[發明專利]基于親和矩陣融合譜聚類方法的SAR圖像變化檢測方法在審
| 申請號: | 201710522211.5 | 申請日: | 2017-06-30 |
| 公開(公告)號: | CN107392863A | 公開(公告)日: | 2017-11-24 |
| 發明(設計)人: | 張建龍;陳圓圓;高新波;李巧 | 申請(專利權)人: | 西安電子科技大學 |
| 主分類號: | G06T5/00 | 分類號: | G06T5/00;G06T5/50;G06K9/62 |
| 代理公司: | 西安長和專利代理有限公司61227 | 代理人: | 黃偉洪 |
| 地址: | 710071 陜西省*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 親和 矩陣 融合 譜聚類 方法 sar 圖像 變化 檢測 | ||
技術領域
本發明屬于圖像處理技術領域,尤其涉及一種基于親和矩陣融合譜聚類方法的SAR圖像變化檢測方法。
背景技術
隨著一系列光學和雷達衛星的運行服務的發展,積累了大量的遙感數據,通過對這些圖像數據進行進一步的分析、處理及解譯,將經遙感技術獲得的圖像數據轉化為有用的信息,進而服務于國民經濟的各個領域。記錄各種地物電磁波大小的圖片稱為遙感圖像,其中合成孔徑雷達SAR(Synthetic Aperture Radar)圖像是遙感圖像的一個重要分支,是一種先進的主動式微波對地觀測設備,具有全天候、全天時工作的特點,對地面植被有一定穿透能力,能獲得類似光學照片的目標圖像,在國民經濟和軍事應用領域有著十分重要的作用。SAR圖像變化檢測技術是遙感圖像研究的重要組成部分,它是對同一地域不同時刻拍攝的多幅遙感圖像,采用圖像處理和模式識別等手段進行對比分析,根據圖像之間的差異來得到人們所需要的地物或目標隨時間發生的變化信息。可以應用于軍事研究領域、遙感氣象服務、災害動態監測、環境污染檢測以及城市規劃等方面。圖像變化檢測方法分為分類比較法和直接比較法,分類比較法首先對不同時期的SAR圖像分別分類,因而變化檢測結果的精度容易受分類精度的影響,變化檢測精度是不同時期SAR圖像各自分類結果精度的乘積,初始分類的錯誤將造成難以彌補的誤檢或漏檢現象;直接比較法的算法相對簡單,容易實現,但往往需要在預處理的基礎上進行,二者是串行關系,因而預處理的結果對變化檢測的結果有非常重要的影響。比如由于SAR成像過程中,電磁波遇到粗糙表面反射后,由于相位不同,導致回波發生干涉,造成接受區域內的回波強度忽強忽弱,形成固定的斑點噪聲,所以變化檢測前期需要對SAR圖像進行去噪處理,并且不同時期的SAR圖像之間存在著尺度、分辨率、位置以及大氣干擾等方面的差異,因此要進行幾何配準和輻射校正,這些預處理過程的處理精度對后期變化檢測精度都有著十分明顯的影響。圖像融合能有效的解決該問題,圖像融合是指將多源信道所采集到的關于同一目標的圖像數據經過圖像處理和計算機技術等,最大限度的提取各自信道中的有利信息,最后綜合成高質量的圖像,以提高圖像信息的利用率、改善計算機解譯精度和可靠性、提升原始圖像的空間分辨率和光譜分辨率,利于監測。一種基于三級小波融合的SAR圖像變化檢測方法,將對數比值差異圖和均值比值差異圖通過小波變換和逆變換得到融合差異圖,融合規則是基于低頻信息的加權平均和高頻信息的最小標準差,采用三級小波變換和逆變換,得到小波融合差異圖,最終實現對融合差異圖的變化信息的分析和標記。為圖像融合提供了新的思路,但受差異圖選取的影響很大,物理意義不夠明確,并且三級小波運算及逆運算導致運算效率并不高。隨著圖像質量的增強,以及圖像數量的增多,行之有效的處理大量遙感影像數據成為亟待解決的問題。矩陣分解在降維、低秩和稀疏方面有著重要應用,且考慮圖像數據本身的特點,為變化檢測問題的解決提供了更清晰的物理意義。
綜上所述,現有技術存在的問題是:現有基于圖像融合的SAR圖像變化檢測方法中存在的差異圖選取困難且物理意義不明確,最終融合得到的差異圖中信息的表現受制于初始差異圖的選擇。
發明內容
針對現有技術存在的問題,本發明提供了一種基于親和矩陣融合譜聚類方法的SAR圖像變化檢測方法。
本發明是這樣實現的,一種基于親和矩陣融合譜聚類方法的SAR圖像變化檢測方法,所述基于親和矩陣融合譜聚類方法的SAR圖像變化檢測方法包括:輸入同地域不同時間的兩幅原始SAR圖像,經去噪處理后構造兩基本差異圖Xl和Xm;分別對Xl和Xm進行鄰域特征描述得到特征描述矩陣XL和XM;利用相似度度量方法得到特征描述矩陣XL和XM對應的親和矩陣WL和WM;利用基于親和矩陣融合的譜聚類方法對親和矩陣WL和WM進行聚類分析,根據得到的聚類結果,得到變化檢測結果。
進一步,所述特征描述將提取得到的對數比值差異圖Xl和均值比值差異圖Xm中每個像素點的l層鄰域像素特征矩陣,其中l≥3,且l為奇數,提取的鄰域特征像素矩陣展開成列,得到像素點特征描述列向量。
進一步,所述親和矩陣融合包括:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學,未經西安電子科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710522211.5/2.html,轉載請聲明來源鉆瓜專利網。





