[發明專利]一種基于分解的SAR圖像多目標模糊變化檢測方法

在審

• 申請號: 202111681937.6
• 申請日: 2021-12-31
• 公開（公告）號: CN114331909A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 方偉;席超;陸恒楊;孫俊;吳小俊
• 申請（專利權）人: 江南大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10;G06V10/762;G06V10/764
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 張勇

本發明公開了一種基于分解的SAR圖像多目標模糊變化檢測方法，屬于遙感監測技術領域。該方法從保留細節與去除噪聲兩個目標點出發，針對不同的目標生成不同的差分圖像，分別使用FCM與FLICM模糊聚類代價函數來構造不同的目標函數，通過MOEA/D的方式對多目標任務進行優化，最后采用新的隸屬度更新公式，通過種群迭代的方式，以不同的權重分配來計算每個像素點最后關于不同類別的隸屬度值。通過實驗證明本申請方法對SAR圖像具有更好的檢測效果。同時本申請針對保留細節和去除噪聲兩個目標進行了更加細致的分析，針對兩目標選取了兩個相互沖突的目標函數以進一步提高其區分能力，提高了對斑點噪聲的魯棒性。

技術領域

本發明涉及一種基于分解的SAR圖像多目標模糊變化檢測方法，屬于遙感監測技術領域。

背景技術

變化檢測是通過對不同時段得到的同一地區的遙感圖像進行分析，以確定地表發生的人為或自然造成的改變。變化檢測已被應用于很多重要領域當中，比如冰川消融檢測，災害管理，土地覆蓋檢測等等。

隨著地球觀測技術的不斷進步，如今我們可以更加容易的獲得不同分辨率、不同類別的衛星遙感影像，其中合成孔徑雷達(Synthetic Aperture Radar，SAR)影像由于其全天候，全天時工作與具有較強的穿透能力的特點，受到了廣泛的關注。但由于其成像原理的因素，SAR圖像中存在散點噪聲的干擾，故對SAR圖像的分析仍然是一項困難的任務。

從機器學習的角度，目前比較流行的無監督變化監測方法的主要步驟如下：首先，對不同時間獲取的同一地區的遙感圖像進行圖像預處理操作，主要包括幾何配準，輻射校正，去噪等操作。然后，使用某些手段獲取差分圖像，最后對獲得的差分圖像進行分析，從而獲得最終的變化檢測結果。

Li和Gong等提出了一種MOFCM算法(Li,H.,Gong,M.,Wang,Q.,Liu,J.,Su,L.(2016).A multiobjective fuzzy clustering method for change detection in SARimages.Applied Soft Computing,46,767-777.)，其將變化檢測問題轉化為多目標優化問題(MOP)，通過對數比算子產生的差分圖像來保留細節，然后對差分圖像進行均值濾波處理以去除噪聲，得到去噪后的差分圖像。然后直接使用FCM的成本函數作為兩目標的目標函數，構建多目標模糊聚類模型。使用加權和分解的方式對不同的目標進行權衡，并通過進化算法更新聚類中心。最后，利用對數比圖像和均值濾波后的對數比圖像中的信息來決定每個像素點的隸屬度，進而獲得最終的變化檢測結果。

但是，其對噪聲的處理過于粗糙，僅使用均值濾波無法有效的對斑點噪聲進行處理。同時，由于其直接使用FCM的成本函數作為兩目標的目標函數，而FCM不考慮像素點的空間位置信息，對噪聲敏感，因此不適用于對去噪圖像的分析。所以其對變化檢測結果的預測精度還有待于進一步的提高。

發明內容

為了增強對SAR圖像的分析能力并提高對變化檢測任務的檢測精度，本發明提供了一種基于分解的多目標模糊變化檢測方法，所述方法針對MOFCM算法中所使用的均值濾波無法有效的對斑點噪聲進行處理的問題，提出了一種新的去噪差分圖像的產生方式，即小波濾波+顯著性檢測的方式獲得去噪差分圖像，有效去除了斑點噪聲；而針對MOFCM算法中使用對噪聲敏感且不考慮空間信息的FCM作為去噪目標函數，從而導致對去噪圖像的分析能力較弱的問題，本申請提出了一種新的多目標模糊聚類模型，使用不同的隸屬度更新公式去分析每個像素點對不同類別的隸屬度，從而提高了變化檢測任務的檢測精度。

一種基于分解的多目標模糊變化檢測方法，所述方法包括：

步驟一：獲取在同一地理區域的兩個不同時期的SAR圖像，并對圖像進行預處理；

步驟二：對預處理后的圖像分別使用log算子獲得保留細節差分圖像，使用小波濾波與基于頻域的顯著性檢測相結合的方式，獲得去噪差分圖像；