非监督SAR图像变化检测研究最新进展

SAR图像变化检测已经成为国内外研究热点,在多方面取得广泛应用。本文综述了SAR图像非监督变化检测技术研究的最新进展,从变化检测的基本流程出发,介绍了图像预处理、差异图提取、差异图分割的各类算法。本文的归纳总结,将进一步加深研究人员对SAR图像变化检测技术的认识,促进其在实际工作中的更好运用。     

基于聚类分析的SAR图像变化检测

针对传统变化检测方法用于合成孔径雷达(SAR)图像时不能有效地降低背景变化导致的检测虚警,提出了基于聚类分析的SAR图像变化检测方法。该方法对聚类后SAR图像像素类间变化引入Mahal-anobis距离(M距离),结合变化阈值的选择来分析图像中变化像素的M图,进而实现SAR图像变化检测。仿真结果说明:该方法不仅能克服自然和背景变化给检测带来的困难,而且,不受传感器位置的影响,能有效地对不同时刻的SAR图像进行变化检测。     

差异特征融合的无监督SAR图像变化检测

针对Siamese网络忽略不同层级差异特征之间的关联导致检测精度有限的问题,提出了基于差异特征融合的无监督SAR(synthetic aperture radar)图像变化检测算法。首先,利用对数比值算子和均值比值算子构建两幅信息互补的差异图,通过引入能量矩阵对差异图进行像素级融合以提高其信噪比;其次,设计了一种基于差异特征融合的Siamese网络(difference feature fusion for Siamese,DFF-Siamese),该网络能够通过差异特征提取模块在决策层综合衡量不同层级特征之间的差异程度,从而有效增强网络的特征表达能力;最后,利用模糊聚类算法对融合结果进行分类构建“伪标签”,用于训练DFF-Siamese网络以实现高精度SAR图像变化检测。在3组真实遥感数据集上的实验结果表明,本文提出的算法与其他对比算法相比具有更高的检测精度和更低的错误率。     

基于Log-Gabor滤波器的SAR图像变化检测研究

合成孔径雷达(SAR)图像具有良好的操作性能和较高的分辨率.针对多时相SAR图像,提出了一种多尺度多方向的图像变化检测方法.通过斑点抑制各向异性扩散滤波(SRAD)和离散小波变换(DWT)对SAR图像进行预处理,利用Log-Gabor(LG)滤波器组对处理后的无斑点图像进行多尺度多方向设计,将多个方向的最大幅值相加得到基于特征的尺度表示.通过设计最小重叠的传输函数来扩大覆盖广泛的滤波器带宽,对每个尺度进行多方向处理得到差分图像系数,将各尺度的差分系数序列相加进而计算差分图像.最后,利用真实的武汉市SAR图像数据集验证了该方法的性能.     

结合空间邻域信息的SAR图像变化检测

SAR图像变化检测可以通过对差异图的分类来实现,由于SAR图像容易受到相干斑噪声的干扰,从而影响变化检测效果。提出了一种基于空间邻域信息模糊聚类的SAR图像变化检测方法,根据对数比法和均值比法的各自特点,构造了一种新的差异图生成方法,并通过对传统的模糊聚类算法结合像素的空间邻域信息进行改进,来实现SAR图像的变化检测。实验结果表明,与传统的阈值法、模糊聚类算法以及局部邻域信息模糊C均值算法相比,提出的算法具有较高的检测精度,不但能有效地抑制噪声影响,同时能较好地保留图像细节信息。     

基于分布差异的多时相SAR图像变化检测

结合SAR的后向散射特性和成像特点,利用交叉熵给出一种基于Edgeworth多项式的分布差异法检测不同时相的SAR图像变化区域。该方法采用Edgeworth多项式拟合SAR图像的密度分布,利用交叉熵计算两幅图像的差异指数,获得的差异图像能较好地反映图像变化情况,抑制了SAR图像固有的斑点噪声影响,采用CFAR分割差异图像得到的变化检测结果表明该方法具有高检测率、低虚警率的特点。     

基于Log-Ratio算子的目标级星载SAR时序图像变化检测方法

星载SAR具有利用稳定重访周期来获取高分辨图像的优势,针对其获得的长时间时序图像,利用变化检测技术可以对固定区域中的变化信息进行提取。对于环境监测、灾害损失评估、生产能力评估有着重要意义。现有方法多针对较大尺寸的区域,面向目标级的变化检测方法较少。因此提出了一种基于Log-Ratio算子的星载SAR时序图像序列变化检测方法,以实现获取目标级尺寸的时序变化信息。该方法首先运用Log-Ratio算子将图像转换为对数图像,然后以图像序列中的一景为参考图像,将当前图像与参考图像作差获得变化图像,最后在变化图像上运用CFAR算法完成变化检测。所提算法利用Sentinel-1 SAR图像数据集进行了方法验正。     

基于多智能体遗传的SAR图像变化检测

针对传统进化算法在SAR图像变化检测时,容易陷入局部最优,收敛速度慢,耗时过长,为了解决这些问题,提出了一种无监督的多智能体遗传SAR图像变化检测方法。利用对数比值法对预处理后的图像构造差异影像,并对差异影像进行中值滤波处理,把它的灰度值作为输入信息,通过多智能体遗传算法搜索全局阈值,根据全局阈值得到变化检测结果。仿真结果表明,该算法与GA、ICSA相比,分类准确,收敛快速,效率更高。     

热含量不变量的SAR图像点特征变化检测

针对区域变化检测受分类器精度影响大、无法探测出内部细微变化这一问题,本文提出了基于热含量不变量的合成孔径雷达（Synthetic aperture radar,SAR）图像点特征变化检测.该方法利用热核特征,具有计算简便、矩阵扰动性小的特点,且有效地降低了噪声的干扰.由热核不变量的统计特性,采用期望极大化（Expectation maximization,EM）算法解决了SAR图像的自动变化检测.同时通过对权的讨论,给出了适用于SAR图像的权函数定义.对单波段单极化SAR与多极化SAR图像,本文算法相比于基于像素和似然比的方法,能够更快速更精确地检测到变化区域.     

顾及冲突分析的模糊积分非监督变化检测

以模糊积分(Fuzzy integral, FI)为基础, 提出一种顾及冲突分析(Conflict analysis, CA)的全自动遥感变化检测方法CA-based FI, CAFI). CAFI首先选取典型的对比算子, 生成信息互补的差异图(Difference image, DI)集; 其次利用模糊聚类、杰卡德相似系数和FI对差异图进行决策级融合, 得到初步融合变化检测图; 然后通过模糊集理论计算像元的信息冲突程度, 将初步融合检测结果自适应地划分为冲突严重区域和冲突较弱区域; 最后, 对冲突较弱的像元, 将其初步融合结果作为最终检测结果, 对易产生融合错误的冲突严重像元, 利用地统计分析对其重新分类. CAFI能够集成不同信息优势的同时, 很大程度地解决FI融合过程中的信息冲突问题. 三组真实遥感数据的实验结果验证了CAFI的有效性和鲁棒性.     

一种新的结合非下采样Contourlet域融合和参数化内核图割的SAR图像无监督水灾变化检测

目的：基于非下采样Contourlet变换(NSCT)融合策略可以有效地抑制背景信息增强变化区域的信息。但是融合后图像具有复杂的统计特征,传统的基于统计特征的变化检测难以实现。基于参数化内核图割的遥感图像分割不受统计特征的限制。为此提出了一种基于NSCT融合和参数化内核图割的SAR图像无监督水灾变化检测新算法。方法：将均值比差异图像和对数比差异图像采用基于NSCT的融合算法进行融合,将融合后的差异图像采用参数化内核图割算法进行前景/背景的分割,得到最终的变化检测结果。结果：融合后的差异图像利用前两种差异图像的互补信息提高了变化检测精度。算法不受统计模型限制,不需要先验知识,适用性强。结论：实验结果表明,本文算法的检测精度优于传统的变化检测方法。     

基于非下采样Shearlet和几何结构的遥感图像无监督变化检测

提出了基于非下采样Shearlet和几何结构的遥感图像无监督变化检测新算法。首先将两幅SAR图像相减取绝对值得到差异图像,然后利用基于非下采样Shearlet自适应贝叶斯阈值去噪算法对差异图像进行去噪处理来减少噪声的影响。最后根据差异图像的局部几何特征和邻域信息构造跨特征矢量,再利用模糊C-means聚类算法对跨特征矢量聚类,聚类的结果为变化类和未变化类即最终的变化检测结果。实验证明:该算法对噪声的抗噪性能平稳而且有效,可以得到较好的检测结果。     

基于模糊C均值聚类和邻域分析的无监督多通道遥感图像变化检测

提出一种基于模糊C均值聚类(Fuzzy C-means,FCM)和邻域分析的多通道遥感图像变化检测方法.通常的多通道遥感图像变化检测方法将变化信息从多个波段压缩到一个波段,损失了遥感图像的波段信息.本文将多波段变化信息用FCM方法来实现多通道遥感图像的变化检测.但由于FCM有对孤立点敏感的特点,该方法容易受噪声的影响....     

基于融合和T-分布的SAR图像水灾变化检测

基于融合和T-分布模型,提出了一种新的SAR图像水灾变化检测方法.首先,结合差值法与对数比的优点,根据经验提出了一种新的融合策略,通过融合差值图像和对数比图像可得视觉效果较好的差异图像.然后根据融合后的差异图像的直方图,确定绝对变化类与绝对非变化类两个区间,从而可得两者之间的模糊区间.假设模糊区间的直方图服从T-分布,根据Kittler-Illingworth(KI)阈值选取准则,提出了一种基于T-分布模型改进的KI阈值法(TM_KI),对融合后的差异图像进行阈值分割得到水灾变化结果.通过实验比较,结果分析表明该方法不但能减少相干斑噪声的影响和增强水灾带来的微弱变化信息,而且能有效地检测面积较小的变化区域,从而改善变化检测性能.     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

基于多极化SAR图像的鄱阳湖湿地地表淹没状况动态变化分析

合成孔径雷达图像对于地表淹没状况的探测有一定的优势.以鄱阳湖湿地为例,基于多极化Envisat ASAR数据,将变化向量分析方法引入地表淹没状况的变化检测中,分析鄱阳湖湿地地表淹没状况的动态变化,然后利用决策树分类方法将变化区域提取出来,并探讨变化向量方法应用于SAR图像变化监测的潜力.     

基于多特征的SAR图像多尺度无监督分割

提出一种基于多特征的SAR图像多尺度无监督分割方法.该方法采用隐Markov树(hidden Markov tree,HMT)模型对SAR图像的灰度数据与标准差数据分别建模并分割,由两个分割结果提取SAR图像的结构性信息,并根据结构性信息,对灰度分割的后验概率进行平滑,最终的分割结果表明,该方法在很少损失结构性信息的基础上,能得到更光滑的分割结果.     

无监督名片区域自动提取算法研究

随着商务活动日趋频繁,商务名片管理的信息化日益受到人们的重视,其中名片区域的定位是名片图像预处理的关键步骤。本文提出一种利用边缘图像定位名片区域的算法,该算法比常用的聚类算法运算量要小,且对倾斜、展缩等具有一定鲁棒性。     

SAR图像序列目标检测方法

提出一种合成孔径雷达（SAR）图像序列目标检测方法,采用最大后验概率准则完成第1帧SAR图像的目标提取,同时获得所需参数向量。在此基础上,对图像进行目标检测,利用前一帧图像的目标检测信息和参数向量,实现后一帧图像的目标检测,并对SAR图像杂波数据的参数向量进行修正。仿真实验结果说明,该方法具有良好的目标分割性能。