基于sift特征點的sar圖像變化檢測方法
【專利摘要】本發(fā)明公開了一種基于SIFT特征點的SAR圖像變化檢測方法，主要解決現(xiàn)有檢測方法受“斑點”噪聲影響較大的問題。其實現(xiàn)過程是：(1)將已配準(zhǔn)且進(jìn)行輻射校正和幾何校正的兩幅待檢測SAR圖像進(jìn)行歸一化處理；(2)利用歸一化后的待檢測的兩幅圖獲得差異圖；(3)利用尺度不變特征變換方法提取差異圖中的SIFT特征點；(4)將SIFT特征點作為種子點進(jìn)行區(qū)域生長，得到變化圖。本發(fā)明具有對“斑點”噪聲魯棒性強的優(yōu)點，可用于低性噪比下的SAR圖像變化檢測。
【專利說明】基于SIFT特征點的SAR圖像變化檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)【技術(shù)領(lǐng)域】，涉及SAR圖像檢測方法，可用于對不同時段同一場景 的變化區(qū)域的檢測。

【背景技術(shù)】
[0002] 雷達(dá)成像技術(shù)是20世紀(jì)50年代發(fā)展起來的，在此后的60年里得到了突飛猛進(jìn)的 發(fā)展，目前，已經(jīng)在軍事、農(nóng)林、地質(zhì)、海洋、災(zāi)害、繪測等諸多方面得到廣泛的應(yīng)用。
[0003] SAR作為一種主動微波傳感器，具有全天候、全天時、分辨率高以及穿透能力強等 特點，在突發(fā)事件、自然災(zāi)害的檢測和評估等方面具有獨特優(yōu)勢，利用SAR圖像進(jìn)行變化檢 測具有重要意義。目前，SAR圖像變化檢測已經(jīng)在多個方面取得廣泛的應(yīng)用，如土地分析、 森林采伐監(jiān)測、災(zāi)情估計、軍事偵察、打擊效果評估等。
[0004] SAR圖像變化檢測分為監(jiān)督和非監(jiān)督兩大類。其中，非監(jiān)督變化檢測不需要先驗變 化信息的支持，可直接從配準(zhǔn)好的前后兩個時刻SAR圖像獲取變化信息，這種檢測方法不 僅降低人為誤差的影響，同時也符合實際中先驗變化信息缺失的現(xiàn)實情況，因此非監(jiān)督變 化檢測成為國內(nèi)外研宄的重點。SAR圖像變化檢測的流程可概括為三個步驟，首先對待檢測 的兩幅圖像進(jìn)行圖像配準(zhǔn)、斑噪濾波、輻射校正、幾何校正等預(yù)處理，然后比較兩幅圖像獲 得差異圖，最后對差異圖進(jìn)行分割得到最終的檢測結(jié)果。
[0005] 現(xiàn)有文獻(xiàn)中提出很多非監(jiān)督SAR圖像變化檢測方法，例如基于統(tǒng)計模型變化檢測、 基于聚類變化檢測方法等。Yakoub Bazi等人在文獻(xiàn)《An Unsupervised Approach Based on the Generalized Gaussian Model to Automatic Change Detection in Multitemporal SAR Images》中針對高斯分布模型和廣義高斯分布模型，利用KittIer-Illingworth算法確 定門限，對差異圖進(jìn)行分割的檢測方法；公茂果等人在《Change Detection in Synthetic Aperture Radar Images based on Image Fusion and Fuzzy Clustering》中提出利用模 糊C均值以及改進(jìn)的模糊C均值方法對融合后的差異圖進(jìn)行聚類，區(qū)分變化區(qū)域和非變化 區(qū)域，得到檢測結(jié)果。在現(xiàn)有的SAR圖像變化檢測方法中，SAR圖像特有的"斑點"噪聲對檢 測性能有很大的影響。例如基于統(tǒng)計模型的檢測方法，進(jìn)行檢測之前必須對其進(jìn)行濾波，否 則檢測無法進(jìn)行，此外，該方法一旦模型失配，其檢測性能將急劇下降；又如基于聚類的檢 測方法，當(dāng)噪聲較強時，其檢測性能會受到極大的影響。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于針對上述已有方法的不足，提出一種基于SIFT特征點的SAR圖 像變化檢測方法，以提高對變化區(qū)域的檢測率，尤其是在低性噪比下的檢測率。
[0007] 本發(fā)明是這樣實現(xiàn)的：
[0008] 一、技術(shù)思路
[0009] 變化檢測的關(guān)鍵在于找到一個域或特征，在這個域或特征下，變化區(qū)域和未變化 區(qū)域具有可分性。本發(fā)明中利用尺度不變特征變換SIFT提取差異圖中的特征點，再聯(lián)合使 用圖像分割后的區(qū)域信息，得到變化區(qū)域。SIFT特征點可以反映圖像的局部特征，對圖像旋 轉(zhuǎn)、尺度放縮和亮度變化具有不變性，對視角變化、仿射變換以及噪聲也保持一定程度的穩(wěn) 定性。本發(fā)明利用SIFT特征點對噪聲具有的穩(wěn)定性的特性，聯(lián)合圖像分割對邊界的精細(xì)化 處理，使檢測結(jié)果不僅對噪聲具有魯棒性，還有更精確的邊界。
[0010] 二.技術(shù)方案
[0011] 本發(fā)明的實現(xiàn)步驟包括如下：
[0012] (1)對已進(jìn)行配準(zhǔn)、幾何校正、輻射校正的兩幅待檢測的SAR參考圖像X和測試圖 像Y數(shù)據(jù)進(jìn)行歸一化，得到歸一化后的參考圖像X'和測試圖像Y' ；
[0013] (2)將歸一化后的參考圖像X'和測試圖像Y'所對應(yīng)像素值相除，取對數(shù)的絕對 值，獲得差異圖D;
[0014] (3)用尺度不變特征變換SIFT方法提取差異圖D中的尺度不變特征變換特征點；
[0015] (4)在歸一化后的測試圖像Y'中，以步驟（3)中提取的特征點為種子點進(jìn)行區(qū)域 生長，得到分割結(jié)果：
[0016] (4a)生成一個與測試圖像Y同等大小的初始矩陣mask和生長矩陣mask'，以及更 新矩陣maskl，將初始矩陣mask中每個特征點對應(yīng)位置的值標(biāo)記為1，剩余位置的值均標(biāo)記 為0,將生長矩陣mask'和更新矩陣maskl的值全部標(biāo)記為0 ;
[0017] (4b)在測試圖像Y中，將在初始矩陣mask中對應(yīng)位置被標(biāo)記為1的像素值與其相 鄰8個點像素值相比較，如果像素值相差不超過門限T = 0. 05599,則在生長矩陣mask'中 將相鄰像素對應(yīng)位置的值標(biāo)記為1，否則不進(jìn)行任何操作；
[0018] (4c)對初始矩陣mask中所有被標(biāo)記為1的位置進(jìn)行（4b)的操作；
[0019] (4d)將初始矩陣mask與生長矩陣mask'相加，并將相加后的結(jié)果存入更新矩陣 maskl 中；
[0020] (4e)將更新矩陣maskl中所有的非零值置為1 ;
[0021] (4f)判斷初始矩陣mask與更新矩陣maskl是否相等，若不相等，則將生長矩陣 maskl的值賦予初始矩陣mask矩陣，并將生長矩陣mask'的值全部置0,重復(fù)（4b)到（4e) 的操作，否則，生長結(jié)束，更新矩陣maskl即為分割結(jié)果。
[0022] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：
[0023] 第一，本發(fā)明由于提取了差異圖D中的尺度不變特征變換特征點，可以較為準(zhǔn)確 地確定圖像變化區(qū)域，縮小了變化區(qū)域檢測范圍，能有效抑制變化區(qū)域外"斑點"噪聲的干 擾。
[0024] 第二，本發(fā)明由于引入尺度不變特征變換特征點SIFT，使得整幅圖的檢測問題轉(zhuǎn) 化為尺度不變特征變換特征點周圍較小區(qū)域的分割問題，可以利用成熟的SAR圖像分割方 法對小區(qū)域進(jìn)行分割，得到變化區(qū)域更為精細(xì)的檢測結(jié)果。

【專利附圖】

【附圖說明】
[0025] 圖1為本發(fā)明的流程圖；
[0026] 圖2為Bern地區(qū)洪水發(fā)生前SAR圖像；
[0027] 圖3為Bern地區(qū)洪水發(fā)生后SAR圖像；
[0028] 圖4為參考實際地形的Bern地區(qū)發(fā)生洪水前后的標(biāo)準(zhǔn)變化圖；
[0029] 圖5為用現(xiàn)有的基于高斯統(tǒng)計模型方法對圖2和圖3檢測得到的變化圖；
[0030] 圖6為用現(xiàn)有的基于模糊C均值FCM方法對圖2和圖3檢測得到的變化圖；
[0031 ] 圖7為用本發(fā)明方法對圖2和圖3檢測得到的變化圖。

【具體實施方式】
[0032] 參照圖1，本發(fā)明的具體實現(xiàn)步驟包括如下：
[0033] 步驟1，圖像預(yù)處理。
[0034] 對已進(jìn)行配準(zhǔn)、幾何校正、輻射校正的兩幅待檢測的SAR參考圖像X和測試圖像Y 數(shù)據(jù)進(jìn)行歸一化，得到歸一化后的參考圖像X'和測試圖像Y' ：

【權(quán)利要求】
1. 一種SAR圖像變化檢測方法，包括如下步驟： (1) 對已進(jìn)行配準(zhǔn)、幾何校正、輻射校正的兩幅待檢測的SAR參考圖像X和測試圖像Y 數(shù)據(jù)進(jìn)行歸一化，得到歸一化后的參考圖像X'和測試圖像Y' ； (2) 將歸一化后的參考圖像X'和測試圖像Y'所對應(yīng)像素值相除，取對數(shù)的絕對值，獲 得差異圖D ; (3) 用尺度不變特征變換SIFT方法提取差異圖D中的特征點； (4) 在歸一化后的測試圖像Y'中，以步驟（3)中提取的特征點為種子點進(jìn)行區(qū)域生長， 得到分割結(jié)果： (4a)生成一個與測試圖像Y同等大小的初始矩陣mask和生長矩陣mask'，以及更新矩 陣maskl，將初始矩陣mask中每個特征點對應(yīng)位置的值標(biāo)記為1，剩余位置的值均標(biāo)記為0， 將生長矩陣mask'和更新矩陣maskl的值全部標(biāo)記為0 ; (4b)在測試圖像Y中，將在初始矩陣mask中對應(yīng)位置被標(biāo)記為1的像素值與其相鄰8 個點像素值相比較，如果像素值相差不超過門限T = 0.05599,則在生長矩陣mask'中將相 鄰像素對應(yīng)位置的值標(biāo)記為1，否則不進(jìn)行任何操作； (4c)對初始矩陣mask中所有被標(biāo)記為1的位置進(jìn)行（4b)的操作； (4d)將初始矩陣mask與生長矩陣mask'相加，并將相加后的結(jié)果存入更新矩陣maskl 中； (4e)將更新矩陣maskl中所有的非零值置為1 ; (4f)判斷初始矩陣mask與更新矩陣maskl是否相等，若不相等，則將生長矩陣maskl 的值賦予初始矩陣mask矩陣，并將生長矩陣mask'的值全部置0,重復(fù)（4b)到（4e)的操 作，否則，生長結(jié)束，更新矩陣maskl即為分割結(jié)果。
2. 根據(jù)權(quán)利要求1所述的用于SAR圖像變化檢測方法，其中所述步驟（1)中歸一化后 的參考圖像X'和測試圖像Y'，分別表示如下：
其中，X為歸一化前的參考圖像，Y為歸一化前的測試圖像，min( ·)表示取最小值， max( ·)表示取最大值。
【文檔編號】G06K9/62GK104517124SQ201410818305
【公開日】2015年4月15日 申請日期:2014年12月25日 優(yōu)先權(quán)日:2014年12月25日
【發(fā)明者】杜蘭, 王燕, 王斐, 王兆成 申請人:西安電子科技大學(xué)