專利名稱：星載多時(shí)相合成孔徑雷達(dá)圖像的自動變化檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及合成孔徑雷達(dá)(SAR)技術(shù)領(lǐng)域，是一種星載多時(shí)相合成孔徑雷達(dá)圖像 的自動變化檢測方法，對不同時(shí)間獲取的衛(wèi)星SAR圖像進(jìn)行變化檢測的方法。
背景技術(shù)：
隨著合成孔徑雷達(dá)(SAR)的發(fā)展，應(yīng)用多時(shí)相的SAR數(shù)據(jù)進(jìn)行地表和地物變化的 動態(tài)監(jiān)視成為十分重要的遙感應(yīng)用領(lǐng)域。由于星載SAR遙感數(shù)據(jù)具有全天候、全天時(shí)的獨(dú) 特優(yōu)勢，同時(shí)具有固定的重訪周期，所以它比光學(xué)遙感更適合于變化檢測。但是SAR作為主 動遙感，其成像機(jī)理與光學(xué)遙感有本質(zhì)的差異，數(shù)據(jù)處理要復(fù)雜得多，因此SAR變化檢測要 困難得多，尤其是SAR固有的相干斑噪聲影響，更加重了 SAR變化檢測的難度。盡管人們對 SAR變化檢測進(jìn)行了深入的研究，但主要沿用了光學(xué)遙感變化檢測方法，檢測精度和效果一 直不理想。由于SAR變化檢測技術(shù)在國內(nèi)起步較晚，加之SAR數(shù)據(jù)源不足，因此在變化檢測 的方法和技術(shù)上沒有根本的突破，誤檢和漏檢現(xiàn)象比較嚴(yán)重，大大影響了檢測效果和精度。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種星載多時(shí)相合成孔徑雷達(dá)(SAR)圖像的自動變化檢測 方法，以解決星載SAR圖像的變化檢測問題，提高檢測效果和精度。為達(dá)到上述目的，本發(fā)明的的技術(shù)方案是一種星載多時(shí)相合成孔徑雷達(dá)圖像的自動變化檢測方法，其包括步驟1 成像處理后，根據(jù)中心極限定理，兩個(gè)時(shí)相獲取的合成孔徑雷達(dá)圖像數(shù)據(jù) 的各自標(biāo)準(zhǔn)化算術(shù)平均趨近于標(biāo)準(zhǔn)正態(tài)分布；步驟2 基于Edgeworth展開原理，分別對趨近于正態(tài)分布的兩個(gè)時(shí)相獲取的合成 孔徑雷達(dá)圖像數(shù)據(jù)的算術(shù)平均采用標(biāo)準(zhǔn)正態(tài)分布和Hermite多項(xiàng)式逼近；步驟3 分別對兩個(gè)時(shí)相獲取的合成孔徑雷達(dá)圖像在Edgeworth逼近的基礎(chǔ)上，采 用歸一化的交叉熵計(jì)算兩個(gè)時(shí)相合成孔徑雷達(dá)圖像的差異值，得到一幅差異指數(shù)圖像；步驟4 對差異指數(shù)圖像采用基于瑞利分布的恒虛警率檢測方法進(jìn)行變化區(qū)域的 自動提取。所述的檢測方法，其所述步驟3中得到的一幅差異指數(shù)圖像，顯示了兩個(gè)時(shí)相合 成孔徑雷達(dá)圖像之間的差異程度，若根據(jù)預(yù)先設(shè)定的閾值對差異指數(shù)圖像進(jìn)行分割，即分 割成變化的區(qū)域和未變化的區(qū)域。所述的檢測方法，其所述步驟3中得到的一幅差異指數(shù)圖像，其直方圖分布接近
瑞利分布，瑞麗分布的分布密度函數(shù)為
-V,⑴=丄斤 b2其中b為形狀參數(shù)，X為自變量，e為常數(shù)2. 718281828459。所述的檢測方法，其所述步驟4的基于瑞利分布的恒虛警率檢測方法，其閾值計(jì)算公式為<formula>formula see original document page 4</formula>Pfa為給定的虛警率，δ為差異指數(shù)圖像計(jì)算的方差，μ為差異指數(shù)圖像的均值； Ji 為圓周率常數(shù)，3. 141592653589793...；對于差異指數(shù)圖像，分別計(jì)算出均值、方差，然后給定虛警率，代入上式計(jì)算出閾 值，然后對差異圖像進(jìn)行二值化分割，得變化區(qū)域。本發(fā)明方法充分考慮了 SAR圖像的統(tǒng)計(jì)特性，綜合應(yīng)用了 Edgeworth展開原理、歸 一化交叉熵和恒虛警率檢測方法，能夠有效地進(jìn)行不同時(shí)相SAR圖像的變化檢測。本發(fā)明方法有助于推動我國遙感動態(tài)監(jiān)測的技術(shù)水平提高，促進(jìn)SAR遙感數(shù)據(jù)在 土地覆蓋/變化、農(nóng)作物長勢、海冰/積雪、植被、各種災(zāi)害監(jiān)測、軍事目標(biāo)的動態(tài)監(jiān)視等領(lǐng) 域的廣泛應(yīng)用。


圖1是本發(fā)明星載多時(shí)相SAR圖像變化檢測方法的示意框圖。
具體實(shí)施例方式下面將結(jié)合附圖1對本發(fā)明加以詳細(xì)說明，應(yīng)指出的是，所描述的實(shí)施例僅旨在 便于對本發(fā)明的理解，而對其不起任何限定作用。一種星載多時(shí)相合成孔徑雷達(dá)(SAR)圖像的自動變化檢測方法，包括步驟1 成像處理后，根據(jù)中心極限定理，兩個(gè)時(shí)相獲取的SAR圖像數(shù)據(jù)的各自標(biāo) 準(zhǔn)化算術(shù)平均趨近于標(biāo)準(zhǔn)正態(tài)分布；步驟2 基于Edgeworth展開原理，分別對趨近于正態(tài)分布的兩個(gè)時(shí)相獲取的SAR 圖像數(shù)據(jù)的算術(shù)平均采用標(biāo)準(zhǔn)正態(tài)分布和Hermite多項(xiàng)式逼近；步驟3 分別在兩個(gè)時(shí)相取的SAR圖像在Edgeworth逼近的基礎(chǔ)上，采用歸一化的 交叉熵計(jì)算兩個(gè)時(shí)相SAR圖像的差異值，得到一幅差異指數(shù)圖像；步驟4 對差異指數(shù)圖像采用基于瑞利分布的恒虛警率檢測方法進(jìn)行變化區(qū)域的 自動提取。根據(jù)本發(fā)明的實(shí)施例，所述變化檢測方法，是對不同時(shí)相獲取的衛(wèi)星SAR圖像進(jìn) 行自動變化檢測。成像處理后，SAR圖像數(shù)據(jù)的每個(gè)像元都是地面多個(gè)小面元后向散射的矢量合成， 是多個(gè)隨機(jī)分布變量的綜合。而包含一定區(qū)域的SAR圖像數(shù)據(jù)是大量像元組成的分布區(qū) 域，即分布目標(biāo)。分布目標(biāo)內(nèi)也包含大量的散射體，一般沒有十分突出的強(qiáng)散射體，其圖像 回波數(shù)據(jù)的分布還是比較均勻的，通常認(rèn)為數(shù)據(jù)的分布具有一定的統(tǒng)計(jì)特性，可以用某種 概率分布模型進(jìn)行描述，即所謂的雜波模型。而實(shí)際應(yīng)用中，不同的場景，如山地、森林、海 洋、河流等場景會對應(yīng)不同的分布模型，即使同一場景采用不同頻段獲取不同分辨率的SAR圖像，其統(tǒng)計(jì)分布特性也會有明顯的差異，因此為了準(zhǔn)確描述SAR圖像的統(tǒng)計(jì)分布模型，需 要根據(jù)SAR圖像數(shù)據(jù)自適應(yīng)地來逼近分布模型。根據(jù)中心極限定理可知，若X為隨機(jī)變量，它的均值μ，方差σ，則標(biāo)準(zhǔn)化的算術(shù) 平均Y為<formula>formula see original document page 5</formula>其中，η為樣本的個(gè)數(shù)，Σ表示對η個(gè)X求和。趨近于標(biāo)準(zhǔn)正態(tài)分布，而根據(jù)Edgeworth級數(shù)展開原理可知，如果一個(gè)分布偏離 標(biāo)準(zhǔn)正態(tài)分布不遠(yuǎn)，則該分布函數(shù)可以用標(biāo)準(zhǔn)正態(tài)分布和多項(xiàng)式進(jìn)行逼近，因此變量Y的 分布可以用下式逼近<formula>formula see original document page 5</formula>而<formula>formula see original document page 5</formula>
其中，G(y)表示標(biāo)準(zhǔn)正態(tài)分布，P 3，P 4為變量Y的3階和4階累計(jì)量按公式(5) 和(6)進(jìn)行計(jì)算，H3, H4, H6為變量y的Hermite多項(xiàng)式，即
H3^y3-3y ‘<formula>formula see original document page 5</formula>⑷利用變量Y的生矩函數(shù)，可以得到，變量Y的3階和4階累計(jì)量為
K3(X)<formula>formula see original document page 5</formula><formula>formula see original document page 5</formula>其中K3(x)，K4(X)為變量X的的3階和4階累計(jì)量，可以根據(jù)X的各階原點(diǎn)矩計(jì) 算K3 (x) = a3-3a2a1+2a13(7)K4 (χ) = a4-4a3a1-3a22+12a2a12-6a14 (8)表示X的i階原點(diǎn)矩。SAR變化檢測就是要給出兩幅圖像的差異情況，根據(jù)Edgeworth展開可以得到SAR 數(shù)據(jù)的密度分布函數(shù)。交叉熵(Kullback-Leibler Divergence)準(zhǔn)確地描述了兩個(gè)密度分 布函數(shù)的之間的差異，假設(shè)兩個(gè)分布函數(shù)分別為P(x)和q(x)，則它們的差異K(Q|P)可以 用下式表示<formula>formula see original document page 5</formula>log表示對數(shù)，f表示積分，dx表示對變量χ進(jìn)行積分。為了解決交叉熵的不對稱問題，可以采用如下的歸一化的聚合交叉熵KLD KLD = [K (Q | P) —K (P | Q) ]2 (10)
這樣保證了它的非負(fù)、對稱和規(guī)范性。對于兩幅SAR圖像，可以采用上述的歸一化 交叉熵進(jìn)行計(jì)算，從而實(shí)現(xiàn)對兩幅SAR圖像差異的計(jì)算。假設(shè)兩幅不同時(shí)相的SAR數(shù)據(jù)，樣本個(gè)數(shù)為η，分別用變量X和X表示，它們的均值 和方差分別為μ，σ和仄茌
1 1 ^則變量禾口；丄P"將分別趨近于正態(tài)分布，可以用Edgeworth
y —y — ~
σσ
展開進(jìn)行逼近表示f(y) = G(y) (l+v(y)) (11)f{y) = G{y)(\ + u{y))(12)其中G(y)和GGO表示正態(tài)分布，而
11I2v{y) = -p3H3(y) + — p4H4(y) + --p3 H6(y)
ο2472( 13)
1 1 ~ 1 2η(γ) = ρ3Η3(γ) + — ρ^Η4(γ) + — ρ3 H6(y)
62472(14)P3, P4和A，A分別對兩幅圖像數(shù)據(jù)按照前面的公式⑶和(6)進(jìn)行計(jì)算。將它們帶入交叉熵的計(jì)算公式，J/Wlog^g^v =++(公式(15)右邊中第1項(xiàng)為負(fù)熵公式(15)中右邊第2項(xiàng)if(y))\og^dy = jG(y))\oE^dy + jG(y)v(y)log^dy(口)經(jīng)過推導(dǎo)公式(17)中右邊的第1項(xiàng)為= Χ-[β2 -2\οΕβ-1 + α2β2]
^yy) L(18)其中
μ-μ η σα =- β = - ^
σ ， G ’y = yfi + ap而公式(18)中右邊的第2項(xiàng)公式(16)中右邊第3項(xiàng) /ω)丨og罾= 孫)d+ 胸^^ \G(y)u(y)dy + jG(y)v(y)u(y)dyμ*(淋+⑴&秘H如朋H去撲辦腫4卻其中<formula>formula see original document page 7</formula>而式中的<formula>formula see original document page 7</formula>類似的，也可以同樣得到_[ /(JOlog^^辦的具體計(jì)算公式。將兩個(gè)計(jì)算結(jié)果帶
入公式(9)，就可以得到歸一化的交互熵，它表示了兩幅圖像的差異程度。由兩幅SAR圖像得到一幅差異圖象，顯示了兩個(gè)時(shí)相之間SAR圖像的差異程度，根 據(jù)差異圖像采用閾值分割，就可以將差異圖像分割成變化的區(qū)域和未變化的區(qū)域?；谥狈綀D進(jìn)行閾值分割是比較通用而有效的方法，但是根據(jù)直方圖如何確定閾 值一直是難點(diǎn)，手動選擇，依賴于人為因素，而且要不斷進(jìn)行調(diào)整。自動選擇是人們希望實(shí) 現(xiàn)的方向，為此我們引入恒虛警率(CFAR)的方法來進(jìn)行變化區(qū)域的自動分割和提取。經(jīng)過 處理得到的差異圖像，其直方圖分布十分接近瑞利分布，因此我們采用了瑞利分布模型進(jìn) 行CFAR來檢測變化的區(qū)域。瑞麗分布的分布密度函數(shù)為<formula>formula see original document page 7</formula>
其中，b為形狀參數(shù)，e為常數(shù)2. 718281828459?；谌鹄植嫉腃FAR檢測的閾 值計(jì)算公式
<formula>formula see original document page 7</formula>Pfa為給定的虛警率，δ為差異圖像計(jì)算的方差，μ為差異圖像的均值，π為圓周 率常數(shù)，為 3. 141592653589793…。對于差異圖像，分別計(jì)算出均值、方差，然后給定虛警率，就可以根據(jù)上式計(jì)算出閾值，然后對差異圖像進(jìn)行二值化分割 如果χ > T，則χ為變化的像素；否則，χ為沒有變化的 。
權(quán)利要求
一種星載多時(shí)相合成孔徑雷達(dá)圖像的自動變化檢測方法，其特征在于，包括步驟1成像處理后，根據(jù)中心極限定理，兩個(gè)時(shí)相獲取的合成孔徑雷達(dá)圖像數(shù)據(jù)的各自標(biāo)準(zhǔn)化算術(shù)平均趨近于標(biāo)準(zhǔn)正態(tài)分布；步驟2基于Edgeworth展開原理，分別對趨近于正態(tài)分布的兩個(gè)時(shí)相獲取的合成孔徑雷達(dá)圖像數(shù)據(jù)的算術(shù)平均采用標(biāo)準(zhǔn)正態(tài)分布和Hermite多項(xiàng)式逼近；步驟3分別對兩個(gè)時(shí)相獲取的合成孔徑雷達(dá)圖像在Edgeworth逼近的基礎(chǔ)上，采用歸一化的交叉熵計(jì)算兩個(gè)時(shí)相合成孔徑雷達(dá)圖像的差異值，得到一幅差異指數(shù)圖像；步驟4對差異指數(shù)圖像采用基于瑞利分布的恒虛警率檢測方法進(jìn)行變化區(qū)域的自動提取。
2.如權(quán)利要求1所述的檢測方法，其特征在于，所述步驟3中得到的一幅差異指數(shù)圖 像，顯示了兩個(gè)時(shí)相合成孔徑雷達(dá)圖像之間的差異程度，若根據(jù)預(yù)先設(shè)定的閾值對差異指 數(shù)圖像進(jìn)行分割，即分割成變化的區(qū)域和未變化的區(qū)域。
3.如權(quán)利要求1所述的檢測方法，其特征在于，所述步驟3中得到的一幅差異指數(shù)圖 像，其直方圖分布接近瑞利分布，瑞麗分布的分布密度函數(shù)為其中，b為形狀參數(shù)，而x為函數(shù)自變量，e為常數(shù)2. 718281828459。
4.如權(quán)利要求1或2所述的檢測方法，其特征在于，所述步驟4的基于瑞利分布的恒虛 警率檢測方法，其閾值T計(jì)算公式為<formula>formula see original document page 2</formula>Pfa為給定的虛警率，6為差異指數(shù)圖像計(jì)算的方差，u為差異指數(shù)圖像的均值；n為 圓周率常數(shù)，為 3. 141592653589793...；對于差異指數(shù)圖像，分別計(jì)算出均值、方差，然后給定虛警率，代入上式計(jì)算出閾值，然 后對差異圖像進(jìn)行二值化分割，得到變化區(qū)域。
全文摘要
本發(fā)明公開了一種星載多時(shí)相合成孔徑雷達(dá)圖像的自動變化檢測方法，涉及合成孔徑雷達(dá)技術(shù)，其包括1成像處理后，兩個(gè)時(shí)相獲取的合成孔徑雷達(dá)圖像數(shù)據(jù)的各自標(biāo)準(zhǔn)化算術(shù)平均趨近于標(biāo)準(zhǔn)正態(tài)分布；2分別對趨近于正態(tài)分布的兩個(gè)時(shí)相獲取的合成孔徑雷達(dá)圖像數(shù)據(jù)的算術(shù)平均采用標(biāo)準(zhǔn)正態(tài)分布和Hermite多項(xiàng)式逼近；3采用歸一化的交叉熵計(jì)算兩個(gè)時(shí)相合成孔徑雷達(dá)圖像的差異值，得到一幅差異指數(shù)圖像；4對差異指數(shù)圖像采用恒虛警率檢測方法進(jìn)行變化區(qū)域的自動提取。本發(fā)明方法能夠有效提取SAR圖像上的變化區(qū)域，可在多個(gè)領(lǐng)域內(nèi)廣泛應(yīng)用。
文檔編號G01S13/90GK101833093SQ20091007979
公開日2010年9月15日 申請日期2009年3月11日 優(yōu)先權(quán)日2009年3月11日
發(fā)明者付琨, 尤紅建 申請人:中國科學(xué)院電子學(xué)研究所