变化检测是遥感图像处理中较为活跃的研究方向,通过对在不同时期获取的对应同一地区的多幅遥感图像进行比较分析,提取地物的动态变化信息,可以实现对大范围区域内的动态监测.目前变化检测技术广泛应用于地物覆盖与利用、自然灾害监控、城区规划和地图更新等领域.合成孔径雷达(SAR)作为一种主动式传感器,具有全天候、全天时成像的特性,为检测水体或土壤湿度的变化提供了极好的数据源.该文的目标是实现多时相合成孔径雷达(SAR)图像上水体变化的自动检测.给定两幅覆盖同一地区、在不同时间获取的SAR图像,要自动检测出图像中发生的变化,其中变化定义为给定像素或区域的灰度值随时间出现显著差异.可以看到,变化检测问题可看作是差值图像的二值分类问题:通过阈值的方法将差值图像分成变化与非变化两类,其中差值图像由两幅原始图像直接相减得到.基于信息熵,该文提出了以下两种不同的方法:1、假设最优阈值对应差值图像二值分类后的熵最大:首先,基于一种合理的假设,即差值图像中具有较大灰度值的像素属于变化类别的可能性较大,这样,对像素灰度值作概率划分,定义变化与非变化类别条件概率分布,然后采用非线性函数拟合变化类别与非变化类别的概率分布,最后基于最大化差值图像二值分类后熵准则,得到非线性函数参数的最优估计,从而获得最优阈值,实现对差值图像的二值分类;2、认为全局单阈值仅能提供一个粗略的二值分类,而在这两类别中存在一些不能确定的像素.首先由基于模糊熵的单阈值法得到最初的二值分类,基于一定的置信度取两类别中间的像素生成不确定的类别,这样,差值图像被分成变化、非变化和不能确定三类;然后,结合区阈信息,对这些不能确定的像素的灰度值进行重新确认,并再次划分形成变化与非变化两类,从而得到最终的二值变化图像.最后,结合SAR图像上水体的特征,经后处理识别并确认二值变化图像上由水体引起的变化,这样即实现了水体变化的自动检测.