基于Radon 变换和Jeffrey 散度的SAR 图像变化检测方法

针对多时相合成孔径雷达(Synthetic Aperture Radar, SAR)图像的变化检测,该文采用Radon 变换将局部图像投射成投影,用Edgeworth 展开来逼近投影的统计分布,比较投影之间的概率分布变化,并引入Jeffrey 散度作为两种分布差异的衡量因子,从而计算两个时相SAR 图像之间的变化差异图像。投影片断保留了一定量的图像结构信息,弥补了局部概率密度不变时的检测漏洞,而Jeffrey 散度具有较好的数值稳定性和对噪声的鲁棒性。最后通过实际的星载SAR 图像实验,验证了该文算法的有效性。      

基于KL距离的SAR影像变化检测

SAR影像的变化检测是一种应用于动态监测的重要技术,而SAR影像存在的相干斑噪声给SAR影像的变化检测带来了很大的困难,针对这一困难引入了KL距离（Kullback Leibler divergence的简称,也叫做相对熵）构造两幅多时相SAR影像的差异影像,然后提取所构造差异影像的变化区域,并结合数学形态学方法处理变化区域,有效地实现了SAR影像的变化检测。并将这种方法与传统的比值法进行了比较,实验结果表明这种方法能够有效地降低SAR影像变化检测的虚检率,提高检测的准确率。     

基于Memetic算法的SAR图像变化检测

提出了一种无监督SAR图像变化检测算法,利用数据聚类思想,通过进化算法寻找最小均方误差,得到变化检测结果.在原有Memetic算法基础上,针对图像自身特点,提出全新的搜索策略并根据当前检测结果动态调整局部搜索算法,实现了粗细结合的搜索过程.算法不受分布模型限制,不需要先验知识,适用性较强.将改进的算法与GA、ICSA及原MA进行比较,实验证明,该算法可以快速收敛.对真实SAR图像进行检测,可以得到较好的检测结果.     

基于两时相图像联合分类的SAR图像变化检测

传统分类后比较法(post-classification comparison,PCC)存在分类累积误差问题,且对单幅图像分类精度要求较高,对此,根据不同时相图像的不变信息所具有的相关性,提出了一种基于两时相图像联合分类的SAR图像变化检测方法.该方法以灰度值作为输入信息,通过相似度计算可得两时相图像对应位置像素的灰度相似度,然后求解全局相似度阈值,并用于控制基于K-均值的联合分类器对两时相图像进行联合分类,最后通过类别比较获得变化检测结果.实验结果表明本文方法不但可提高单幅图像的分类精度,而且能够精确地把不同时相图像的不变地物信息划分为同一类别,减少了分类累积误差的影响,提高了变化检测性能.     

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

基于MRF模型的SAR图像变化检测研究

SAR图像变化检测可以广泛应用于国民经济和国防建设的很多领域,已成为遥感领域中研究的热点之一.现有的SAR图像变化检测算法在变化检测过程中仅仅考虑不同时相图像数据的单一像素信息,未考虑图像像素间的空间依赖关系,检测结果易受SAR图像噪声的影响,检测精度很低.文中将能够描述图像相邻坐标之间状态的依赖关系,表达图像局部统计特征的MRF模型引入到SAR图像变化检测算法中,实验结果表明,该算法极大地提高了检测精度,且对图像噪声有很强的鲁棒性.     

结合邻域信息自适应优化的SAR图像变化检测

为提高SAR图像变化检测的精度,本文提出了一种邻域信息自适应优化及差异图融合的SAR图像变化检测算法。该算法首先根据邻域信息异质性计算像素点的自适应窗口生成自适应的对数均值比差异图像,充分抑制噪声影响;其次,将其与差值图加权融合,保留了图像的细节部分;最后,利用基于邻域隶属度约束的FCM聚类算法对融合后的差异图像进行分类。实验结果表明,该方法有效抑制了噪声对结果的影响,提高了变化检测的精度。     

基于分段的非监督SAR图像变化检测

本文提出一种基于分段的变化检测方法,该方法首先实现全局最优的图像分段,再根据位置信息产生最佳的变化检测分段图像,最后根据图像灰度和纹理信息对图像进行变化检测,利用合成孔径雷达(SAR)图像进行的实验表明了该方法的有效性.     

基于图像分割的SAR图像变化检测算法及实现

本文提出一种基于图像分割的变化检测方法,该方法首先根据SAR图像统计特性进行图像分割,然后对两幅SAR图像的分割图进行融合,用相同的区域分割来描述两幅图像,再利用区域灰度和纹理等信息构造图像变化函数,用变化函数对图像进行变化检测判别,最后利用合成孔径雷达(SAR)图像进行的试验,并和变化矢量分析方法(CVA)进行比较,得到了很好的效果。     

基于模糊聚类的SAR图像变化检测

利用两种模糊聚类算法即模糊C均值聚类(FCM)和Gustafson Kessel聚类(GKC),对SAR图像进行变化检测。差异图是根据不同时相图像的灰度值得到的,为了验证算法的有效性,实验选用两个不同地区的多时相图像,实验结果比较现存的马尔科夫随机场(MRF)和神经网络算法,不但耗用时间短,而且无需变化类和未变化类像素的任何先验分布信息。     

基于NSCT域图像融合改进算法的SAR图像无监督变化检测

为了降低合成孔径雷达(SAR)遥感图像变化检测总 误差数以及获取更好的变化检测结果,提出了一种基于非下采样轮廓变换(NSCT)域图像融合 改进算法的SAR图像无监督变化检测方法。首先用两时相遥感图像构造得到对数比值 和均值比值两种差异图,并 经过NSCT分解得到各自的高低频系数;然后对两差异图中的低频系数均采用最大梯度平方和 规则进行融合,高频 系数均采用加权规则进行融合,再利用逆NSCT融合得到最终差异图;最后用模糊局部信息C 均值聚类(FLICMC)算法实现对图像变化区 域与非变化区域的分类。通过对真实遥感数据集与模拟遥感数据集的研究表明,本文算法能 够有效抑制斑点噪声对 检测结果的影响,并且不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强 ,可以得到较好的检测 效果。与DWT2-FLICMC、MRF-FCMC算法相比,本文算法具有更高的检测精度和较少的算法 运行时间。     

基于ICA和FCM的多时相SAR图像变化检测

针对多时相合成孔径雷达(Synthetic Aperture Radar,SAR)图像提出了一种非监督的变化检测方法,首先利用独立成分分析(Independent Component Analysis,ICA)抑制相干斑噪声和减少混合像元,提高图像的分类性能.然后对独立分量图像构造差值图像进行非监督的变化检测,最后采用加入空间邻域信息的模糊C-均值聚类(Fuzzy C-Means)方法把差异图像分为变化类和非变化类,以此克服需要选择统计模型的影响.实验结果证实了该算法能有效抑制了变化检测中的虚警.     

机载SAR雷达实时图像变化检测的实现

本文针对某机载雷达图像实时变化检测系统工程实现,阐述了SAR图像变化检测原理和表征形式,分析了机上实时变化检测实现流程和处理方式,并给出了考核方法和飞行试验成果,最后对该系统的应用前景进行了分析和总结。     

基于自适应小波阈值的SAR图像降噪

合成孔径雷达(SAR)图像固有的相干斑噪声严重降低了图像质量,影响了后续的处理.SAR图像降噪的要求,是在滤除噪声的同时, 尽量保持原始图像的边缘和纹理等细节信息.本文将经典的小波域空间自适应软阈值法应用于降低SAR图像斑点噪声.在此基础上,本文提出根据小波系数的局部统计量选取阈值以及估计相关参数的方法.实验结果表明,本文算法在降低噪声和保持边缘纹理细节之间取得了较好的平衡,处理后的SAR图像的视觉效果和质量评估参数都要优于传统的空间域滤波方法的处理结果.     

基于小波域Fisher分类器的SAR图像变化检测

给出了一种无监督SAR图像变化检测算法,它不需要分布假设,而是通过联合灰度直方图的分布特性进行判别.算法利用自适应边缘检测提取训练数据,通过Fisher分类器对联合直方图进行判别分析,得到不同小波层待检测点隶属度,并根据邻域关系以及上下文进行融合,得到最终检测结果.对真实SAR图像进行检测,得到了较好的检测结果.     

一种基于小波变换的SAR图像多尺度融合变化检测方法

提出了一种针对多时相SAR图像变化检测的基于小波变换的多尺度融合检测方法,首先对多时相SAR图像取对数比得到变化比图像,然后对变化比图像进行多尺度小拨变换和低频重构,并对每个尺度的重构图像做自适应闻值变化检测,计算出每个像素的最优分解尺度,最后基于最优尺度完成像素的融合检测,利用像素的最优分解尺度融合多尺度的检测结果性提高变化区域边界像素检测的准确性,通过仿真SAR图像和真实SAR图像的检测实验证明了该方法的有效性.     

基于NSCT和FCM聚类的SAR图像无监督变化检测

提出了一种基于非下采样Contourlet(NSCT)和模糊C-mean聚类(FCM)的SAR图像无监督变化检测算法。首先利用基于NSCT的SAR图像去噪算法分别对两时相SAR图像进行高频系数去噪,然后利用去噪后的高频系数和低频系数构造差异图像,有效地去除了噪声对变化检测结果的影响,最后基于FCM算法实现了图像变化区域和非变化区域的分类。该算法不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强。将本文算法与NSCTKFCM和UDWTKMEAN进行比较,实验证明,本文算法不仅能够很好地保留变化区域的细节和准确检测变化区域的边沿,而且对噪声有更好的鲁棒性。     

基于词包模型的高分辨率SAR 图像变化检测与分析

该文面向高分辨率SAR 图像解译中的变化检测问题,针对其研究现状与难点,重点解决高分辨率SAR图像变化检测中的语义信息缺失问题,提出一种基于词包模型的变化检测与分析的方法。该方法利用词包模型,对两个时相的图像做词包表征,将视觉直方图的差作为变化向量进行分析。由于变化向量包含有语义信息,因此可通过对其分析,结合像素级变化结果,实现对变化区域的语义分析及感兴趣变化类型检测。经实验验证,该框架对高分SAR 影像变化语义分析具有应用前景。      

结合强度和相干信息的多阈值融合SAR影像变化检测

本文研究了联合SAR影像强度与相干信息的多阈值融合变化检测技术。针对SAR影像强度和相干信息各自统计分布特点,首先通过选定合适的统计分布模型分别对强度和相干信息进行统计分布拟合,并以Jeffrey距离为差异度量获取两种信息的差异图。然后利用三种阈值方法分别对两者的差异图进行阈值分割,获得多幅初步的变化结果图。最后利用马尔科夫随机场进行融合,得到最终的变化检测结果。实验结果表明该融合策略可以获得比单一阈值法更为稳定的变化检测结果。      

一种基于主分量分析的SAR图像变化检测算法

该文提出一种基于主分量分析(PCA)的SAR图像变化检测算法.该算法将SAR图像转化为列向量,对两个图像向量组成的矩阵进行主分量分解,其图像的变化部分则表征为矩阵的次分量成分.论文还研究了高效的SAR图像变化检测实现算法,最后通过与对数比方法和分块主分量分析法进行比较实验,实验结果证实了方法的有效性.