本發(fā)明屬于遙感圖像處理技術(shù)領(lǐng)域，是一種多時相影像的變化檢測算法，具體地說是一種對多時相全極化合成孔徑雷達(dá)(polarimetricsyntheticapertureradar，polsar)影像變化檢測的新方法。

背景技術(shù)：

在遙感影像處理中，變化檢測是通過多時相影像對同一位置的地物進(jìn)行獲取從而認(rèn)知變化的一種技術(shù)手段。由于衛(wèi)星重復(fù)軌道的特性，時間序列的遙感影像被廣泛應(yīng)用于變化檢測研究中。在遙感影像變化檢測的研究中，光學(xué)傳感器在變化檢測中的應(yīng)用較為廣泛，但是夜間和惡劣天氣使得光學(xué)傳感器使用受限，sar傳感器不僅可以獲得周期時序影像而且不受氣候和時間的限制，使得多時相sar影像逐漸成為變化檢測的研究熱點。目前，針對sar影像的變化檢測方法較多，大致可以分為非監(jiān)督變化檢測和監(jiān)督變化檢測。非監(jiān)督變化檢測方法一般分為三個步驟1)預(yù)處理(幾何糾正，配準(zhǔn)，濾波)；2)通過相關(guān)方法生成兩兩對應(yīng)時相的差異影像；3)對多時相差異影像進(jìn)行最優(yōu)閾值的選擇，生成變化檢測的二值影像。非監(jiān)督變化檢測方法較為簡單和高效，但是該方法只能檢測變化和非變化類別，并不能檢測出地表的變化檢測類別；監(jiān)督變化檢測方法能夠?qū)Φ乇碜兓悇e進(jìn)行檢測，但是容易受到人工解譯的影響。先分類后變化檢測是被廣泛應(yīng)用的一種監(jiān)督變化檢測方法，能夠?qū)Χ鄷r相影像進(jìn)行單獨分類，通過最后的分類結(jié)果確定類別變化檢測圖和變化檢測二值影像。以上變化檢測方法大部分是針對單極化sar影像，利用多時相全極化sar影像進(jìn)行變化檢測的方法相對較少。

技術(shù)實現(xiàn)要素：

針對以上變化檢測的缺陷，本發(fā)明結(jié)合非監(jiān)督變化檢測和監(jiān)督變化檢測各自的優(yōu)勢，提出利用相似度測度的聯(lián)合分類方法對多時相全極化sar影像進(jìn)行變化檢測。相較于單極化sar影像，全極化sar能夠提供豐富的相位和強(qiáng)度信息，使得獲得的相似度測度更加準(zhǔn)確，高精度的相似度測度能夠較好的對聯(lián)合分類方法進(jìn)行控制，通過基于相似度測度的聯(lián)合分類方法可以對變化檢測二值影像和變化檢測類別變化圖進(jìn)行提取。該方法在一定程度上有效的降低了變化檢測的虛警率，大大的提高了變化檢測的精度。

本發(fā)明的目的在于從根本上克服多時相sar影像變化檢測存在的問題，提出利用基于相似度測度的聯(lián)合分類的方法對全極化sar影像進(jìn)行變化檢測：利用全極化sar數(shù)據(jù)能夠提供更加豐富的地物特征信息；利用相似度測度能夠更好的檢測出相同位置不同時刻地物的相似程度，能夠有效的控制聯(lián)合分類算法流程。

為實現(xiàn)上述目的，本發(fā)明提供的一種聯(lián)合分類的多時相全極化sar影像變化檢測方法，包括如下步驟：

步驟1，對多時相全極化sar影像進(jìn)行幾何糾正和配準(zhǔn)的預(yù)處理，得到相應(yīng)配準(zhǔn)之后的影像，對配準(zhǔn)之后的影像進(jìn)行濾波處理；

步驟2，獲取已配準(zhǔn)好的多時相全極化sar影像相似度測度的差異影像s，相似度測度閾值t，多時相影像在位置(i，j)方差其中t(t＝1,2)為時相；

差異影像s的計算方法如下，

其中，x¹，x²分別表示時相1，2的q*q的全極化sar圖像相干矩陣或者協(xié)方差矩陣，q代表相應(yīng)矩陣的維數(shù)；n表示進(jìn)行待處理的全極化sar圖像的視數(shù)；

相似度測度閾值t的計算方法如下，

其中，pu(th)和pc(th)表示在灰度級為th的條件下差異影像中非變化類別和變化類別的先驗概率，u代表非變化類別，c代表變化類別；mu(th)和mc(th)表示在灰度級為th的條件下差異影像中非變化類別和變化類別的均值；σu(th)和σc(th)表示在灰度級為th的條件下差異影像中非變化類別和變化類別的方差；th的取值為0～l-1，l表示灰度級；

多時相影像方差的計算方法如下，

其中，和分別表示相同位置(i,j)時相1和2的全極化sar影像的功率值；

步驟3，在多時相全極化sar影像中人工的選取相同位置不同時相的分類樣本點，并分別計算相應(yīng)時相中各個樣本點的聚類中心；

步驟4，判斷的大小決定首先進(jìn)行分類的影像，若則首先對時相1中對應(yīng)位置(i,j)的進(jìn)行wishart分類；否則，選擇對時相2中對應(yīng)位置(i,j)的的影像進(jìn)行wishart分類，

其中，wishart分類的計算方法如下，

其中，表示第t(t＝1,2)個時相全極化sar圖像在位置(i，j)對應(yīng)的相干矩陣或者協(xié)方差矩陣；表示第t個時相(t＝1,2)第m個類別的聚類中心；表示和相應(yīng)聚類中心的距離；tr(·)表示相應(yīng)的跡運算；

步驟5，記錄步驟4中位置(i,j)的所屬的分類類別，并對對應(yīng)位置前后兩時相進(jìn)行相似度判斷；若位置(i,j)的相似度測度差異影像sij＜t，認(rèn)為在不同時相全極化sar影像位置(i,j)沒有發(fā)生變化，后分類時相全極化sar影像在位置(i,j)的分類結(jié)果和步驟4中先分類時相的分類結(jié)果相同；否則，后分類時相全極化sar影像在位置(i,j)需單獨進(jìn)行wishart分類；

步驟6，將多時相全極化sar影像中的每個位置的協(xié)方差矩陣進(jìn)行步驟4和步驟5的處理，直到每個位置對應(yīng)相應(yīng)的類別，通過對比多時相全極化sar影像的分類結(jié)果獲得每個位置的變化檢測二值圖和地物類別變換檢測結(jié)果，基于相似度測度的聯(lián)合分類變化檢測方法處理完畢。

而且，所述步驟3中聚類中心通過對人工提取的分類樣本點求均值的方法獲得。

而且，所述濾波處理為精致lee濾波處理。

而且，所述幾何糾正和配準(zhǔn)的預(yù)處理通過envi或polsarpro實現(xiàn)。

本發(fā)明的創(chuàng)新之處在于：1)提出了利用多時相全極化sar影像信息進(jìn)行變化檢測的方法，能夠充分的利用全極化sar影像的信息。2)提出了利用相似度測度對多時相影像進(jìn)行相似性判斷，從而指導(dǎo)聯(lián)合分類。3)利用聯(lián)合分類的方法對多時相全極化sar影像進(jìn)行變化檢測，不僅可以有效的檢測出變化檢測的二值影像圖，而且還能對地表類別的變化進(jìn)行描述。4)本方法綜合監(jiān)督變化檢測和非監(jiān)督變化檢測的優(yōu)勢，能夠有效的降低變化檢測的虛警率。

附圖說明

圖1是本發(fā)明的流程圖。

具體實施方式

以下結(jié)合附圖和實施例詳細(xì)說明本發(fā)明的技術(shù)方案。

步驟1，通過相關(guān)軟件envi，polsarpro，對全極化sar影像x1(時序為t1)，x2(時序為t2)進(jìn)行幾何糾正和配準(zhǔn)的預(yù)處理，得到相應(yīng)配準(zhǔn)之后的影像。對配準(zhǔn)之后的影像進(jìn)行精致lee濾波處理，去除相干斑噪聲對影像的影響。

步驟2，獲取已配準(zhǔn)好的多時相全極化sar影像相似度測度的差異影像s，相似度測度閾值t，多時相影像在位置(i，j)方差其中差異影像s的計算公式為：

其中x¹，x²分別表示時相1，2的q*q的全極化sar圖像相干矩陣或者協(xié)方差矩陣，q代表相應(yīng)矩陣的維數(shù)；n表示進(jìn)行待處理的全極化sar圖像的視數(shù)，本實施例中，為了簡化處理，默認(rèn)待處理的多時相全極化sar影像數(shù)據(jù)的視數(shù)相同。

相似度測度閾值t的計算方法如下：

其中，pu(th)和pc(th)表示在灰度級為th的條件下差異影像中非變化類別和變化類別的先驗概率，u代表非變化類別，c代表變化類別；mu(th)和mc(th)表示在灰度級為th的條件下差異影像中非變化類別和變化類別的均值；σu(th)和σc(th)表示在灰度級為th的條件下差異影像中非變化類別和變化類別的方差；th的取值為0～l-1，l表示灰度級，其值由用戶定義。

多時相影像方差的計算方法如下：

其中和分別表示相同位置(i,j)時相1和2的全極化sar影像的功率值。

步驟3，在對應(yīng)的多時相全極化sar影像中人工的選取相同位置不同時相的分類樣本點，并分別通過對人工提取的分類樣本點求均值的方法，獲得相應(yīng)時相t的類別聚類中心m表示第m個類別，本發(fā)明實施例中的類別數(shù)通過人工設(shè)定。

步驟4，判斷的大小決定首先進(jìn)行分類的影像。若則首先對時相1中對應(yīng)位置(i,j)的進(jìn)行wishart分類；否則，選擇對對時相2中對應(yīng)位置(i,j)的進(jìn)行wishart分類。wishart分類的計算方法如下：

其中，表示第t個時相(t＝1,2)全極化sar圖像在位置(i，j)對應(yīng)的相干矩陣或者協(xié)方差矩陣；表示第t個時相(t＝1,2)第m個類別的聚類中心；表示和相應(yīng)聚類中心的距離；tr(·)表示相應(yīng)的跡運算。

步驟5，記錄步驟4中位置(i,j)的所屬的分類類別，并對對應(yīng)位置前后兩時相進(jìn)行相似度判斷。若位置(i,j)的相似度測度的差異影像sij＜t，認(rèn)為在不同時相全極化sar影像位置(i,j)沒有發(fā)生變化，后分類時相全極化sar影像在位置(i,j)的分類結(jié)果和步驟4中先分類時相的分類結(jié)果相同；否則，需要對后分類時相全極化sar影像在位置(i,j)單獨進(jìn)行wishart分類。

步驟6，將多時相全極化sar影像中的每個位置的協(xié)方差矩陣進(jìn)行步驟4和步驟5的處理，直到每個位置對應(yīng)相應(yīng)的類別，通過對比聯(lián)合分類的結(jié)果，若兩個時相對應(yīng)位置類別相同，則認(rèn)為該位置沒有發(fā)生變化，在變化檢測二值圖和地物類別變換檢測結(jié)果中都標(biāo)注為0；若對應(yīng)位置類別不相同，則認(rèn)為該位置發(fā)生變化，并在變化檢測二值圖標(biāo)注為1，同時在地物類別變換檢測結(jié)果中記錄地物類別的變化信息；可以獲得對應(yīng)的變化檢測二值圖和地物類別變換檢測結(jié)果，基于相似度測度的聯(lián)合分類變化檢測方法處理完畢。

本文中所描述的具體實例僅僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對所描述的具體實施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代。如預(yù)處理過程中的精致lee濾波算法可以采用其它濾波算法代替；多時相全極化sar影像相似度測度的差異影像和閾值的獲取方法可采用其它方法代替；聯(lián)合分類變化檢測中的分類算法可以選擇其它方法代替wishart距離法；等等。但這并不會超出本發(fā)明所提算法的框架，不會偏離本發(fā)明的精神，或者超越所附權(quán)利要求書所定義的范圍。