法以三种概率分布模型Nakagami分布、Log-Normal分布和Weibull分布为基础 扩展了最小误差阈值方法。该阈值方法由于使用了更加适合SAR图像数据分布的模型，所 以呈现了较好的检测结果。但是，这三种模型仍不能完全拟合差异图直方图，所以其检测错 误率仍然较高。
发明内容
本发明的目的在于为了降低SAR图像变化检测的错误率克服现有方法较高的检 测错误率，提高检测精度，针对SAR图像变化检测的特点，提出了基于单边广义高斯模型的 阈值方法，与其它现有的方法相比能够获得较低的检测错误率。本发明的技术方案是首先对两幅不同时间相同地域的SAR图像构造差异图，然
3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；(2)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 e
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，即阈值产生区域，该区域的上限为mn_up，下限为mn_low ；(3)令阈值 Ti = mn_low, i = 1 ；(4)构造单边广义高斯模型ρ (X) =aexp{-[b I X-(mn-c) ]0}构造该模型相对应的 参数估计方法，求出阈值Ti下的无变化区域直方图曲线的概率分布函数pn。sgg(z I Ti)，其中
权利要求
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；(2)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)，ζ e
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， 即阈值产生区域，该区域的上限为mn_up下限为mn_low ；(3)令阈值Ti = mn_low, i = 1 ；(4)构造单边广义高斯模型P(X) = aexp{-[b I X-(mn-c) ]0}构造该模型相对应的参 数估计方法，求出阈值Ti下的无变化区域直方图曲线的概率分布函数pn。sgg(z I Ti)，其中参数 0 ，β MMmmmm, mn Mmmm,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r(z) = ]V'd，z为直方图灰度级； 0mn _up(5)利用准则函数C(z，7；)=Σ IMO-A^Gl7Ol计算在阈值Ti下无变化区域直方图z=mn _low概率分布函数Pntjsgg(ZlTi)所对应的曲线拟合误差；(6)令Ti+1 = Ti+1，i = i+1，如果 Ti+1 ≤ mn_up，转步骤(4)，否则转步骤(7)；(7)令阈值产生区域中拟合误差最小的阈值为初始阈值T。，同时确定无变化区域直方 图曲线的概率分布函数；(8)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；(9)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。
全文摘要
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。本发明利用新构造的模型对阈值产生区域的直方图曲线进行拟合，从而提高了最终阈值的精度，避免了由于阈值产生区域曲线拟合不精确所导致的阈值偏差，使得SAR图像变化检测得到更好结果。通过与几种SAR图像变化检测阈值方法对比，本发明得到的SAR图像变化检测结果的性能最佳。
文档编号G06T7/00GK102005049SQ20101054834
公开日2011年4月6日 申请日期2010年11月16日 优先权日2010年11月16日
发明者付磊, 公茂果, 周智强, 惠转妮, 曹宇, 李阳阳, 焦李成, 王桂婷, 马文萍, 马晶晶 申请人:西安电子科技大学