基于单边拟合策略的合成孔径雷达图像变化检测毕业设计(编辑修改稿)

基于单边拟合策略的合成孔径雷达图像变化检测毕业设计(编辑修改稿)内容摘要：

的部分像素差异波动较大，所以比值  jiI ,1 /  jiI ,2 与 1 距离就比较远；而对应不变的点，像素虽然不至于完全一致，但是比值应该接近 1。 这个特性就为此方法的实现奠定了良好的基础。 具体公式为  1,0,m i n1221  IIIIr （ 24） 为了克服噪声，也可以采用一定大小的窗口进行平均后再进行比值运算，即     nininini IIIIr 1 1 11 221 1 ,m in （ 25） 第二章 基于差异图的构造 SAR 图像变化检测方法 13 比值操作后所得到差异图的统计分布如下面公式所示：      NNNrrNrrNIIrp22121!1!12,  （ 26) 其中 , 21 , II 表示在两个时刻同区域的均值图像强度， N 表示 SAR 图像数据的等效数据。 然后对上一步得到的像素矩阵进行处理，对比值如进行取反操作，再乘以某一恰当的系数将像素值的差距拉 大，便可得到一幅 SAR 图像变化图像。 最后将实验所得的结果图跟已知参考 SAR 图像进行比对，获取变化区域及变化特征，并统计漏检和误检的像素点数量。 算法步骤 步骤 首先对两时相同区域 SAR 图像进行几何校正和辐射校正 步骤 通过基于比值算子产生差异图 步骤 产生变化结果图并分析 基于差值法的 SAR 图像变化检测算法 算法介绍 图像差值法的基本原理是首先计算不同时相图像对应像素灰度值或纹理特征值的差值，生成差值图像，接下来对差值图像选择合适的阈值找出差异较大的部分，以表明此期间地 区陆地表面的变化。 差值法是简单而直接的变化检测方法，首先对两幅变化前后的 SAR 图像分别进行滤波处理，消除噪声，尽可能的减少噪点对变化检测结果产生影响。 将两幅图像的对应像元相减，就可以得到一幅差分 SAR 图像，即 21 IId  （ 27) 为了克服噪声干扰以及提高算法有效特性，常常采取一定大小的窗口进行平均，应用均值进行差分处理，即   121 11 n ii InInd （ 28) 第二章 基于差异图的构造 SAR 图像变化检测方法 14 式中： I1,I2 时相 1,2 的 SAR 图像上的像素； n窗口的像元素。 阈值对于图像差值法非常关键，需要凭借经验的累积和多次试验从而选取合适的阈值。 图像差值法在理论上的最直观并且非常实用，是目前应用最广泛的变化检测方法。 算法步骤 步骤 首先对两时相同区域 SAR 图像进行几何校正和辐射校正 步骤 通过基于差值算子产生差异图 步骤 产生变化结果图并分析 实验结果 差异图的构造实验，本论文取 加拿大 Ottawa 地区的 1997 年 5 月和 1997 年 8月 Radarsat 影像 ，为两时相的 SAR 图像。 首先对两幅图像预处理，再采用 3 种差异图算法相对应地构造差异图。 为了比较各差异图的优越，通过构造变化检测结果图，并进行对比，比较各算法的差异。  实验原图 (a) (b) (c) 图 Ottawa SAR 图像前后变化图像及变化检测参考图 图 中（ a）、（ b）为 SAR 图像 原始图像，分别为加拿大 Ottawa 地区的 1997年 5 月和 1997 年 8 月 Radarsat 影像。 两幅图像的大小均为 290 350，灰度级为256。 其中，前后时段图像的变化信息主要是由于夏季雨季来临，洪水淹没部分陆地区域所致。 图像（ c）为变化检测参考图，白色区域表示变化区域。 第二章 基于差异图的构造 SAR 图像变化检测方法 15  差异图 (a) (b) (c) 图 Ottawa 经 3 种算子构造的差异图 图 表示 Ottawa 两时相 SAR 图像经各种算子构造的差异图。 图（ a）差异图由差值法构造，图（ b）由比值法构造，图（ c）由对数比值法构造。  检测结果图 (a) （ b） (c) 图 Ottawa 模糊 C 均值聚类法后的变化检测结果图 构造差异图后，利用模糊 C 均值聚类法 [23]，将差异图像素点分成两类，构造变化检测结果图。 图 中 3 幅图分别为差值法、比值法和对数比值法的变化检测结果图。 结果分析： 通过比较 3 种方法构造的 变化检测结果图，可以看出， 图像差值法构造的检测结果图漏检数较多，而图像比值法构造的检测结果图虚检数较多，相对比 对数比值法构造的变化检测结果图与参考结果图更接 近。 图像差值法算法较为简单，易于理解，且最直观，但图像变化区域漏检较多。 对数比值法相对比值法，能把图像固有的乘性相干斑噪声模型转化为加性噪声模型，大大提高了比 第二章 基于差异图的构造 SAR 图像变化检测方法 16 值法的精确度，对于实际应用有很大意义。 第三章 基于单边拟合策略的 SAR 图像变化检测 17 第三章 基于单边拟合策略的 SAR图像变化检测 本论文设计的 SAR 图像变化检测方法，与基于差值法和基于比值法的 SAR 图像变化检测不同，它是在差异直方图的基础上，构建变化类和非变化类的概率分布 图，并拟合直方图曲线，且只限于单边拟合，使得当拟合曲线与直方图曲线在单边区域达到平行。 所以要结合相关的模型参数估计策略来获得变化类和未变化类的概率统计分布。 得到概率分布函数后，需使用算法来自动确定最终的阈值，此时需要应用贝叶斯决策理论，并利用此阈值来构造变化检测结果图。 本章的工作需要掌握相关的概率模型知识，以及如何运用贝叶斯决策理论。 单边拟合原理 假设 xh （ x =0， l， ... L 1)表示为经处理之后的差异直方图。 我们可以将 h(x)看作这个差异图的概率统计分布图。 确定差异图的阈值实际上就是区分差异直方图 的未变化类灰度值与变化类灰度值。 差异直方图形式可以表现为三种，分别为理想的差异直方图、无混叠的非理想差异直方图以及混叠的非理想差异直方图。 图 所示理想差异图直方图曲线，这种情况主要基于没有任何的几何与辐射校正误差、斑点噪声的影响。 图 与图 表示为非理想差异直方图，可以看出这两种差异图相对于理想差异图，表现为差异直方图曲线分散和平移，导致此现象为几何与辐射校正误差、斑点噪声等影响。 图 表示为，在变化类与非变化类之间有很少的混叠，而图 表示为，变化类与非变化类之间有着较为严重的混叠，此情况较 为常见，但是此情况的阈值相对于前者较难以确定。 较为常见的处理方法都是先构造直方图中变化类与非变化类别的概率统计模型。 一般的概率模型很难与差异直方图进行拟合，主要是由于两方面：一是差异图直方图情况复杂多样性，二是现在所构造的概率统计模型具有局限性。 根据此情况，不考虑完整拟合，而只考虑直方图中变化曲线和非变化曲线进行拟合。 从下面 3 幅图像中可以看出，非变化类以 Mu点分散，而变化类以 Mc 点分散，所以阈值的产生一定在 Mu 值和 Mc 值之间。 在本论文设计的方法中，曲线拟合值针对直方图曲线的一边，而不同是拟合两边，这样可以 大大提高直方图曲线拟合的精度。 第三章 基于单边拟合策略的 SAR 图像变化检测 18 图 理想变化检测直方图 图 非理想变化检测直方图（无混叠 ） 第三章 基于单边拟合策略的 SAR 图像变化检测 19 图 非理想变化检测直方图 (混叠） 本论文设计的单边拟合策略，只将 Mu与 Mc 之间直方图曲线与拟合曲线进行拟合。 在进行拟合的时候，只进行对 Mu 右侧单边非变化曲线的拟合和对 Mc 左侧单边变化曲线的拟合，其它区域的曲线不进行考虑。 通过直方图的信息可以看出，变化区域像素相对于非变化区域的像素较少，这与实 SAR 图像相符合。 由于此情况，使得变化区域的曲线坡度较低，有时很容易被混叠区域覆盖。 为了简化算法 ，本方法不考虑变化区域的单边拟合，而直接求出变化区域的条件概率分布。 基于广义高斯模型的 SAR 图像变化检测模型 广义高斯模型的建立 在 SAR 图像变化检测中，广义高斯模型往往被应用于构造条件概率分布。 为了满足单边拟合的条件，则需要在广义高斯模型加入一个单边平移参数 c ，构造出相对应单边拟合策略思想的广义高斯概率模型。 假设差异影像 X (0≤X ≤L )上， L 表示最大灰度值 )变化类为 cw ，非变化类为nw。 所以单边曲线的条件概率分布函数可描述如下：      cmXbawXp nn  e x p, (31) 第三章 基于单边拟合策略的 SAR 图像变化检测 20  12 ba (32)    131 b (33)       TXTXn XhXXhTm 001 (34) 参数  ,  , nm ,c 分别是单边广义高斯分布的方差、形状控制、均值和单边平移参数。 (33)式中  为 Gamma 函数。 通过改变添加在广义高斯分布函数的单边平移参数 c 大小，移动概率分布曲 线，来实现非变化单边曲线的曲线拟合。 从上面式中可以看出，在单边广义高斯模型中还需要进行估计的参数主要包括未知的形状参数  与单边平移参数 c。 广义高斯模型的参数估计  参数  估计 设差异图像 lX 的灰度动态变化范围为 [0,。