基于支持向量机和判别随机场的sar图像变化检测方法
【专利摘要】本发明属于SAR图像变化检测【技术领域】，公开了基于支持向量机和判别随机场的SAR图像变化检测方法。该基于支持向量机和判别随机场的SAR图像变化检测方法包括以下步骤：对原始两时相图像进行灰度值归一化处理，并在处理后的图像中提取对应的灰度特征差值和纹理特征差值；组成差值特征向量；利用加权平均比率算子提取差值图像中每个像素点的边界强度；在差值图像中选取训练样本，将训练样本用对应的差值特征向量进行表示，通过训练支持向量机，得到测试样本的初始分类标签、以及测试样本的分类标签的后验概率；得出初始的支持向量机—判别随机场模型；更新支持向量机—判别随机场模型，得出对应的测试样本的最终分类标签以及变化检测结果。
【专利说明】基于支持向量机和判别随机场的SAR图像变化检测方法
【技术领域】
[0001]本发明属于SAR图像变化检测【技术领域】，特别涉及基于支持向量机和判别随机场的SAR图像变化检测方法。
【背景技术】
[0002]随着合成孔径雷达(synthetic aperture radar, SAR)技术的逐步成熟和SAR图像分辨率的不断提高，SAR图像的使用逐渐为人们所重视。同光学遥感图像相比，SAR图像不受天气、云层等因素的影响，可以全天候、全天时获得遥感数据，是较好的变化检测信息源。
[0003]SAR图像变化检测(change detection)通过对不同时期SAR图像的比较分析,根据图像之间的差异分析来获取所需要的地物变化信息。变化检测技术可以应用于很多方面，例如对地震区域的定位和灾害评估；对农作物生长状况的监测；城区土地使用的监测等等，它在环境、农业、水利和军事等国民经济诸多领域都有着非常广泛的应用。
[0004]SAR图像变化检测方法一般可分为:基于直接比较法的变化检测方法，如图像差值法、图像比值法；基于间接比较法的变化检测方法，如特征提取后比较法、分类后比较法；基于多元变量分析的变化检测方法，如主成分分析法。近期在SAR图像变化检测上研究比较多的有:基于统计模型的变化检测方法，如L.Bruzzone对SAR图像对数比值差异图进行广义高斯建模(GGD, Generalized Gaussian Distributions)然后在GGD下应用改进的KI (Kittler-1llingworth)门限选择算法进行分类以获得最终变化影像，该方法取得了较好的检测结果但没有考虑空间信息，且模型参数的选择也是一个难点；基于多尺度分析的变化检测方法，如Ka1-Kuang Ma提出一种基于双树-复小波变换(DT-CWT，Dual-TreeComplex Wavelet Transform)的多尺度变化检测方法，它利用DT-CWT对对数比值图进行多尺度分解，但没有考虑到图像的纹理信息，阈值的选取也是一个棘手的问题；近年来新发展起来的是基于核方法的SAR图像变化检测算法，Gustavo Camps-Valls在2008年首先提出了将核方法应用于SAR图像变化检测，该方法首先提取图像的强度信息和纹理信息，然后构造强度纹理比值差值合成核(RDC_kernel)实现SAR图像变化检测，该方法可以有效的实现SAR图像变化检测，但是没有考虑空间信息，且对噪声比较敏感。
【发明内容】
[0005]本发明的目的在于提出基于支持向量机和判别随机场的SAR图像变化检测方法。该基于支持向量机和判别随机场的SAR图像变化检测方法该方法能够很好的结合SAR图像的强度特征和纹理特征，能充分考虑图像的空间信息，具有检测速度快、分类精度高的特点。
[0006]为实现上述技术目的，本发明采用如下技术方案予以实现。
[0007]基于支持向量机和判别随机场的SAR图像变化检测方法包括以下步骤:
[0008]S1:利用合成孔径雷达接收原始两时相图像，原始两时相图像包括第I时刻图像和第2时刻图像；然后分别对第I时刻图像和第2时刻图像进行灰度值归一化处理，得到第I时刻归一化图像X1和第2时刻归一化图像X2 ;所述第k时刻归一化图像Xk中第i行第j列的像素点表示为X’ k(i，j)，k取I和2，i取I至I，j取I至J，I为第I时刻归一化图像X1的长度，J为第I时刻归一化图像X1的宽度；提取X’ k(i，j)的灰度值g’ k(i，j)和X’ k(i，j)的纹理特征w’k(i，j);按照以下公式获得灰度特征差值Ag(i，j)以及纹理特征差值Aw(i，j):Δ g(i, j)=g，2(i, j)_g’ ! (i, j)，Aw(i, j)=w’ 2(i, j)_w’ ^i, j);然后将 Δ g(i, j)和 Aw(i, j)组合成 X’k(i, j)的差值特征向量 y (i, j):y(i，j) = {Ag(i, j), Aw(i, j)}；
[0009]S2:对第I时刻归一化图像X1和第2时刻归一化图像X2按照灰度值作差值运算，得到差值图像ΛΧ，利用加权平均比率算子提取差值图像中第t个像素点的边界强度rt，t取 I 至 M，M=IXJ ；
[0010]S3:在差值图像中选取训练样本，将训练样本用对应的差值特征向量进行表示，通过训练支持向量机，得到测试样本的初始分类标签、以及测试样本的分类标签的后验概率；
[0011]S4:根据所述差值图像中每个像素点的边界强度、以及测试样本的后验概率，得出初始的支持向量机一判别随机场模型；
[0012]S5:根据所述初始分类标签和初始的支持向量机一判别随机场模型，更新支持向量机一判别随机场模型的相互势能函数，得出对应的测试样本的最终分类标签；根据所述对应的测试样本的最终分类标签，得出SAR图像的变化检测结果。
[0013]本发明的特点和进一步改进在于:
[0014]在步骤SI中，X’k(i，j)的灰度值g’k(i，j)为:
【权利要求】
1.基于支持向量机和判别随机场的SAR图像变化检测方法，其特征在于，包括以下步骤: S1:利用合成孔径雷达接收原始两时相图像，原始两时相图像包括第I时刻图像和第2时刻图像；然后分别对第I时刻图像和第2时刻图像进行灰度值归一化处理，得到第I时刻归一化图像X1和第2时刻归一化图像X2 ;所述第k时刻归一化图像Xk中第i行第j列的像素点表示为X’ k(i，j)，k取I和2，i取I至I，j取I至J，I为第I时刻归一化图像X1的长度，J为第I时刻归一化图像X1的宽度；提取X’k(i，j)的灰度值g’k(i，j)和X’k(i，j)的纹理特征w’k(i，j);按照以下公式获得灰度特征差值Ag(i，j)以及纹理特征差值Aw(i，j):Δ g(i, j)=g，2(i, j)_g’ ! (i, j)，Aw(i, j)=w’ 2(i, j)_w’ ^i, j);然后将 Δ g(i, j)和 Aw(i, j)组合成 X’k(i, j)的差值特征向量 y (i, j):y(i，j) = {Ag(i, j), Aw(i, j)}； S2:对第I时刻归一化图像X1和第2时刻归一化图像X2按照灰度值作差值运算，得到差值图像ΛΧ，利用加权平均比率算子提取差值图像中第t个像素点的边界强度rt，t取I至 M，M=IXJ ； S3:在差值图像中选取训练样本，将训练样本用对应的差值特征向量进行表示，通过训练支持向量机，得到测试样本的初始分类标签、以及测试样本的分类标签的后验概率； S4:根据所述差值图像中每个像素点的边界强度、以及测试样本的后验概率，得出初始的支持向量机一判别随机场模型； S5:根据所述初始分类标签和初始的支持向量机一判别随机场模型，更新支持向量机一判别随机场模型的相互势能函数，得出对应的测试样本的最终分类标签；根据所述对应的测试样本的最终分类标签，得出SAR图像的变化检测结果。
2.如权利要求1所述的基于支持向量机和判别随机场的SAR图像变化检测方法，其特征在于，在步骤SI中，X’k(i，j)的灰度值g’k(i，j)为:
3.如权利要求1所述的基于支持向量机和判别随机场的SAR图像变化检测方法，其特征在于，在步骤S2中，所述差值图像的边界强度包括差值图像中每个像素点的边界强度，定义平滑函数f (P)、因果滤波器(P)和非因果滤波器^㈧):
4.如权利要求1所述的基于支持向量机和判别随机场的SAR图像变化检测方法，其特征在于，在步骤S3中，首先根据原始两时相图像中N组像素点，选取对应的N个有标签的训练样本；每组像素点包括:在第I时刻图像和第2时刻图像中处于相同位置的两个像素点；每个训练样本的标签的设置过程如下:通过对第I时刻图像和第2时刻图像进行观察对比，将所述N组像素点分为变化类像素点组和非变化类像素点组，根据N组像素点的分类情况来设置对应N个训练样本的标签； 将所述N个有标签的训练样本表示为，其中，第s个有标签的训练样本表示为(xs，Is)，其中，s取I至N ；xs=y(Si, Sj)，Si为第s个训练样本对应的像素点的横坐标，Sj为第s个训练样本对应的像素点的纵坐标；ls表示第s个训练样本的分类标签，当第s个训练样本对应的一组像素点为变化类像素点组时，Is=I ;当第S个训练样本对应的一组像素点为非变化类像素点组时，Is=O ； 在支持向量机中建立如下C-SVC模型:
5.如权利要求4所述的基于支持向量机和判别随机场的SAR图像变化检测方法，其特征在于，在步骤S4中，根据所述差值图像中每个像素点的边界强度，构建支持向量机一判别随机场模型中的相互势能函数I (I’ a, I’ b, r):
6.如权利要求5所述的基于支持向量机和判别随机场的SAR图像变化检测方法，其特征在于，步骤S5具体包括以下步骤: 551:利用差值图像的每个像素点的初始分类标签构成原始标记场，设定k=l ； 552:将第a个像素点的分类标签l’a设为0，将Θ的当前取值以及I’3代入初始的支持向量机一判别随机场模型P (1’ | y, r)中，计算出
【文档编号】G06T7/00GK103810704SQ201410033433
【公开日】2014年5月21日 申请日期:2014年1月23日 优先权日:2014年1月23日
【发明者】李明, 李荷镜, 张鹏, 吴艳, 付利国, 许佳 申请人:西安电子科技大学