论文部分内容阅读
合成孔径雷达(SAR,Synthetic Aperture Radar)图像以其全天候全天时的工作方式在资源监测、国土规划及目标检测等领域获得了广泛的应用,搭载SAR成像载荷的我国高分三号遥感卫星的研制成功及发射标志着我国对全球海洋资源和陆地资源可全天候监测。SAR图像变化检测由于能够提取出同一地区不同时间图像中的变化信息,被广泛应用于自然灾害监测、地理数据更新、灾后城市重建等方面。变化检测方法的过程一般分为图像预处理、差异图像获取、差异图像分析及精度评价四个阶段。其中,差异图像的分析是影响检测结果至关重要的因素。论文将图像分割理论引入SAR图像变化检测领域,以多层动态排序统计区域合并(MDS-SRM,Multilayer Dynamic Sorting Statistical Region Merging)方法为核心获取差异图像的超像素分割结果,分别采用级联分割框架和马尔科夫随机场权重优化算法完成变化检测。具体工作如下:1)针对传统SRM算法变化检测漏警较高的问题,提出一种基于MDS-SRM混合级联的SAR图像变化检测方法。首先提出一种动态排序模式的MDS-SRM算法以减少差异图像分割错误;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MDS-SRM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。2)针对基于MDS-SRM混合级联检测方法变化边界区域误差较大问题,引入了基于概率特征分布的马尔科夫随机场(MRF,Markov Random Field)构建了PFDSM(Probability of Feature Distribution Statistical Region MergingMarkov Random Field)变化检测框架。设计了基于HOG权重信息和基于灰度-梯度共生矩阵权重信息的两种势函数,采用MDS-SRM检测结果作为MRF的先验概率分布模型,利用吉布斯分布和最大后验概率原理迭代出最终的变化检测结果。实验结果表明,PFDSM变化检测算法可以进一步提高变化检测性能。