【摘要】：由于合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)傳感器的全天時(shí)全天候特點(diǎn),SAR圖像變化檢測成為人們評(píng)估災(zāi)害、監(jiān)測環(huán)境的主要手段。變化檢測主要對(duì)同一地理位置不同時(shí)期地物地貌變化有效監(jiān)測。然而因受各種因素的影響,如果直接將光學(xué)圖像處理方法應(yīng)用到SAR圖像變化檢測中,檢測結(jié)果會(huì)出現(xiàn)很大偏差,其中SAR數(shù)據(jù)固有的相干斑噪聲(乘性噪聲)一直是近年來眾多學(xué)者關(guān)注的熱點(diǎn)問題�，F(xiàn)有算法雖然在特定數(shù)據(jù)集上能夠得到較好的結(jié)果,但是適用性不強(qiáng),當(dāng)處理不同類型的數(shù)據(jù),檢測結(jié)果差異較大。尤其當(dāng)檢測具有多目標(biāo)區(qū)域的SAR圖像對(duì)時(shí),單一的閾值不能夠同時(shí)使不同的目標(biāo)結(jié)果最優(yōu)。因此,本文針對(duì)實(shí)際應(yīng)用的需求,減少相干斑噪聲的影響,找到適用性較強(qiáng)的變化檢測方法,考慮了不同單極化多時(shí)相高分辨率SAR圖像數(shù)據(jù)情況,開展了一系列的實(shí)驗(yàn)研究。首先,對(duì)數(shù)比是一種能夠轉(zhuǎn)換相干斑噪聲為加性噪聲簡單有效方法,但是鄰域信息考慮較少,因此提出加權(quán)對(duì)數(shù)比方法改進(jìn)對(duì)數(shù)比方法,并且為了增強(qiáng)變化差異程度,利用了類似于核函數(shù)的方式。實(shí)驗(yàn)結(jié)果表明,加權(quán)對(duì)數(shù)比優(yōu)于經(jīng)典均值對(duì)數(shù)比檢測方法。實(shí)驗(yàn)中發(fā)現(xiàn),基于對(duì)數(shù)比的方法,在大多數(shù)情況下都有較好的檢測結(jié)果,但是也有部分SAR圖像數(shù)據(jù)檢測不到主要變化區(qū)域,方法有很大的局限性。根據(jù)對(duì)數(shù)曲線特性,對(duì)數(shù)運(yùn)算會(huì)加強(qiáng)低像素級(jí)區(qū)域的變化尺度,但是同時(shí)也減弱了高像素級(jí)的變化尺度。對(duì)于大多數(shù)數(shù)據(jù)集來說,最直觀的變化發(fā)生在水域,植被區(qū)域等低像素區(qū)域,但變化區(qū)域在建筑等表現(xiàn)為高像素級(jí)的區(qū)域時(shí),我們將檢測不到變化區(qū)域,實(shí)際上基于對(duì)數(shù)運(yùn)算的方式,只能檢測恰當(dāng)?shù)牡拖袼丶?jí)變化區(qū)域,而這個(gè)低像素灰度范圍并不明確,因此也需要額外進(jìn)行檢測。差值法作為最基本的變化檢測方法可以確切的檢測到主要變化區(qū)域,但是卻面臨高虛警率的問題,因此我們在差值法基礎(chǔ)上引入顯著性提取,改善虛警率偏高的情況。顯著性提取最初來源于光學(xué)圖像處理方法,主要用于獲取視覺上較為明顯的區(qū)域,多數(shù)情況下為像素級(jí)較高的區(qū)域,而弱化了低像素級(jí)的變化尺度,能夠有效檢測非低像素級(jí)變化區(qū)域。綜合分析,本文提出加權(quán)對(duì)數(shù)比和顯著性提取方法兩條檢測路線同時(shí)進(jìn)行的檢測流程,最后檢測結(jié)果有效疊加獲得全部檢測區(qū)域。為獲得更加準(zhǔn)確的變化區(qū)域信息,引入圖像融合方式�？紤]shearlet的稀疏特性和多尺度特征,引入shearlet降噪以及shearlet融合。Shearlet降噪方法主要針對(duì)于加性噪聲,因此需要使用對(duì)數(shù)運(yùn)算進(jìn)行轉(zhuǎn)換。降噪后,一條路線繼續(xù)使用加權(quán)對(duì)數(shù)比方法進(jìn)行檢測,另一條路線進(jìn)行反對(duì)數(shù)運(yùn)算,然后使用基于顯著性提取的差值方法。兩條路線獲得的差異圖進(jìn)行shearlet融合,得到實(shí)際變化區(qū)域。圖像融合一定程度上結(jié)合了不同方法的優(yōu)點(diǎn),但是當(dāng)基于對(duì)數(shù)比的差異圖出現(xiàn)大量噪聲,會(huì)影響最終的檢驗(yàn)精度,因此我們使用加權(quán)閾值分割結(jié)合加權(quán)對(duì)數(shù)比,改善這個(gè)弊端。本文方法的目標(biāo)是在有效檢測到變化區(qū)域基礎(chǔ)上,提高檢驗(yàn)精度,降低虛警率。本文使用多幅實(shí)際SAR圖像數(shù)據(jù)對(duì)本文所提出的各環(huán)節(jié)算法進(jìn)行驗(yàn)證。根據(jù)光學(xué)參考圖像與實(shí)地驗(yàn)證所獲得的統(tǒng)計(jì)信息,分別使用檢測率(DR),虛警率(FAR)和總體檢驗(yàn)精度(OA)進(jìn)行性能評(píng)估,最后將本文方法的實(shí)驗(yàn)結(jié)果與目前主流的相關(guān)算法進(jìn)行了比較,證實(shí)了本文的各部分工作的有效性和可行性。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN957.52
【圖文】：

可以認(rèn)為最優(yōu)。因此，響和增強(qiáng)方法適用性，研究價(jià)值和深遠(yuǎn)的戰(zhàn)略現(xiàn)狀對(duì) SAR 圖像變化檢測展程度不同，國內(nèi)對(duì)于內(nèi) SAR 圖像處理技術(shù)流程[41-42]可以分為 SA如圖 1.1 所示。圖像預(yù)處工作。后續(xù)處理過程[42，我們后面研究的圖像都測的研究，根據(jù)是否需式[37]的變化檢測，以此

化檢測技術(shù)應(yīng)用的研究大方向。理論上監(jiān)督方式的 SAR 圖像變化檢測技術(shù)檢測最優(yōu)，但是，而一般的非監(jiān)督方式適用性較差，因此本文研究的是基化檢測方法。變化檢算法評(píng)價(jià)圖像變化檢測過程的差異圖提取和閾值分割過程，算法評(píng)eiver Operating Characteristic Curve）和混淆矩陣[42]。ROC用信號(hào)和噪音混合信號(hào)中，獲取有效信號(hào)的能力，后來被ROC 曲線源自于統(tǒng)計(jì)決策理論，主要用于直觀表達(dá)不e，DR）和虛警率（False Alarm Rate, FAR）之間的相應(yīng)關(guān) ROC 曲線去評(píng)估差異圖提取方法性能，將 ROC 曲線引

以及實(shí)驗(yàn)結(jié)果與分析。圖 2.1 基于加權(quán)對(duì)數(shù)比的 SAR 圖像變化檢測流程圖2.1 基于對(duì)數(shù)運(yùn)算的差異圖提取2.1.1 對(duì)數(shù)比算法對(duì)數(shù)比值法來源于比值法的改進(jìn)。比值法的原理是將不同時(shí)間段的 SAR 圖像直接做除法運(yùn)算，結(jié)果和數(shù)值 1 進(jìn)行比較，越接近于 1，未變化的可能性越大，進(jìn)行合適的閾值分割就能獲得比值差異圖。比值法使噪聲之間也有了一個(gè)除法運(yùn)算，可以降低相干斑噪聲等乘性噪聲帶來的負(fù)面影響。比值法公式可以表示為，( )( )12X tXX tΔ = ··················································· (2.1)

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 慕彩紅;霍利利;劉逸;劉若辰;焦李成;;基于小波融合和PCA-核模糊聚類的遙感圖像變化檢測[J];電子學(xué)報(bào);2015年07期

2 張紅;葉曦;王超;張波;吳樊;湯益先;;面向?qū)ο蟮母叻直媛蔛AR圖像處理及應(yīng)用[J];中國圖象圖形學(xué)報(bào);2014年03期

3 王春瑤;陳俊周;李煒;;超像素分割算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年01期

4 楊婧;沈忱;王憲彬;;SAR圖像變化檢測技術(shù)研究綜述[J];中國水運(yùn)(下半月刊);2011年01期

5 高叢珊;張紅;王超;吳樊;;廣義Gamma模型及自適應(yīng)KI閾值分割的SAR圖像變化檢測[J];遙感學(xué)報(bào);2010年04期

相關(guān)博士學(xué)位論文 前1條

1 高國榮;基于Shearlet變換的圖像融合與去噪方法研究[D];西安電子科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前4條

1 吳慎通;SAR圖像的變化檢測方法研究[D];東北大學(xué);2014年

2 劉小艷;基于小波變換和模糊C均值聚類的遙感圖像變換檢測[D];浙江工業(yè)大學(xué);2014年

3 種耀華;基于多尺度幾何分析的文字定位方法研究[D];蘭州大學(xué);2013年

4 李敏學(xué);基于注意力機(jī)制的圖像顯著區(qū)域提取算法分析與比較[D];北京交通大學(xué);2011年

本文編號(hào)：2763431