智能计算导论课程设计-基于模糊贴近度的SAR图像变化检测汇.doc

智能计算导论课程设计 题目：基于模糊贴近度的SAR图像变化检测 班级： 姓名： 学号： 【摘要】：【关键词】：SAR图象 1 引言　　遥感变化检测是指通过对不同时期同一区域的遥感图像进行比较分析，根据图像之间的差异得到所需要的地物或目标的变化信息。现代遥感技术的飞速发展为变化检测提供了一种便捷的途径，遥感数据成为变化检测的主要数据源。　　与可见光和红外遥感相比，微波遥感具有无可比拟的优点：微波能穿透云雾、雨雪，具有全天候、全天时的工作能力。二，微波对地物有一定穿透能力。三，采用侧视方式成像，覆盖面积大。正是这些优点，使得SAR 图像日益成为变化检测的重要数据源。　　SAR 变化检测技术的需求日益广泛。目前，全球坏境变化加剧，城市急速发展，洪水、地震等自然灾害时有发生，这些都需要及时掌握相关动态信息，为相关决策部门提供支持，而SAR 的种种优点为快速响应提供了技术支持和应急保障。2 变化检测的预处理　　2.1 图像配准　　图像的配准精度对变化检测的精度影响很大，如果图像没有较高精度的配准，则图像的错位会带来大量的虚警。因此，针对这一方面，Dai 和Khorran[1]得出的结论为：好的变化检测结果需要高精度的配准算法。Jeannie Moulton [2]等针对多时相SAR 图像的平移及偏转误差提出一种解决方法。意大利的Paolo [3]针对高分辨SAR 影像配准的困难，提出基于象元与特征相结合的方法进行未精确配准的变化检测研究。　　2.2 噪声抑制　　基于 SAR 图像的变化检测对斑点的抑制要求很高：降班算法要既能有效降斑，还能保持图像的细节信息。因此，需要采用性能良好的自适应降斑方法来完成。相干斑抑制方法可以分为两类：一类是成像前的多视平滑处理，但同时也降低了图像的空间分辨率，所以目前常用的方法为成像后的去相干斑噪声的滤波技术。滤波方法主要有：（1）传统方法，如均值滤波、中值滤波等；（2）模型方法，假定静态的噪声模型，采用相应的滤波器进行处理，如Kalman 滤波和Lee 滤波；（3）几何滤波方法，如Gamma MAP 滤波；（4）基于局域统计自适应滤波，这种方法能在平滑噪声的同时较好的保持边缘信息，是目前的SAR 变化检测常用的方法。　　本次实验采用的方法是frost滤波，Frost滤波器是特定大小窗口的像素值和指数脉冲响应m卷积的Wiener自适应滤波器： 其中K是滤波器参数，t0代表中心像素的位置，|t|是距t0的距离。 Frost滤波器采用的斑点噪声模型采用的形式如下： 这里hij是系统响应函数，“*”为卷积算子。在通常的应用中，一般假定hij为delta函数，最小均方滤波器形式如下： 这里t对应于空间域中像素之间的距离。选择脉冲函数m(t)，使下式最小： 按照频率域中Wiener滤波器的推导，就可以找到上式的解。 Frost滤波对于斑点噪声的抑制效果很好，同时对边缘、纹理和细节特征也有较好的保留作用，从实验结构可以证明这一点。3 常用的变化检测算法　　SAR 图像变化检测是研究不同时期的同一场景图像之间发生的变化。归结起来，近些年逐步形成的SAR 图像变化检测方法可以分为：(1)基于简单代数运算的变化检测，经典的变化检测方法包括图像差值法、图像比值法、对数比值法；(2)基于图像变换的变换检测，经典的变化检测方法包括主成分分析、变化向量分析法、相关分析法图像变换法；(3)基于图像分类的变化检测方法。　　3.1 代数运算法　　早期变化检测的主要方法是利用图像差值法，主要利用两幅图像对应像素点的灰度差值作为变化判别依据，该方法简单、直接，但是容易受成像质量、噪声等的影响。图像差值法应用于海岸线环境、森林变化、沙漠化等。与差值法相比，比值差异图像与原始SAR 图像的平均强度值无关，对于SAR 图像的乘性噪声不敏感，而且减少了辐射定标误差的影响。　　图像比值法对于SAR 图像上的乘性噪声是不敏感的，被广泛用于城区变化检测。对数比值法，在得到对应像素的比值后，再取其对数，能压缩图像的变化范围，将乘性噪声转换为加性噪声。代数运算法的优点是直接、简单，主要缺点在于(1)没有考虑多时相图像之间的相关性，简单计算可能出现虚警率；(2)变化阈值确定困难。　　3.2 图像变换法　　Lillesand提出的主分量法，又称K-L 变换，是一种经典的数学变换方法，把原来多个波段中的有用信息集中到互不相关的新成分图像中，达到冗余压缩和信息集中的目的。在进行主成分变换时，利用协方差矩阵和相关矩阵得到的主分量是不同的，由相关矩阵推导的主分量变换对于多时