基于DSSRM 级联分割的SAR 图像变化检测方法 - 遥感学报.PDFVIP

基于DSSRM 级联分割的SAR 图像变化检测方法 张建龙, 王斌 西安电子科技大学 电子工程学院 陕西 西安 710071 1 摘 要: SRM （Statistical Region Merging ）分割算法具有快速、稳定和抗噪强的优点，基于此，本文提出一种基 于DSSRM （Dynamic Sorting Statistical Region Merging ）级联分割的SAR 图像变化检测方法。首先针对SRM 算法 基于单特征静态排序导致的过分割问题，提出一种动态排序模式的 DSSRM 算法以减少差异图像分割错误，该算法 建立基于合并区域的多特征马氏距离排序准则，在每次合并之后更新区域邻接矩阵并重新排序；其次，基于互信 息最小化准则构造多通道差异数据集以提高算法对区域合并的约束能力；最后提出一种级联分割变化检测框架， 第一级利用 SRM 算法将差异图像映射到超像素空间，第二级采用DSSRM 算法对超像素进行动态合并获得收敛的 分割结果，第三级采用简化 SRM 方法进行三次合并获得最终的变化检测图。实验结果表明，该方法可以获得比 SRM 方法和目前流行方法更好的检测性能。 关键词: 合成孔径雷达图像，变化检测，动态排序，统计区域合并 中图分类号: TN911.7 文献标志码: A 场和模糊聚类相结合根据新的能量函数改进变化检 1 引 言 测结果。然而像素特征不具备语义特征，存在语义 鸿沟问题，因此利用图像分割分离异质区域从而获 随着近几年遥感技术的迅猛发展，遥感数据数 得半语义信息成为图像理解和识别的关键技术。常 量日益增长并广泛应用于环境监测、大气分析和城 用的图像分割方法包括谱聚类分割算法[贾建华等， 市规划等领域。其中 SAR 图像变化检测被应用到军 2010 ；Gou 等，2013] 、主动轮廓线分割[Feng 等，2013 ； 事和民用领域，主要涉及灾害（如洪水、火灾和地 Gao 等，201 1；Wang 等，2014 ；] 、MRF 分割[宋晓 震）区域的定位、城市的扩张情况分析以及军事应 峰等，2010 ；Xiong 等，2012]和 SRM[Rock 等， 用中打击效果的评估等方面，研究 SAR 图像变化检 2004;Lang 等，2014]统计区域合并算法等。近年来， 测具有重要意义。 已有部分学者将图像分割方法应用于遥感图像变化 在遥感图像变化检测中，SAR 图像利用合成孔 检测中，Hichri 等[Hichri 等，2013]将基于马尔可夫 径雷达成像，不受包括云、雨等天气气候变化等因 随机场（Markov Random Filed ，MRF ）和水平集分 素影响，可以提供稳定的数据源，而且星载 SAR 有 割方法引入变化检测，并使用（Supporting Vector 着固定的运行周期，能够对地面进行定期的重复观 Machine ，SVM ）进行分类，这是一种监督学习方法 测，因此它比光学遥感更适合对地面进行动态监视。 需要一定数量的训练数据。万红林等[万红林等，2012] 由于SAR 成像易受相干斑噪声（Speckle Noise ）影 将交互式分割和决策融合引入 SAR 图像变化检测中， 响，因此SAR 图像去噪[Salmon，2010 ；Soni 等， 但该方法对种子点的选取非常敏感。佃袁勇等[佃袁 2013] 问题获得了广泛重视。遥感图像变化检测本质 勇等，2015]结合Meanshift 算法对高分辨遥感图像进 行多尺度分割获得变化检测结果，取得了一定效果。 上是一个二分类问题，即将差异图像分为变化类和 非变化类。基于像素的方法[Coppin 等，2004 ；Lu Yan Wang 等[Wang 等，2016]根据提取差异图像中