[發明專利]基于輪廓波集成DBN的極化SAR圖像變化檢測方法

有效

• 申請號: 201711102171.5
• 申請日: 2017-11-10
• 公開（公告）號: CN107945195B
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 焦李成;屈嶸;李玉景;陳璞花;楊淑媛;侯彪;馬文萍;劉芳;唐旭;古晶;張丹;馬晶晶
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/00;G06T5/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

一種基于輪廓波集成DBN的極化SAR圖像變化檢測方法，主要解決現有方法中極化SAR圖像變化檢測精度不高的問題。本發明的具體步驟如下：(1)輸入同一地區不同時相的兩幅極化SAR圖像的兩個極化相干矩陣；(2)濾除相干噪聲；(3)歸一化處理濾波后的極化相干矩陣；(4)提取特征矩陣F₁和F₂中每個元素的對角線元素；(5)對特征矩陣E₁和E₂進行非下采樣輪廓波變換；(6)對特征矩陣進行尺度級聯融合；(7)構造樣本集；(8)構造輪廓波集成深度置信網絡DBN變化檢測模型；(9)訓練輪廓波集成深度置信網絡DBN變化檢測模型；(10)輸出變化檢測結果。本發明具有對極化SAR圖像變化檢測結果輪廓清晰且精度高的優點。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及遙感圖像變化檢測技術領域中的一種基于輪廓波集成深度置信網絡DBN模型(Deep Belief Network)的極化合成孔徑雷達SAR(Synthetic Aperture Radar)圖像變化檢測方法。本發明可用于檢測兩幅不同時相獲取的極化SAR圖像中對應位置的水域、艦船、港口等的變化，可廣泛應用于民用領域和軍事應用領域，比如土地利用，軍事監測，城市規劃，災后重建等。

背景技術

極化SAR圖像變化檢測是指利用同一地區不同時相的兩幅極化SAR圖像來檢測和分析地面的變化情況。由于極化SAR技術與普通光學遙感技術相比具有全天候、全天時工作的特點，使得極化SAR圖像變化檢測在民用領域和軍事應用領域有著廣泛的應用。近年來，利用極化SAR圖像進行變化檢測在國際遙感領域受到高度重視，已經成為圖像處理的主要研究方向之一。

Ganchao Liu等人在其發表的論文“A new patch based change detector forpolarimetric SAR data”(Pattern Recognition,2015,48(3):685-695)中提出了一種基于塊相似性的極化SAR圖像變化檢測方法。該方法的首先對兩幅不同時相的極化SAR圖像運用非局部濾波方法和塊相似算法進行降噪的預處理操作。接著構造等效視數估計器，分別計算預處理后的兩幅極化SAR圖像的等效視數。然后根據求得的等效視數，對兩幅預處理后的極化SAR圖像做比值操作，得到比值圖。最后設置合理的閾值，根據比值圖求得變化檢測圖。由于該方法只考慮兩幅圖像的局部特征，雖然能夠得到較好的變化檢測結果，但是，該方法仍然存在的不足之處是，該方法使用的局部濾波方法使得極化SAR圖像仍然存在殘余斑點噪聲，影響等效視數的估計，所以仍存在變化檢測精度不高的問題。

天津大學在其申請的專利文獻“基于極化狀態提取的極化SAR圖像變化檢測方法”(專利申請號：201610526246.1，公開號：106204569A)中提出了一種基于極化狀態提取圖像變化檢測方法。該方法的具體步驟包括：第一步，對已配準的兩時相圖像分別進行去取向和相干斑抑制的預處理操作；第二步，自動選取預處理后兩時相圖像中的不變目標作為樣本，并構造樣本目標的特征矢量；第三步，尋找使得目標特征矢量相似性系數最大的極化橢圓率角和極化方位角作為該樣本目標的最優極化狀態；第四步，將兩幅圖像所有樣本目標的最優極化狀態取平均后得到整幅圖像的最優極化狀態組合χ_opt和ψ_opt，并在最優極化狀態下構造變化檢測特征量；第五步，根據求得的χ_opt和ψ_opt計算極化Kennaugh矩陣，結合變化檢測特征量，利用極化合成公式，計算兩個時相極化SAR圖像對應目標在最優極化狀態下的接收功率P_A和P_B，并構造比值變化檢測特征量F；第六步，利用雙閾值判別方法對變化檢測特征量F進行判別，得到變化檢測結果F′。雖然，該方法提取了極化SAR圖像特有的極化狀態，對于極化狀態特征明顯的極化SAR圖像有較好的檢測，但是，該方法仍然存在的不足之處是，該方法利用接收功率比值法構造檢測特征量相對簡單，無法檢測出對功率變化不敏感的變化區域，同時該方法沒有充分考慮極化SAR圖像的尺度特征信息，從而導致變化檢測結果邊緣模糊，且精度不高等問題。

發明內容