基于粗配准SAR图像变化检测方法

合成孔径雷达(SAR)图像由于受相干斑噪声的影响,在对其进行配准及变化检测时,经典的适于光学图像的方法效果不佳。该文先通过选取少量控制点实现SAR图像的粗配准,然后利用直方图规定化对SAR图像进行图像灰度匹配处理,在此基础上根据待检测目标特性选取适当的阈值,利用滑动矩形窗实现改进的基于图像差值的变化检测。真实SAR图像的实验结果表明,该方法能有效克服图像照度差异和粗配准误差的影响,取得满意的检测结果。     

基于二维概率密度函数比较的SAR图像变化检测方法

该文将传统区域统计分布特征变化检测方法拓展到2维特征空间,提出一种基于2维概率密度函数比较的SAR图像变化检测方法。该方法首先将观测区域内相邻像素的灰度值组合成2维观测矢量,而后采用2维Gram- Charlier展开式对观测矢量在不同时相图像中的2维概率密度函数分别进行估计,在此基础上,借助K-L散度理论对2维概率密度函数在不同时相图像间的变化大小进行定量分析以实现变化检测。实验结果表明,与传统方法相比,该文方法具有更优的检测性能。     

SAR图像变化检测综述

合成孔径雷达(synthetic aperture radar, SAR)图像变化检测任务是检测同一地区、不同时间获得的两幅SAR图像的变化情况,在农业、军事等方面都有广泛的应用。首先介绍了实现SAR图像变化检测过程中的三个难点和SAR图像变化检测的一般流程。然后,介绍了图像预处理的方法和产生差异图的步骤。图像预处理是SAR图像进行变化检测前必不可缺的步骤,而差异图的质量影响最终的变化检测结果。随后,分别对传统的变化检测方法和基于深度学习的变化检测方法进行了总结,并分析了每种方法的优缺点。最后,给出了SAR图像变化检测的评价指标。     

利用极化距离变换实现极化SAR图像变化检测

针对复杂场景下特定类型地物的变化给出了一种利用极化距离变换实现SAR图像变化检测的算法,首先利用改进的Wishart距离算法得到目标类地物与两时相图像的距离测度,然后对该测度进行比值对数变换,构造差异图像,最后利用双阈值分割法提取出变化区域,并区分出两种变化类型。利用2009年4月9日和2010年6月15日,Radarsat-2在苏州区域获取的雷达图像进行试验。实验结果表明,本文给出的算法能够较好的实现复杂场景下特定地物类型的变化检测,鲁棒性强。      

基于直接密度比估计的SAR图像变化检测

提出了一种通过直接分布函数密度比估计的SAR图像变化检测方法。不同于以往基于分布函数的方法需要先分别估计不同时相的分布函数再计算比值,该方法直接估计分布函数比值,并使用皮尔逊散度作为差异度量获取差异图。通过将概率标签松弛(PLR)嵌入到最大期望(EM)聚类算法中,增强了变化检测结果的空间一致性。实验结果表明,该方法能够准确地提取变化区域,得到较为满意的变化检测结果。     

基于多通道特征的SAR图像变化检测

为充分利用SAR图像的细节信息,提高SAR图像变化检测的检测精度及抗噪性能,提出一种基于多通道特征的SAR图像变化检测方法。该方法提出了一种适用于SAR图像的变化检测一体化框架,首先,为了在抑制相干斑噪声的同时尽可能多地保留SAR图像的边缘及局部信息,引入引导图像滤波方法;其次,提取8个通道特征,充分利用了图像的细节信息,获得了性能良好的差异图;最后,利用主成分分析(PCA)和K-means聚类进行差异图分析,得到最终的变化信息。实验结果表明,该方法有效提高了检测精度,并且具有良好的抗噪性能。     

一种面向对象的时间序列极化SAR图像变化检测方法

提出了一种改进的时间序列极化合成孔径雷达(SAR)图像变化检测方法。该方法首先使用简单线性迭代聚类算法对时间序列极化SAR图像进行过分割,得到时间序列图像的超像素一致表达。然后对各个超像素进行时间序列上的任意双时相交叉变化检测,得到包含时间序列图像变化信息的变化检测矩阵。最后根据变化信息对图像在时间序列上进行平滑滤波并生成动态变化图,对地物变化情况进行分析。实验结果表明,文中方法能够有效地检测和分析时间序列极化SAR图像的变化情况。     

单通道UWB SAR地面运动目标变化检测

工作在VHF/UHF波段的超宽带合成孔径雷达（UWBSAR）具有叶簇穿透和高分辨成像的能力。文中提出了一种适合单通道UWBSAR的地面运动目标检测方法——基于子孔径图像变化检测的运动目标检测算法。该算法利用UWBSAR的大波束角特点,在方位向选取较大时间间隔的两个子孔径生成子孔径图像,并根据运动目标在不同子孔径图像上聚焦位置的差异检测运动目标,估计运动目标速度和位置。文中给出了该方法的原理、参数选择、实现步骤,并基于UWBSAR实测数据验证了所提方法的有效性。     

基于几何结构的SAR图像无监督变化检测方法

 传统的基于统计特性的SAR图像变化检测方法,易受成像条件的影响而误差很大.本文针对图像内在几何结构,提出了一种无监督SAR图像变化检测算法.通过模糊微分构造描述图像局部特征的近似完整数据集,并充分利用图像局部邻域信息和空间相关性,构造深入描述图像结构化信息的特征矢量空间,最后通过基于模拟退火的K均值(SAKM)聚类算法,实现图像变化区域与非变化区域的分类.实验证明,本文方法不仅能够很好的检测出图像的轮廓变化和图像的区域变化,而且对噪声及配准精度均具有很好的鲁棒性.     

基于体散射约束的极化SAR相干变化检测方法

相干变化检测(CCD)利用场景中变化区域的失相干特性进行检测,而场景中存在的体散射植被区域及低信噪比区域也呈现低相干特性,对待检测变化区域形成干扰。该文提出一种极化SAR CCD方法,首先利用变化前后SAR图像间的极化相干信息建立加权迹相干统计量,然后利用各个SAR图像内极化通道间的相干信息,通过建立混合GEV分布模型,采用改进EM算法求解各分量参数,建立体散射约束项,最后结合散射功率变化约束项构建极化CCD检验统计量。该方法可在不影响检测性能情况下排除干扰。该文采用变化前后的两幅L波段全极化SAR图像进行方法验证,实验结果及指标参数验证了该方法的正确性与有效性。     

利用多尺度融合的SAR图像变化检测方法

为充分利用图像的细节信息,提高变化检测算法的鲁棒性和稳健性,本文融合了多个尺度间的特征,提出了一种自适应SAR图像变化检测方法。首先采用小波函数对对数比差异图进行多尺度分解,而后采用独立重构的方式,得到不同尺度下的重构图像。接着采用均值循环迭代分割算法,以甄别变化区域与未变化区域。最后将不同尺度下的判别结果,采用马尔科夫随机场融合的方式,来获取最终的变化二值图。通过对不同尺度下的图像进行融合,该方法不仅有效地利用了尺度信息,而且对边缘的检测更加细致。实验结果表明该算法能够有效地提高SAR图像变化检测的精度和鲁棒性。      

探究面向对象的高分辨率SAR影像变化检测方法

结合高分辨率SAR影像变化检测方法,在了解检测变化方法基本内容的基础上,并对其中的关键指标进行了分析与评价;最后,对于面向对象的高分辨率SAR影像变化检测方法进行了详细研究。总体而言,文章所介绍的SAR影像变化检测方法具有可行性,能够满足多种条件下的影像变化检测要求,因此应该在更多地区做进一步推广。     

基于目标相干性表征差异的多波段SAR相干变化检测方法

相干变化检测(Coherent Change Detection, CCD)利用变化前后SAR图像间的相位相干性检测场景中发生的微小变化。传统的CCD方法由于对目标探测尺度单一,难以区分场景中目标变化区域与低相干干扰区域。多波段SAR对目标进行多尺度探测,依据电磁波对目标的穿透特性、目标的结构特性以及目标发生的变化尺度形成不同的相干性表征。该文据此提出一种多波段CCD方法。该方法先分别获取各个波段的相干变化差异图,然后依据目标的多波段相干性表征使用改进的期望最大化(Expectation-Maximization, EM)算法对场景分类,接下来根据少量监督样本确定目标变化类别,最后用Dempster-Shafer (DS)证据理论处理,获取多波段融合相干变化差异图。该结果可有效排除各个单波段存在的低相干干扰,达到降低虚警概率的目的。该文采用变化前后的L波段与P波段重轨SAR数据进行方法验证,实验结果与指标参数证明了该方法的有效性与正确性。      

一种基于概率图模型的多时相SAR相干变化检测方法

相干变化检测(CCD)利用重轨SAR数据对场景中表现为低相干特性的变化区域具有良好的检测性能,然而场景中诸如植被、阴影、强散射旁瓣、低散射等区域也呈现低相干特性,对检测结果造成干扰,尤其在高波段SAR CCD中,对检测效果影响更加明显。该文利用多时相SAR数据形成的相干变化差异图像(CCD图像)建立概率图模型,提出一种多时相CCD处理方法。该方法以多时相CCD图像作为观测量,通过选取合适的参与处理图像数量及优化场景中变化区域的分类,计算目标变化区域的后验概率,可有效减小低相干干扰区域造成的影响。仿真和实测数据结果验证了该方法的正确性和有效性。     

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。      

基于组合差异图和卷积小波神经网络的SAR图像变化检测

合成孔径雷达(Synthetic aperture radar,SAR)图像变化检测可以看作是一个分类过程,像素被分类为变化类和不变类.但是,差异图的质量影响了现有方法的检测精度.为了提供高质量的差异图,提出一种基于组合差异图和卷积小波神经网络(Convolutional-Wavelet Neural Network,...     

UWB SAR叶簇遮蔽目标中的变化检测技术

在超宽带合成孔径雷达叶簇隐蔽目标检测中,目前采用的变化检测算法主要包括归一化相减法和似然比法,这两种算法在实际应用中存在如下问题:归一化相减法在图像相关性较低时性能下降严重,而似然比法需要目标及杂波充分的先验知识。鉴于上述问题,本文提出了一种两级处理变化检测算法,第一级基于修正的线性均方估计构造变化检测量;第二级采用一种改进的秩序滤波器,在保持目标边缘特性的同时,克服了待检测图像中杂波分布的正向拖尾特性,提高了算法检测性能。文中最后基于实测数据验证了算法的有效性。      

极化SAR图像的联合加权极化差异度变化检测算法

以联合加权极化差异度为特征提出了一种极化SAR图像变化检测新算法。首先计算两个不同时相的极化SAR图像的极化散射差异度和极化功率差异度,然后根据二者的相对大小分配加权系数计算联合加权极化差异度,得到差异图像,最后通过阈值分割技术提取变化区域实现变化检测。利用两组美国UAVSAR系统采集的全极化SAR实测数据对算法进行了验证,结果表明,本文算法能有效检测地物的变化情况,且检测虚警少、轮廓清晰。除此之外,算法无需知道图像的统计分布,通用性强。      

基于植被指数的城镇植被变化检测

随着遥感技术的不断发展,利用不同时期的遥感影像,基于植被指数定量分析和确定地表的植被变化,已经成为时下一个非常重要的研究方向,本文介绍了基于植被指数的城镇变化检测的处理流程。