变化检测是图像处理领域的一个重要技术,其通过对同一地区获取的多时相遥感图像进行分析来确定该区域是否发生变化并定位变化区域。合成孔径雷达(SAR)作为遥感成像的主要技术手段,因其对光照与大气条件不敏感,并且能够全天时、全天候监测的特点,在变化检测方面具有独特的优势。目前,基于SAR图像的变化检测技术已在环境保护、农业发展、城区规划、抗震救灾以及军事侦察等领域得到了广泛的应用。然而,受制于SAR系统特有的成像特性,在获取SAR图像的过程中会引入相干斑点噪声,因此SAR图像变化检测存在着抑制斑点噪声和保持边缘及结构细节这两大难点,本文的研究工作便是解决SAR图像变化检测中噪声抑制和细节保持这两个问题。对于变化检测而言,结构信息是保持边缘和纹理结构的关键所在,提取结构信息融入变化检测中有助于保持图像中细节信息。相位一致性能够检测出图像各个方向的结构特征,提取出丰富且精确的纹理结构信息,产生与人类视觉系统相符的边缘特征,且不受图像亮度与对比度的影响,故本文利用相位一致性提取结构信息来解决变化检测中边缘定位和结构保持问题。此外,对于变化检测而言,显著性检测技术能提取出图像中感兴趣的区域和目标,所以显著性检测在变化检测中有两个重要的作用,即提取变化区域和消除背景区域的噪声干扰,因此本文利用基于显著性的分区域多尺度融合来使变化检测能够即抑制噪声又保持细节。综上所述,本文提出了基于结构信息与显著性的SAR图像变化检测,主要工作如下:(1)提出了一种基于相位一致性和邻域比值(PCNR)的SAR图像变化检测算法,该算法利用基于非局部均值的相位一致性技术提取图像中的结构信息,并以此作为衡量差异图异质性的权重参数,在异质性参数较低的均匀区域倾向于采用均值比计算差异图,而在异质区域倾向于采用比值操作,以权重参数来联合均值比和比值操作,获取的差异图不仅保持了图像的边缘和结构细节,同时也抑制了噪声。最后,在差异图上采用最大类间方差法进行分割处理,获得最终的变化检测结果。通过对真实SAR图像数据的仿真实验与分析,证明了该算法的有效性与可行性。(2)提出了一种基于显著性分区域和小波分解的SAR图像变化检测算法,该算法的核心在于利用显著性检测获取的显著图作为分区域多尺度融合的引导。首先在对数比差异图与PCNR差异图上分别进行平稳小波分解,之后根据差异图的不同保留的低频分量也有所不同,然后使用FCM聚类与贝叶斯分类算法对保留的多尺度低频分量进行分割,得到对应各个尺度的变化检测结果,最后,采用基于显著图的多尺度融合策略将各个尺度的变化检测结果融合,获取最终的变化检测结果。在该算法中,从差异图的获取到小波分解,再到基于显著图的多尺度融合,都考虑了对相干斑点噪声的抑制以及对边缘信息和纹理结构的保持,因此在仿真实验分析与对比中,该算法可以更好地保持变化细节,拥有更强的抑制噪声能力,同时检测精度也更高。