基於量子免疫克隆的sar圖像變化檢測方法
2023-07-01 05:57:01 1
專利名稱：基於量子免疫克隆的sar圖像變化檢測方法
技術領域：
本發明屬於圖像處理領域，具體地說是一種劃分聚類技術，可用於多時相SAR圖 像變化區域的檢測問題。
背景技術：
隨著衛星遙感技術的發展，遙感數據飛速增加。其中的SAR數據由於不受大氣環 境和和雲層遮擋的影響成為一種重要的遙感數據。如何準確快速自動地從不同時相的SAR 圖像中找出顯著變化的區域則具有十分重要的意義。在SAR圖像中尋找「非變化」和「變化」兩分類的研究目前還處於初步階段，大致 有兩個路線，一條路線是分類後比較方法，也稱後分類比較法，該方法先對兩個時相的圖像 進行獨立分類，再對兩幅分類圖像進行逐象素的比較，最後得到變化檢測圖；另外一條路線 是差異圖分類方法，該方法先對兩個時相的圖像進行逐象素的比較，比如逐象素點的差值、 比值、CVA等，再對比較得出的差異圖像進行進一步地多種變換、概率分布等處理以達到兩 分類，最後得到變化檢測圖。後分類比較法能夠減少由於數據獲取平臺和環境的不同引起 的偽變化信息，不需要數據的輻射校正等複雜的預處理，目前較多的研究是沿著差異分類 模型這個路線進行的。差異圖分類方法簡單直觀，得到的變化細節較為顯著。構造差異影 像得到的結果與實際的變化和非變化趨勢大體一致。按照策略現有的變化檢測方法可以歸結為七類算術運算法、變換法、分類法、高 級模型法、GIS方法、視覺分析法和其它方法。其中，在算術運算法中，應用比較廣泛的是無 監督的分割方法，通常又叫做聚類方法。無監督分割方法一般可以分為兩類層次聚類和劃 分聚類，其中劃分聚類通過最小化特定準則將數據集劃分到不同的類屬中，因此這類方法 可以看作是最優化問題，同時，圖像的變化檢測問題也可以視為組合優化問題，因此可以用 劃分聚類方法來處理圖像的變化檢測問題。但是已有的優化方法對於處理優化問題的時候 往往耗時很長，並且在搜索過程中容易陷入局部最優，同時對於複雜圖像的變化檢測問題 往往會存在邊緣定位不夠準確的缺點，這樣勢必會影響到圖像變化檢測的區域一致性與邊 緣保持的性能。
發明內容
本發明的目的在於克服上述已有技術的不足，提出一種基於量子免疫克隆聚類算 法的變化檢測方法，以快速、有效地搜索到最優聚類中心，準確定位邊緣，提高圖像區域一 致性和邊緣保持性能。實現本發明的技術方案是用聚類來實現變化檢測，把變化區域的檢測問題看作組 合優化問題，用量子免疫克隆算法計算搜索，使親合度函數最大化的序列組合作為變化檢 測結果，進而得到最結果。具體實現步驟如下(1)對輸入的兩時相圖像分別採用中值濾波，得到濾波後的圖像I1和I2 ；(2)對濾波後的圖像I1和I2求對數比差異影像13，並將該I3的灰度值作為聚類數
4據集；(3)設置抗體規模N = 20、類別數k = 2和停機條件，隨機產生初始量子抗
體2 (O =「2 「『 ？ 』作為聚類數據集的初始聚類中心，Q(t)中的
P i P 2 … P m Jf，
^ = 2-m)都以等概率w々初始化，所述的停機條件包括最大親合度值改變量的閾值 ε = 10e-5以及連續無法改進次數η = 5 ；(4)通過觀察量子抗體Q(t)的狀態，隨機產生一個W，l]數，若隨機產生的數大 於|<|2 ,則在相應的二進位位上取1，否則取0，以得到觀測後的解~) = { …乂}，每個 《C/= 1,2,…，均表示長度為m的二進位串(X1XfXm)；(5)計算觀測後的二進位抗體P (t)與聚類數據集的親合度函數fk，保留當前種群 中的最優子抗體qbest;(6)將量子抗體Q(t)進行量子旋轉門變異操作，得到量子種群Qm(t)；(7)將量子種群Qm(t)進行量子全乾擾交叉重組操作，得到聚類中心Q。(t)；(8)將聚類中心Q。(t)觀測成為新的二進位抗體P。(t)，計算ρ。(t)中每個子抗體 與聚類數據集的親合度函數值f。；(9)對p。(t)進行選擇操作，得到子代抗體ρ (t+1)；(10)判斷子代抗體是否滿足停機條件，如果滿足該條件就將子代抗體中親合度 最高的抗體對應的圖像類屬劃分作為輸出結果，否則返回步驟(4)，循環執行步驟(4) (10)，直到滿足停機條件。本發明與現有技術相比具有如下優點1.在圖像數據聚類過程中快速且有效地搜索到最優聚類中心，防止在進化過程中 陷入局部最優解。本發明由於採用了量子免疫克隆聚類算法來實現SAR圖像變化檢測，在操作中利 用量子編碼的疊加性來構造抗體，使得作用在量子編碼抗體上的操作具有高效的並行性， 為防止盲目的搜索，利用當前最優抗體的信息來控制變異，使種群以大概率向著優良模式 進化來加速收斂，並且有效地提高了搜索速度，使得該操作的時間複雜度降低。隨著問題的 複雜求解能力不盡人意，在各個子群體間採用量子重組操作增強信息交流，在各個子群體 內部採用量子旋轉門對抗體進行進化，並動態調整旋轉角度，在全局搜索的同時兼顧局部， 有效防止了在進化過程中陷入局部最優解。2.圖像變化檢測效果好本發明由於採用了量子編碼，量子重組，量子變異操作和精英選擇策略操作，因而 具有比現有技術更好的圖像變化檢測效果。仿真實驗表明，針對幾幅變化檢測SAR圖像，其 變化檢測結果的區域一致性，邊緣準確性好，同時具有更低的變化檢測錯誤率。
圖1是本發明的SAR圖像變化檢測流程圖；圖2是現有量子旋轉門的構造示意圖；圖3是用本發明方法對Bern城市水災變化檢測結果示意圖4是用本發明方法對Ottawa地區水災變化檢測結果示意圖。
具體實施例方式參照圖1，本發明的變化檢測過程如下步驟1，對待檢測的兩時相圖像進行簡化處理。這裡選取形態學中最常用的工具之一中值濾波器，窗口大小為3x3，用該濾波器對 輸入的兩時相圖像進行濾波處理，得到濾波後的圖像I1和12，濾波的目的是去掉小的噪聲 幹擾以及對感知不重要的細節，對圖像起到平滑作用，與經典的圖像簡化工具，如低通或中 通濾波器相比，中值濾波器的優勢在於簡化圖像而不造成圖像模糊或改變圖像輪廓。步驟2，按如下步驟對濾波後的圖像I1和I2求對數比差異影像I3，並將得到的I3 的灰度值作為聚類數據集。(2a)求待變化檢測兩時相圖像的對數比差異影像Id = Ilog(I^l)-Iogd1+!)其中I' ！ = (I1 (i, j),l ^ i ^ 1,1 ^ j ^ J}, I2 = {I2(i, j),l ^ i ^ I, 1 ^ j ^ J};(2b)對差異影像進行歸一化處理，得到對數比差異影像圖I3 = 255* (I11-Imin) / (Imax-Imin)其中Imax = max (Id)，表示Id中最大灰度值，Imin = min (Id)，表示Id中最小灰度值。步驟3，設置初始化參數，生成初始量子抗體。(3a)按照量子免疫克隆算法設置抗體規模N = 20、類別數k = 2，同時給定停機 條件，該停機條件包括最大親合度值改變量的閾值ε =10e_5以及連續無法改進次數η = 5 ；(3b)初始量子抗體Q(t)按如下定義隨機產生，作為聚類數據集的初始聚類中心一個具有m個量子比特位的抗體Q(t)可以描述為Q (O =其中α，β表示一個量子比特位，是用一對複數歸|Ψ>= α |0>+β | 1 >來定 義，這個複數表示一個量子比特位的狀態可以取0或1，該量子比特位處於狀態0和狀態1 的概率分別是I α I2, I β I2，並且QiI2+! ^iI2 = Ki = 1,2,…，m)，這種表示方法能夠表 徵任意的線性疊加態。在本發明中，Q(t)中的= — 都以等概率▲初始化，意味著所有 可能的線性疊加態以相同的概率出現。步驟4，將初始量子抗體Q (t)觀測成為二進位抗體ρ (t)。通過觀察初始量子抗體Q (t)的狀態，產生一組普通二進位解ρ (t)，其中在第t代 中P(t)可以描述為= K, '■··,<}其中<(/.= 1,2,…,《)是長度為m的二進位串(X1X2…xm)，它是由量子比特幅度|α,'|2或|A'|2 (^1,2,---,肌)得到的。產生二進位抗體(X1XfXm)的具體過程為隨機產生一個
數，若隨機產生的 數大於|<|2;則相應的二進位位上取1，否則取0。步驟5，計算每個觀測後的二進位抗體ρ (t)與聚類數據集的親合度函數fk，保留 當前群體中的最優抗體qbest。抗體親合度函數定義為 其中，i表示類別，j表示樣本點，μ 表示一個像素點樣本j屬於各個類別i的隸 屬度，m表示模糊指數，d(Xj, Vi)表示第Vi個聚類中心到第Xj個像素樣本之間的歐幾裡德距離。步驟6，將初始量子抗體Q(t)進行量子旋轉門變異操作，得到新的量子種群 Qm⑴。在本發明中，各個狀態間的轉移是通過量子門變換矩陣實現的，在0、1編碼的問 題中，設計了下面這種量子門變換矩陣來加速進化求優
「cos(0) -sin(0)"jU(0)=J,
sin(0) cos((9) _U( θ )表示量子旋轉門變換矩陣，旋轉變異的角度θ可由表量子旋轉門變異角θ 變化表得到，用量子旋轉門的旋轉角度表徵了量子抗體中的優化方向，進而方便的在變異 過程中加入最優抗體的信息，加快算法收斂。表1量子旋轉門變異角θ變化表 表中Xi為當前抗體的第i位，best,為當前的最優抗體的第i位，均為二值編碼， f(x)為親合度函數，Δ Qi為旋轉角度的大小，用以控制算法收斂的速度，S(CiJi)為旋轉 角度的方向，用於保證算法的收斂。參照圖2，本發明用一個二維坐標系來表示量子旋轉門的結構，其中橫坐標為α表示當前解取零的概率，縱坐標為βi，表示當前解取ι的概率，單位圓表示I ai|2+| β」2 = l(i = 1,2,…，m)的所包含的區域，當Xi = 0，besti = 1，f(x)彡f(best)時，為使當前 解收斂到一個具有更高親合度的抗體，應增大當前解取0的概率，即要使I α」2變大，如果 (a,, ^j)在第一、三象限，θ應向順時針方向旋轉；如果(Cii, β,)在第二、四象限，θ應 向逆時針方向旋轉。步驟7，將新的量子種群Qm (t)進行量子全乾擾交叉重組操作，得到Q。(t)，並將其 作為新的聚類中心。本發明通過使用量子的相干特性構造了一種新的重組操作_ 「全乾擾交叉」，量子 抗體在實行這種重組操作之前的狀態如表2量子重組操作前的抗體所示，實行量子重組後 各個抗體之間的狀態如表3量子重組操作後的抗體所示。該量子重組操作採用對角線交叉的方式，讓處於對角線上的抗體經過這種量子重 組方式之後處於同一行上面，這樣保證了種群中的所有抗體均參與重組，這種量子重組可 以充分利用種群中的儘可能多的抗體的信息，從而改進普通交叉的局部性與片面性，在種 群進化出現早熟時，這種量子重組方法能夠產生新的抗體，可以給進化過程注入新的動力。表2量子重組操作前的抗體 表3量子重組操作後的抗體 步驟8，將新的量子種群Q。(t)觀測成為二進位抗體P。(t)，計算每個抗體與聚類數 據集的親合度函數值f。；步驟9，對p。(t)進行選擇操作，得到子代抗體ρ (t+1)。本發明採用的是精英選擇策略，具體為，即在進化過程中，如果某一代中的最優解 的親合度函數值優於當前代最優解的親合度函數值，則當前代最優解就被該最優解所代 替，否則保留當前代最優解，從而可以保證在進化過程中每一代的最優解都不會丟失。選擇操作的目的是選擇出親合度較高的抗體，這些抗體對應的差異圖像的變化檢 測的結果要好於親合度低的抗體對應的差異圖像的變化檢測結果，採用精英選擇策略可以保證某一代的最優解在整個進化過程中可以毫髮無損地被保留下來。步驟10，輸出圖像類屬劃分結果的條件判斷。按照輸出差異影像圖的變化檢測結果時最佳的抗體親合度改變量至少連續迭代 η次不變的原則，判斷停機條件，如果第t代與t+Ι代最大親合度值之差不大於閾值ε = lOe-5，則η = η+1，否則，η不變，如此反覆迭代，直到滿足η次不大於已設定的閾值ε = lOe-5，就將該抗體中親合度最高的抗體對應的圖像類屬劃分作為輸出結果，否則返回步驟 (4)，循環執行步驟(4) (10)，直到滿足輸出類屬劃分結果的停機條件為止。通過以上十個步驟的操作，對於輸入的待變化檢測圖像均可以輸出一個最佳的變 化檢測結果。本發明的效果可以通過以下仿真進一步說明1.仿真數據第一組的真實SAR數據是1999年4月和1999年5月由ERS 2所攜帶的SAR在瑞 士 Bern城區附近獲得，該組數據變化部分是在Thim市、Bern市和Bern機場段Aare河的 洪水引起的，實驗中所用圖像大小為301X301像素，256灰度級，其中變化像元數為1155， 未變化像素元數為89446。第二組的真實SAR數據是1997年5月和1997年8月由Radarsat所攜帶的SAR 在加拿大Ottawa城區附近獲得，實驗中所用圖像大小為290x350像素，256灰度級，其中變 化像元數為11952，未變化像素元數為82871。2.仿真內容及結果(1)仿真內容把以上仿真數據的第一時相原圖和第二時相原圖作為仿真對象，用本發明方法檢 測第二時相原圖相對於第一時相原圖的變化情況。(2)仿真結果·對第一組真實SAR數據及實驗結果如圖3所示，其中圖3 (a)為真實SAR第一時相 的原圖，圖3(b)為真實SAR第二時相的原圖，圖3(c)為兩時相的變化檢測參考圖，圖7(d) 為本發明的變化檢測結果圖，圖3(e)為對比算法K均值算法變化檢測結果圖，圖3(f)為對 比算法遺傳算法變化檢測結果圖。對第二組真實SAR數據及實驗結果如圖4所示，其中圖4 (a)為真實SAR第一時相 的原圖，圖4(b)為真實SAR第二時相的原圖，圖4(c)為兩時相的變化檢測參考圖，圖7(d) 為本發明的變化檢測結果圖，圖4(e)為對比算法K均值算法變化檢測結果圖，圖4(f)為對 比算法遺傳算法變化檢測結果圖。表4給出了本發明實驗結果數據。表4實驗結果數據 3.仿真結果分析從圖3和圖4可以看出，本發明方法對於複雜圖像的變化檢測問題邊緣定位準確， 圖像變化檢測的區域一致性與邊緣保持的性能相對於K均值算法和遺傳算法都有了很大 的提高。從表4可以得到，本發明對真實SAR數據，相對於K均值算法和遺傳算法來說，誤 檢率和漏檢率，錯誤檢測率都處於較低的水平，總的來說，變化檢測精度高。
權利要求
一種基於量子免疫克隆的SAR圖像變化檢測，包括以下步驟(1)對輸入的兩時相圖像分別採用中值濾波，得到濾波後的圖像I1和I2；(2)對濾波後的圖像I1和I2求對數比差異影像I3，並將該I3的灰度值作為聚類數據集；(3)設置抗體規模N＝20、類別數k＝2和停機條件，隨機產生初始量子抗體作為聚類數據集的初始聚類中心，Q(t)中的都以等概率初始化，所述的停機條件包括最大親合度值改變量的閾值ε＝10e 5以及連續無法改進次數n＝5；(4)通過觀察量子抗體Q(t)的狀態，隨機產生一個
數，若隨機產生的數大於則在相應的二進位位上取1，否則取0，以得到觀測後的解每個表示長度為m的二進位串(x1x2…xm)；(5)計算觀測後的二進位抗體p(t)與聚類數據集的親合度函數fk，保留當前種群中的最優子抗體qbest；(6)將量子抗體Q(t)進行量子旋轉門變異操作，得到量子種群Qm(t)；(7)將量子種群Qm(t)進行量子全乾擾交叉重組操作，得到聚類中心Qc(t)；(8)將聚類中心Qc(t)觀測成為新的二進位抗體pc(t)，計算pc(t)中每個子抗體與聚類數據集的親合度函數值fc；(9)對pc(t)進行選擇操作，得到子代抗體p(t+1)；(10)判斷子代抗體是否滿足停機條件，如果滿足該條件就將子代抗體中親合度最高的抗體對應的圖像類屬劃分作為輸出結果，否則返回步驟(4)，循環執行步驟(4)～(10)，直到滿足停機條件。FSA00000197006500011.tif,FSA00000197006500012.tif,FSA00000197006500013.tif,FSA00000197006500014.tif,FSA00000197006500015.tif,FSA00000197006500016.tif,FSA00000197006500017.tif
2.根據權利要求1所述的圖像變化檢測方法，其中步驟(5)所述的計算觀測後的二進 制抗體P(t)與聚類數據集的親合度函數fk，利用如下公式進行 其中，i表示類別，j表示樣本點，μ ij表示一個像素點樣本j屬於各個類別i的隸屬 度，m表示模糊指數，d(Xj, Vi)表示第Vi個聚類中心到第Xj個像素樣本之間的歐幾裡德距罔。
3.根據權利要求1所述的圖像變化檢測方法，其中步驟(6)所述的將量子抗體Q(t)進 行量子旋轉門變異操作，是在抗體Q(t)的每一個基本量子位按如下步驟進行(3a)查找量子旋轉門變異角θ變化表，如果親和度函數f (Xi)彡f(beSti)，查詢得到 要旋轉的角度Δ Qi，其中Xi為當前抗體種群Q(t)的第i個基本量子位，besti為當前的最 優抗體qbest的第i個基本量子位；(3b)根據得到的旋轉角度Δ Qi，計算出新的量子位Xi—Mw:Xinew = XiW ( Δ θ,)"cos(A0,) -sin(Ae)1其中「仏幻二 .；『； ；，為量子門變換矩陣。
4.根據權利要求1所述的圖像變化檢測方法，其中步驟(7)所述的將量子種群Qm(t) 進行量子全乾擾交叉重組操作，是通過使用量子的相干特性構造全乾擾交叉操作實現重組 算子，該操作採用對角線交叉的方式，使得種群中的所有抗體均參與交叉。
5.根據權利要求1所述的圖像變化檢測方法，其中步驟(9)所述的對p。(t)進行選擇操 作，採用精英選擇策略，即在進化過程中，如果某一代中的最優解的親合度函數值優於當前 代最優解的親合度函數值，則當前代最優解就被該最優解所代替，否則保留當前代最優解， 從而可以保證在進化過程中每一代的最優解都不會丟失。
全文摘要
本發明公開一種基於量子免疫克隆的SAR圖像變化檢測方法，主要解決已有優化方法耗時長，易陷入局部最優，對複雜圖像邊緣定位不準確的缺點。其步驟為(1)對兩時相待變化檢測圖像進行濾波處理，求對數比差異影像圖；(2)設置種群規模、類別數k及停機條件，隨機產生量子抗體Q(t)作為初始聚類中心；(3)觀測Q(t)成二進位抗體p(t)，計算每個抗體的親合度fk，保留Q(t)最優抗體qbest；(4)對Q(t)進行變異操作得到Qm(t)；(5)重組Qm(t)得到Qc(t)；(6)觀測Qc(t)成二進位抗體pc(t)，計算每個抗體的親合度fc；(7)選擇操作pc(t)，得到子代抗體；(8)若子代抗體滿足停機條件，將子代抗體中親合度最高的抗體對應圖像類屬劃分作為輸出結果。本發明具有變化檢測精度高、邊緣定位準確的優點，可用於對複雜圖像的變化檢測。
文檔編號G01S13/90GK101908213SQ201010230980
公開日2010年12月8日 申請日期2010年7月16日 優先權日2010年7月16日
發明者劉芳, 吳娜娜, 吳建設, 尚榮華, 李陽陽, 焦李成, 緱水平, 馬文萍 申請人:西安電子科技大學