本發(fā)明專利技術(shù)公開一種檢測全極化SAR圖像的變化區(qū)域的方法和裝置，該方法包括：使用基于極不均勻紋理的多視極化SAR乘性模型對先后接收的全極化主、輔SAR圖像進(jìn)行擬合，以分別得到所述主、輔SAR圖像的紋理圖像、斑噪?yún)f(xié)方差圖像，并分別根據(jù)所述主、輔SAR圖像的紋理圖像確定其對應(yīng)的概率密度函數(shù)的分布參數(shù)，該兩幅圖像為包括同一對象區(qū)域的高分辨率全極化SAR圖像；根據(jù)該兩幅圖像各自的紋理圖像、斑噪?yún)f(xié)方差圖像和概率密度函數(shù)的分布參數(shù)，并通過基于極不均勻紋理的多視極化SAR乘性模型的相似性度量對比該兩幅圖像得到差異信息，基于差異信息確定相對于該兩幅圖像的差異圖像；將差異圖像與該兩幅圖像進(jìn)行比對，以檢測出變化區(qū)域。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及一種檢測全極化SAR圖像的變化區(qū)域的方法和裝置。
技術(shù)介紹
進(jìn)入21世紀(jì)以來，世界人口急劇增加，土地沙漠化逐漸嚴(yán)重，資源日益匱乏，自然 災(zāi)害頻發(fā)。2008年汶川大地震、2010年青海玉樹大地震及災(zāi)難性印尼海嘯、2011年日本福 島大地震和2013年的臺風(fēng)"海燕"多次喚起了全人類對遙感在災(zāi)害監(jiān)測與評估方面的重 視。在實(shí)際應(yīng)用中，上述大多數(shù)監(jiān)測問題都是以變化檢測的形式提出，即通過不同時段的觀 測，來識別城市、森林、水域、農(nóng)田等地物狀態(tài)的變化過程。雷達(dá)對地觀測技術(shù)是解決上述問 題的重要手段之一，合成孔徑雷達(dá)（Synthetic Aperture Radar, SAR)作為現(xiàn)代遙感領(lǐng)域 的一項(xiàng)突破性成就，其使雷達(dá)的基本功能發(fā)生了重大改變。近些年，SAR憑借其相較于光學(xué) 遙感影像，在全天時、全天候，尤其是多云多雨天氣狀況下也能有效施行對地觀測的獨(dú)特優(yōu) 勢，成為了目前遙感領(lǐng)域中的一種有效態(tài)監(jiān)測手段，其被越來越多地應(yīng)用到如震后災(zāi)害評 估、海嘯受災(zāi)狀況評估、農(nóng)作物生長狀況監(jiān)測等的變化檢測工作中。在城鎮(zhèn)化建設(shè)上，SAR圖 像變化檢測技術(shù)作為研究城區(qū)變化的重要手段，已在城區(qū)擴(kuò)建、非法建筑及土地濫用、濕地 生態(tài)面積縮減狀況、城中耕地面積監(jiān)測和湖波變化中發(fā)揮重要作用。 但是，由于受到數(shù)據(jù)源和SAR技術(shù)的限制，目前已提出的SAR影像變化檢測方法基 本上都是針對單通道（單一微波波段、單一極化方式）的SAR影像設(shè)計的，而很少引入極化 信息。2007年，加拿大Radarsat-2、德國TerrraSAR-X和意大利Cosmo-SkyMed新型雷達(dá)系 統(tǒng)的出現(xiàn)，引起了全極化雷達(dá)遙感研究和應(yīng)用的熱潮。與傳統(tǒng)的單極化SAR系統(tǒng)相比，極化 SAR(Polarimetric Synthetic Aperture Radar, PolSAR)能在不同收發(fā)極化組合下，測量 地物目標(biāo)的極化散射特性（即，極化SAR能夠通過發(fā)射和接收不同極化方式的電磁波，來探 測地面目標(biāo)對電磁波的調(diào)制特性），能夠獲取同一地物目標(biāo)更全面信息，從而使其在目標(biāo)檢 測、識別、分類以及目標(biāo)參數(shù)反演等方面也具有顯著的優(yōu)勢。受雷達(dá)系統(tǒng)側(cè)視成像和斑噪特 性的影響，通過單極化的后向散射系數(shù)很難對照射地物進(jìn)行全面解譯和識別。利用多極化 信息可以得到相互補(bǔ)充的不同信息，增加信息含量，獲取同一地物目標(biāo)更全面信息，有利于 地物變化的檢測與識別。 最近幾年，SAR成像技術(shù)日益成熟，圖像質(zhì)量逐漸提高，分辨率不斷增強(qiáng)，獲取數(shù)據(jù) 的能力和精度越來越高。相對于高分辨率光學(xué)影像、中低分辨率SAR影像，高分辨率SAR影 像特點(diǎn)主要表現(xiàn)在：1)高空間分辨率使得SAR圖像紋理結(jié)構(gòu)更加清晰，能夠在較小的空間 尺度上探測細(xì)節(jié)變化，實(shí)現(xiàn)對建筑物、道路等地面目標(biāo)細(xì)微特征的探測；2)地物空間拓?fù)?信息更加豐富，更充分地反應(yīng)在了影像地物的尺寸、形狀、鄰域地物關(guān)系。然而，對于極化 SAR來說，米級分辨率影像在帶來地物豐富細(xì)節(jié)的同時，也帶來了數(shù)據(jù)存儲量倍增、獨(dú)立地 物成像特征破碎、統(tǒng)計特征復(fù)雜化等諸多高分辨率SAR影像的解譯難題。這時，傳統(tǒng)的基于 紋理均勻假設(shè)的極化SAR雜波統(tǒng)計模型和相應(yīng)的相似性度量，已不再適用于高分辨率全極 化SAR圖像分割、分類和目標(biāo)檢測等應(yīng)用需求。目前，全極化SAR變化檢測還存在下面2個 不足： ①在PolSAR雜波模型方面，單視情況下描述全極化散射矢量的球不變隨機(jī)矢量 模型（Spherically Invariant Random Vectors, SIRV)模型已基本上與單極化SAR模型的 發(fā)展一一對應(yīng)。但是，為了方便SAR數(shù)據(jù)壓縮、初步去噪和局部散射體分析，全極化SAR數(shù) 據(jù)常常以多視方式存儲。多視后的SAR數(shù)據(jù)一般用極化協(xié)方差矩陣或相干矩陣表征。目前 用于擬合極化相干矩形的多視極化SAR乘性模型中，往往假設(shè)模型中紋理的均值為1，這種 假設(shè)在高分辨率圖像上是不成立的。對于高分辨率數(shù)據(jù)而言，其紋理結(jié)構(gòu)十分清晰，包含了 極化數(shù)據(jù)的功率信息，紋理的特征已成為地物識別和檢測的重要信息。一般情況下，除非對 相干矩陣進(jìn)行歸一化，否則其紋理均值是不等于1的。 ②在全極化SAR變化測度研究上，現(xiàn)在主要的測度Wishart距離和SIRV距離中均 沒有包含紋理的變化信息。對于SAR變化檢測而言，圖像之間最明顯的變化一般就是強(qiáng)度 的變化，這個變化反映在全極化SAR圖像上就是圖像功率的變化，而圖像功率又是由紋理 表征的。因此,紋理的變化是全極化SAR地物類型變化的主要標(biāo)志之一，應(yīng)該是變化檢測算 法重點(diǎn)檢測的信息。在定義高分辨率全極化SAR變化檢測時，既要考慮地物極化散射特性 (斑噪）的變化，也要同時考慮地物本身散射功率（紋理）的變化。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)所要解決的問題是現(xiàn)有的全極化SAR模型不能提供精確的區(qū)域變化區(qū)域， 提供一種基于極不均勻紋理的多視極化SAR乘性模型能檢測出準(zhǔn)確的變化區(qū)域。 為了解決上述問題，本專利技術(shù)提供了一種檢測全極化SAR圖像的變化區(qū)域的方法， 方法包括：步驟S2 :使用基于極不均勻紋理的多視極化SAR乘性模型對先后接收的全極化 主、輔SAR圖像進(jìn)行擬合，以分別得到主、輔SAR圖像的紋理圖像、斑噪?yún)f(xié)方差圖像，并分別 根據(jù)主、輔SAR圖像的紋理圖像確定其對應(yīng)的概率密度函數(shù)的分布參數(shù)，主、輔SAR圖像為 包括同一對象區(qū)域的高分辨率全極化SAR圖像；步驟S4 :根據(jù)主、輔SAR圖像各自的紋理圖 像、斑噪?yún)f(xié)方差圖像和概率密度函數(shù)的分布參數(shù)，并通過基于極不均勻紋理的多視極化SAR 乘性模型的相似性度量對比主、輔SAR圖像得到差異信息，基于差異信息確定相對于主、輔 SAR圖像的差異圖像；步驟S6 :將差異圖像與主SAR圖像和/或輔SAR圖像進(jìn)行比對，以檢 測出變化區(qū)域。 作為優(yōu)選，在步驟S2之前，方法進(jìn)一步包括：步驟Sl :對接收的主、輔SAR圖像進(jìn) 行同一對象區(qū)域的對應(yīng)匹配。 作為優(yōu)選，步驟S2中的使用基于極不均勻紋理的多視極化SAR乘性模型對主、輔 SAR圖像進(jìn)行擬合包括：使用基于極不均勻紋理的乘性模型的概率密度函數(shù)推導(dǎo)主、輔SAR 圖像的紋理圖像、斑噪?yún)f(xié)方差圖像。 基于極不均勻紋理的乘性模型的概率密度函數(shù)為：[ 其中，L代表多視為L視，W為L視下未標(biāo)準(zhǔn)化的全極化相干矩陣，Pw為W的概率 密度函數(shù)，τ表示圖像的紋理，Σ為斑噪?yún)f(xié)方差矩陣，r p(L)為L視下概率密度函數(shù)的復(fù) 數(shù)形式的多元Ga_a函數(shù)。 作為優(yōu)選，步驟S2中的分別根據(jù)主、輔SAR圖像的紋理圖像確定其對應(yīng)的紋理圖 像的概率密度函數(shù)的分布參數(shù)包括：設(shè)置主、輔SAR圖像的紋理圖像以符合Ga_a函數(shù)分 布。 作為優(yōu)選，基于極不均勻紋理的多視極化SAR乘性模型的相似性度量為： Sp = MLLp (X) +MLLp (Y) -MLLp (X U Y) 其中，Sp為Pw的變化測度，X為主SAR圖像內(nèi)的子區(qū)域，MLLp(X)表示區(qū)域X內(nèi) Pw的最大對數(shù)似然函數(shù)，Y為輔SAR圖像內(nèi)的子區(qū)域，MLLp(Y)表示區(qū)域Y內(nèi)Pw的最大對 數(shù)似然函數(shù)，區(qū)域X與區(qū)域Y為對應(yīng)子區(qū)域。 作為優(yōu)選，在步驟S6之前，包括：步驟S5 :通過對差異圖像進(jìn)行閥值分割來確定其 區(qū)域和邊界。 作為優(yōu)選，步驟S5包括：S51、對差異圖像進(jìn)行自適應(yīng)KI閥本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種檢測全極化SAR圖像的變化區(qū)域的方法，其特征在于，所述方法包括：步驟S2：使用基于極不均勻紋理的多視極化SAR乘性模型對先后接收的全極化主、輔SAR圖像進(jìn)行擬合，以分別得到所述主、輔SAR圖像的紋理圖像、斑噪?yún)f(xié)方差圖像，并分別根據(jù)所述主、輔SAR圖像的紋理圖像確定其對應(yīng)的概率密度函數(shù)的分布參數(shù)，所述主、輔SAR圖像為包括同一對象區(qū)域的高分辨率全極化SAR圖像；步驟S4：根據(jù)所述主、輔SAR圖像各自的紋理圖像、斑噪?yún)f(xié)方差圖像和概率密度函數(shù)的分布參數(shù)，并通過所述基于極不均勻紋理的多視極化SAR乘性模型的相似性度量對比所述主、輔SAR圖像得到差異信息，基于所述差異信息確定相對于所述主、輔SAR圖像的差異圖像；步驟S6：將所述差異圖像與所述主SAR圖像和/或所述輔SAR圖像進(jìn)行比對，以檢測出所述變化區(qū)域。
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王超，劉萌，張紅，
申請(專利權(quán))人：中國科學(xué)院遙感與數(shù)字地球研究所，
類型：發(fā)明
國別省市：北京;11
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。