基於空間關聯條件概率融合的多時相sar圖像變化檢測方法

2023-05-05 06:15:06

專利名稱：：基於空間關聯條件概率融合的多時相sar圖像變化檢測方法
技術領域：
：本發明屬於圖像處理領域，涉及多時相SAR圖像的變化檢測，具體地說是一種基於空間關聯條件概率融合的多時相SAR圖像變化檢測方法。
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，但是該方法是基於不同時相的分類圖的，對分割結果準確性要求較高，象素值的微小偏差可能會被判為不同的類別，經差異比較後會產生非變化與變化間的巨大差異，直接影響最終的變化檢測結果。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，但是它們之間反映出的地物的輻射能量的變化卻並不總是相同的，因此反映出的地物變化程度及屬性也不完全相同，往往含有較多的偽變化信息。同時該方法將兩時相圖像直接進行逐象素的差值或者比值運算並沒有充分利用兩時相圖像的內在關聯特性，無法較好的保持變化區塊的完整性。
發明內容本發明的目的在於針對上述兩類變化檢測方法的不足，提出一種基於空間關聯條件概率融合的SAR圖像變化檢測方法，以較好的保持變化區塊的完整性，並減少偽變化區塊的出現，取得了較好的變化檢測結果。實現本發明目的的技術方案是首先分別計算兩時相SAR圖像的邊緣匹配最優分割圖和空間關聯條件概率圖，然後逐點計算條件概率圖與兩時相SAR圖像中對應3X3鄰域的空間關聯條件概率，據此條件概率逐點對兩時相的最優分割圖進行融合，得到融合差異圖，最後對融合差異圖分割得到變化檢測結果。具體步驟如下(1)對輸入的兩時相圖像分別採用兩次增強Lee濾波，得到圖像^和I2;(2)用Ca皿y邊緣算子分別計算兩時相圖像I!和I2的邊緣，得到兩幅Ca皿y邊緣4(3)計算兩幅Ca皿y邊緣圖中每個像素點與其周圍每個邊緣點的歐氏距離，選擇每個像素與其周圍邊緣點的最小的距離作為該像素點的邊緣距離值，得到兩幅Ca皿y邊緣圖中各點的邊緣距離值；(4)取圖像I2的每一個灰度級作為一個閾值對圖像12分別二值化，得到與各灰度級對應的多幅二值圖；計算每個二值圖的邊緣與圖像I2的Ca皿y邊緣的匹配度(g2)/m2(g2)，其中，mi(g2)為LE2(g2)/BE2(g2)，BE2(g2)是與灰度級g2對應的二值圖的邊緣上的像素點數，LE2(g2)是二值圖邊緣與時相2圖像I2的Ca皿y邊緣存在重疊的像素點數，m2(g2)是灰度級g2對應二值圖的邊緣上點在第二幅Ca皿y邊緣圖中對應點的邊緣距離值的和；選取匹配度最大的二值圖作為圖像I2的最優分割圖IE2;(5)取圖像L的每一個灰度級作為一個閾值對圖像L分別二值化，得到與各灰度級對應的多幅二值圖；計算每個二值圖的邊緣與圖像L的Ca皿y邊緣的匹配度m3(gl)mi(gl)/m2(gl)，其中，mi(gl)為(gl)/BE!(gl)，BE!(gl)是與灰度級gl對應的二值圖的邊緣上的像素點數，!A(g》是二值圖邊緣與時相1圖像L的Ca皿y邊緣圖中的邊緣存在重疊的像素點數，m2(gl)是灰度級gl對應二值圖邊緣上點在第一幅Ca皿y邊緣圖中對應點的邊緣距離值的和，m"g》為第一時相圖像L灰度級gl對應的二值圖的邊緣與第二時相圖像I2的最優分割圖IE2邊緣兩者存在空間位置重疊的像素點數除以第二時相圖像I2的最優分割圖IE2邊緣的像素點數的值；選取出匹配度最大的二值圖作為圖像L的最優分割圖IE!;(6)取圖像^和l2中位於(i，j)處像素的灰度值^和V2，組成灰度點對(Vl，v2)，統計圖像L和I2中灰度點對(Vl，v2)出現的概率P(Vl，v2)及灰度值Vl出現的概率P(v》;(7)構建一幅與圖像L和I2相同大小的MXN圖像Ip，對應^和I2出現灰度點對(Vl，v2)的位置處的IP的像素值賦為概率P(Vl，v2)/P(Vl)，得到空間關聯條件概率圖IP;(8)統計空間關聯條件概率圖IP中每個像素點與圖像L和I2中相同位置像素的3X3鄰域內各點的條件概率PW，AvOW.2,.^A…,^('，力力)Zv^"其中，vp(i，j)為；中(i，j)處點的值，v(s)為圖像^禾口12中(i，j)處點3X3鄰域內18個點的值，Nhj(Vp(i，j)，v(s))為(vp(i，j)，v(s))在由Ip中(h，l)處像素值與圖像I!和12中(h，l)處像素的3X3鄰域內18個像素值組成的18組灰度對中出現的頻數，P(v(s))為圖像^和^中值v(s)出現的概率；(9)依據步驟(8)圖像^和I2中(i，j)處3X3鄰域內各點與Ip中(i，j)處的點的條件概率，對應地將步驟(4)和步驟(5)中兩時相圖像的最優分割結果圖IE工和IE2中(i，j)處3X3鄰域內各點融合，得到融合後差異圖(i，j)處的值，得到一幅融合差異圖IF;(10)利用0tsu閾值將步驟(9)所得融合差異圖Ip分為變化類與非變化類，得到變化檢測結果。本發明由於採用基於邊緣匹配的分割方法分割兩時相圖，並利用空間關聯條件概率將兩時相最優分割圖融合，創建出了融合差異圖，與現有技術相比具有如下優點(1)本發明實現了邊緣硬匹配與軟匹配的結合，減少了其他分割方法中過分割的現象，取得了較好的分割結果。(2)本發明既充分考慮了兩時相原圖像的區域一致性，又保持了空間關聯條件概率圖相對於原圖像的概率關係，達到了在儘量保證區域一致性的同時，減少檢測出的偽變化區域的目的。圖1是本發明實現流程圖；圖2是本發明條件概率差異圖的創建流程示意圖；圖3是本發明空間關聯條件概率構建示意圖；圖4是本發明基於空間關聯條件概率的最優分割圖四方向融合示意圖；圖5是模擬SAR實驗數據的Ca皿y邊緣匹配曲線圖；圖6是模擬SAR實驗數據及結果圖；圖7是真實SAR實驗數據及結果圖。具體實施例方式參照圖1，本發明的實現步驟如下步驟1，輸入兩時相圖像，如圖6(a)和圖6(b)，對輸入的兩時相圖像均採用兩次增強Lee濾波，得到圖像L和12，其中，增強Lee濾波的窗口大小為5X5像素。步驟2，用Ca皿y邊緣算子分別計算兩時相圖像I!和I2的邊緣，得到兩幅Ca皿y邊緣圖。步驟3，依次取圖像I2的每一個灰度級作為閾值對圖像12二值化，得到與各灰度級對應的多幅二值圖，計算每個二值圖的邊緣與圖像I2的Ca皿y邊緣的匹配度n^(g2)/m2(g2)，選取匹配度最大的二值圖作為圖像I2的最優分割圖IE^其中，叫(g2)定義為LE2(g2)/BE2(g2)，該BE2(g2)是與灰度級g2對應的二值圖的邊緣上的像素點數，該LE2(g2)是二值圖邊緣與時相2圖像I2的Ca皿y邊緣存在重疊的像素點數；計算圖像lJ勺Ca皿y邊緣圖中每個像素點與其周圍每個邊緣點的歐氏距離，選擇其中最小的距離作為該點的像素值，得到圖像I2的邊緣距離圖；m2(g2)定義為灰度級g2對應二值圖的邊緣上點在圖像I2的邊緣距離圖中對應點的邊緣距離值的和。步驟4，分別取圖像L的每一個灰度級gJ乍為閾值對圖像L二值化，得到與各灰度級對應的多幅二值圖，計算每個二值圖的邊緣與圖像L的Ca皿y邊緣的匹配度m3(gl)'mjg》/m2(g》，選取出匹配度最大的二值圖作為圖像^的最優分割圖IE!，其中，mi(gl)定義為LEjg》/BEjg》，BEjg》是與灰度級gl對應的二值圖的邊緣上的像素點數，lA(gl)是二值圖邊緣與圖像L的Ca皿y邊緣圖中的邊緣存在重疊的像素點數；計算圖像L的Ca皿y邊緣圖中每個像素點與其周圍每個邊緣點的歐氏距離，選擇其中最小的距離作為該點的像素值，得到圖像L的邊緣距離圖；m2(gl)定義為灰度級gl對應二值圖邊緣上點在圖像L的邊緣距離圖中對應點的邊緣距離值的和；m3(gl)定義為第一時相圖像L灰度級gl對應的二值圖的邊緣與第二時相圖像I2的最優分割圖I&邊緣兩者存在空間位置重疊的像素點數除以第二時相圖像I2的最優分割圖I^邊緣的像素點數的值。步驟6，空間關聯條件概率圖IP。參照圖2，本步驟的具體實現如下首先，取步驟(1)濾波後圖像^和l2中位於(i，j)點處的灰度值^和^，組成灰度點對(^，^)，並統計圖像L和12中點對(Vl，v2)出現的概率P(^，v》及灰度值^出現的概率P(v》;然後，構建一幅與圖像I丄和12相同大小的MXN圖像Ip，對應^和12出現灰度點對(Vl，V2)的位置處的Ip的像素值賦為概率P(^，V2)/P(V》，得到空間關聯條件概率圖Ip。步驟7，統計空間關聯條件概率圖Ip中每個像素點對應圖像L和12中相同像素位置的3X3鄰域內各點的條件概率，如圖3所示，具體步驟如下7a)記圖像^和l2中(i，j)處點的3X3鄰域內的18個點的像素值構成集合一，其中圖像L的像素值集合為《=P|/=1,2,...，9}，圖像12的像素值集合為《|/=10,11,,18};7b)空間關聯條件概率圖Ip中(i，j)處點的像素值為Vp，與該點對應的圖像L和12的以(i，j)為中心的3X3像素大小範圍內的共18個點的像素值集合為/，統計其中A與Vp組成的像素值對(^,/')在像素對集合(vP，vs)中出現的頻數/(Op，/'))，並在空間關聯條件概率圖Ip中統計該像素值對(^,/')出現的總頻數iy((Vp，vS'))，得到(Vp,/')出現的概率屍((、,/'));7c)統計灰度值/'在I工和12兩幅圖中出現的總概率屍0's')，則可以得到Ip中(i，j)處灰度值Vp相對於L和12中(i，j)處3X3鄰域內各灰度值,'的條件概率屍(^//')=屍(^，,'麵"；步驟8，依據步驟(6)圖像I!和l2中(i，j)處3X3鄰域內各點與Ip中(i，j)處點的條件概率，對應地將步驟(2)中兩時相圖像的最優分割圖IEJPIE2中(i，j)處3X3鄰域內各點融合，得到融合後差異圖(i，j)處的值，得到一幅融合差異圖Ip，具體步驟如下8a)分別選出兩時相圖像的最優分割圖IE工和1^在(i，j)點處的3X3鄰域內0°、45°、90°、135°方向上大於各自最優閾值的像素點，計算四個方向上大於最優閾值的像素點在各自方向所佔比例巧(ori)和i^(ori)及其在各自方向上的對應條件概率的均值ujori)和u2(ori)，其中ori分別為45°，90°，135°;8b)分別計算兩時相圖的最優分割圖和IE2在(i，j)點處四個方向上的比例與對應方向條件概率的均值的乘積；8c)將兩時相的四個方向的乘積取平均求和得到(i，j)點處的融合像素值，得到一幅融合差異圖IF。步驟9，利用0tsu閾值將步驟(8)所得融合差異圖IF中值大於0TSU閾值的點分成變化類，其他點分為非變化類，得到變化檢測結果。本發明的效果通過以下實驗進一步說明本發明分別使用了模擬SAR和真實SAR數據兩組實驗數據。第一組模擬SAR數據是按照Gibbs隨機場的分布形式獲得具有兩類場景的參考圖像，然後按照SAR圖像的成像機理獲得帶有相干斑的SAR圖像，最後將仿真的變化區域嵌入到參考圖像中得到的。圖6給出了模擬SAR數據及其實驗結果，其中圖6(a)為模擬SAR數據在第一時相的原圖，圖6(b)為模擬SAR數據在第二時相的原圖，圖6(c)為第一時相圖的最優分割圖，圖6(d)為第二時相圖的最優分割圖，圖6(e)為兩時相的變化檢測參考圖，圖6(f)為本發明的變化檢測結果圖。第二組的真實SAR數據是1999年4月和5月由ERS2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Thun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。圖7給出了真實SAR數據及實驗結果，圖7(a)為真實SAR第一時相的原圖，圖7(b)為真實SAR第二時相的原圖，圖7(c)為第一時相圖的最優分割圖，圖7(d)為第二時相圖的最優分割圖，圖7(e)為兩時相的變化檢測參考圖，圖7(f)為本發明的變化檢測結果圖。本發明通過與對數比值法比較，利用誤檢率、漏檢率和正檢率三個變化檢測領域的經典指標來說明本發明較好地保持了變化區塊的完整性，並減少了偽變化區塊的出現，取得了較好的變化檢測結果。表1分別給出了本發明和對數比值法的實驗結果。從表1可以看出，相對於對數比值法，本發明對模擬SAR和真實SAR數據，誤檢率和漏檢率都有了明顯的降低，正檢率明顯提高，總的來說，變化檢測精度有了很大提高。對於模擬SAR數據，本發明的誤檢率相對於對數比值法從25.24%降低到6.93%，說明偽變化區塊出現率減少了17個百分點，漏檢率從11.304%降低到6.93%，說明變化區域的完整性得到較好的保持，同時正檢率從88.69%提高到95.063%，變化檢測精度有了很大提高。對於真實SAR數據，本發明在保持誤檢率變化不大的情況下，漏檢率大幅降低，正檢率明顯提高，變化檢測精度有了很大提高。表1SAR數據實驗結果tableseeoriginaldocumentpage8權利要求一種基於空間關聯條件概率融合的多時相SAR圖像變化檢測方法，包括如下步驟1)對輸入的兩時相圖像分別採用兩次增強Lee濾波，得到圖像I1和I2；2)用Canny邊緣算子分別計算兩時相圖像I1和I2的邊緣，得到兩幅Canny邊緣圖；3)計算兩幅Canny邊緣圖中每個像素點與其周圍每個邊緣點的歐氏距離，選擇每個像素與其周圍邊緣點的最小的距離作為該像素點的邊緣距離值，得到兩幅Canny邊緣圖中各點的邊緣距離值；4)取圖像I2的每一個灰度級作為一個閾值對圖像I2分別二值化，得到與各灰度級對應的多幅二值圖；計算每個二值圖的邊緣與圖像I2的Canny邊緣的匹配度m1(g2)/m2(g2)，其中，m1(g2)為LE2(g2)/BE2(g2)，BE2(g2)是與灰度級g2對應的二值圖的邊緣上的像素點數，LE2(g2)是二值圖邊緣與時相2圖像I2的Canny邊緣存在重疊的像素點數，m2(g2)是灰度級g2對應二值圖的邊緣上點在第二幅Canny邊緣圖中對應點的邊緣距離值的和；選取匹配度最大的二值圖作為圖像I2的最優分割圖IE2；5)取圖像I1的每一個灰度級作為一個閾值對圖像I1分別二值化，得到與各灰度級對應的多幅二值圖；計算每個二值圖的邊緣與圖像I1的Canny邊緣的匹配度m3(g1)·m1(g1)/m2(g1)，其中，m1(g1)為LE1(g1)/BE1(g1)，BE1(g1)是與灰度級g1對應的二值圖的邊緣上的像素點數，LE1(g1)是二值圖邊緣與時相1圖像I1的Canny邊緣圖中的邊緣存在重疊的像素點數，m2(g1)是灰度級g1對應二值圖邊緣上點在第一幅Canny邊緣圖中對應點的邊緣距離值的和，m3(g1)為第一時相圖像I1灰度級g1對應的二值圖的邊緣與第二時相圖像I2的最優分割圖IE2邊緣兩者存在空間位置重疊的像素點數除以第二時相圖像I2的最優分割圖EI2邊緣的像素點數的值；選取出匹配度最大的二值圖作為圖像I1的最優分割圖IE1；6)取圖像I1和I2中位於(i，j)處像素的灰度值v1和v2，組成灰度點對(v1，v2)，統計圖像I1和I2中灰度點對(v1，v2)出現的概率P(v1，v2)及灰度值v1出現的概率P(v1)；7)構建一幅與圖像I1和I2相同大小的M×N圖像IP，對應I1和I2出現灰度點對(v1，v2)的位置處的IP的像素值賦為概率P(v1，v2)/P(v1)，得到空間關聯條件概率圖IP；8)統計空間關聯條件概率圖IP中每個像素點與圖像I1和I2中相同位置像素的3×3鄰域內各點的條件概率其中，vP(i，j)為IP中(i，j)處點的值，v(s)為圖像I1和I2中(i，j)處點3×3鄰域內18個點的值，Nh，l(vP(i，j)，v(s))為(vP(i，j)，v(s))在由IP中(h，l)處像素值與圖像I1和I2中(h，l)處像素的3×3鄰域內18個像素值組成的18組灰度對中出現的頻數，P(v(s))為圖像I1和I2中值v(s)出現的概率；9)依據步驟(8)圖像I1和I2中(i，j)處3×3鄰域內各點與IP中(i，j)處的點的條件概率，對應地將步驟(4)和步驟(5)中兩時相圖像的最優分割結果圖IE1和IE2中(i，j)處3×3鄰域內各點融合，得到融合後差異圖(i，j)處的值，得到一幅融合差異圖IF；10)利用Otsu閾值將步驟(9)所得融合差異圖IF分為變化類與非變化類，得到變化檢測結果。2.根據權利要求1所述的基於空間關聯條件概率融合的多時相SAR圖像變化檢測方法，其中步驟(9)所述的將步驟(4)和步驟(5)中兩時相圖像的最優分割結果圖IE工和IE2中(i，j)處3X3鄰域內各點融合，按如下步驟進行首先，分別選出兩時相圖像的最優分割圖IE工和IE2的(i，j)處的3X3鄰域內0。、45°、90°、135°方向上大於各自最優閾值的像素點，計算四個方向上大於最優閾值的像素點在各自方向所佔比例巧(ori)和r2(ori)及其在各自方向上的對應條件概率的均值u丄(ori)禾口u2(ori)，其中ori分另U為45°，90°，135°;然後，分別計算兩時相圖的最優分割圖化和IEJ勺(i，j)處四個方向上的比例與對應方向條件概率的均值的乘積；最後，將兩時相的四個方向的乘積取平均求和得到(i，j)處的融合像素值，得到一幅融合差異圖IF。全文摘要本發明公開了一種基於空間關聯條件概率融合的多時相SAR圖像變化檢測方法，主要解決傳統變化檢測方法在保持變化區域的完整性時，偽變化區域較多的問題，具體實現步驟為(1)對增強Lee濾波後的兩時相SAR圖像進行分割；(2)創建條件概率差異圖並求得用於融合的空間關聯條件概率；(3)利用空間關聯條件概率融合兩時相分割結果，得到融合差異圖；(4)對融合差異圖取閾值得到變化檢測結果。本發明在較好地保證變化區域完整性的同時，減少了偽變化區的出現，提高了變化檢測的精度，可用於多時相SAR圖像的火災、水災等災害的評估。文檔編號G01S13/00GK101694720SQ20091002429公開日2010年4月14日申請日期2009年10月13日優先權日2009年10月13日發明者侯彪,公茂果,劉芳,古振泉,焦李成,王桂婷,鍾樺,馬文萍申請人:西安電子科技大學;