【正文】 z SAR, JERS1 SAR, ERS1/2 SAR, 與它們搭載在同一遙感平臺(tái)上還裝載著其他傳感器。其中表面的粗糙度在決定雷達(dá)圖像的灰度（也就是回波 強(qiáng)度）上起著決定性的作用。雷達(dá)圖像的分辨率和像元大小是兩個(gè)概念，雷達(dá)圖像中每個(gè)像元大小通常低于分辨率。方位壓縮的濾波匹配需要估計(jì)出兩個(gè)參數(shù)：多普勒質(zhì)心和多普勒頻率。 SAR獲取圖像的幾何原理如圖 所示。 SAR 是在雷達(dá)基礎(chǔ)上發(fā)展起來的一種探測(cè)技術(shù)，它是一種利用雷達(dá)與目標(biāo)的相對(duì)運(yùn)動(dòng)把尺寸較小的真實(shí)天線孔徑用數(shù)據(jù)處理的方法合成較大的等效天線孔徑的雷達(dá)。 第一章 緒論 1 第一章 緒論 SAR 成像基本原理及圖像特點(diǎn) 雷達(dá)主要是利用電磁波的散射進(jìn)行目標(biāo)探測(cè)和測(cè)距，具有全天候和強(qiáng)透射性等優(yōu)點(diǎn)，使其在各個(gè)領(lǐng)域都發(fā)揮著重要作用。為了獲得二維圖像，在距離上采用線性調(diào)頻信號(hào)技術(shù)， 可以從其回波中將較近的目標(biāo)分離出來，從而達(dá)到高分辨率 。 圖 SAR 成像原理示意圖 成像處理一般包括三個(gè)步驟： 距離向脈沖壓縮，對(duì)一個(gè)合成孔徑內(nèi)的每個(gè) 第一章 緒論 2 回波脈沖均進(jìn)行壓縮； 距離徙動(dòng)矯正，把屬于同一點(diǎn)目標(biāo)的脈沖校正到等距離線上、 方位向脈沖壓縮。 常用的算法有：距離 多普勒（ RangeDoppler,RD）算法。 SAR 圖像的灰度統(tǒng)計(jì)特征： 雷達(dá)圖像上色調(diào)的變化，主要取決于目標(biāo)物的后向散射截面。 SAR 圖像與傳統(tǒng)的光學(xué)圖像不同，它是通過天線發(fā)射有規(guī)律的無線電信號(hào)，并接收從地面返回的回波信號(hào)然后采取用成像處理的方法將回波信號(hào)轉(zhuǎn)化為實(shí)際圖片。而 1995 年 11月發(fā)射的加拿大雷達(dá)衛(wèi)星（ Radarsat）則是一個(gè)兼顧商用及科學(xué)試驗(yàn)用途的雷達(dá)系統(tǒng)，其主要探測(cè)目標(biāo)為海冰， 同時(shí)還考 慮到陸地成像，以便應(yīng)用于農(nóng)業(yè)、地質(zhì)等領(lǐng)域?！?40176?！?49176。 合成孔徑的概念產(chǎn)生于 20 世紀(jì) 50 年代初期。 1957 年密歇根大學(xué)雷達(dá)與光學(xué)實(shí)驗(yàn)室研制的 SAR 系統(tǒng)獲取了第一張全聚焦的 SAR 圖像。 60 年代中期，隨著遙感技術(shù)的發(fā)展，合成孔徑雷達(dá)技術(shù)從軍用推廣到民用方面，并發(fā)揮了重要作用。 1988 年 12 月美國用 “阿特蘭蒂斯 ”號(hào)航天飛機(jī)將世界上第一顆高分辨率雷達(dá)成像衛(wèi)星 “長曲棍球 ”(LACROSSE)SAR 衛(wèi)星送入太空 ,其分辨率已達(dá) 1m,在海灣戰(zhàn)爭(zhēng)中發(fā)揮了重要作用。1995 年，加拿大發(fā)射了第一顆資源勘測(cè)衛(wèi)星 Padarsat1，該系統(tǒng)為商業(yè)和科學(xué)研究提供了全球的冰情、海洋和地球資源等數(shù)據(jù)。 我國 SAR 研究開始于 20 世紀(jì) 70 年代后期，起步較晚。 目前 SAR 圖像變化檢測(cè)思想主要 分為兩大類，一種是非監(jiān)督的變化檢測(cè)思路。 第一章 緒論 5 圖 非監(jiān)督的變化檢測(cè)方法 另一種主流思想是基于分類的變化檢測(cè)方法思路。針對(duì) SAR 圖像的特點(diǎn)，目前比較通用的方法主要有差值法、相關(guān)系數(shù)法、直方圖比較法、圖像熵方法來對(duì) SAR圖像來進(jìn)行變化檢測(cè) [2]。 Ramin[6]提出來通過模擬部分極化電磁場(chǎng)引入向量和觀察量而建立變化空間，從而對(duì)相關(guān)或變化特征分解，更深 入理解圖像變化的本質(zhì)。 Onana 針對(duì) ERSSAR 多時(shí)相圖像的特點(diǎn)，采用了數(shù)據(jù)融合的方法解決城鎮(zhèn)地區(qū)的變化檢測(cè) [10]。 在國內(nèi)，由于 SAR 數(shù)據(jù)源不足的問題，開展 SAR 變化檢測(cè)的研究相對(duì)數(shù)少，近幾年來的主要成果有：基于二階灰度統(tǒng)計(jì)特性的 SAR 圖像變化檢測(cè) [15]，該方法著重研究了統(tǒng)計(jì)特征中的二階灰度特征如二維直方圖、自相關(guān)、能量、協(xié)方差、慣性矩、熵、絕對(duì)值等，先對(duì)多幅 SAR 圖像分別計(jì)算灰度特征，然后用差值法對(duì)不同時(shí)相圖像內(nèi)相應(yīng)的特征進(jìn)行變化檢測(cè)，最后用數(shù)學(xué)期望最大算法獲得閾值。針對(duì)傳統(tǒng)分類比較法存在的分類誤差累積問題，根據(jù)不同時(shí)相圖像的不變信息的相關(guān)性，有學(xué) 者提出了一種基于兩時(shí)相圖像聯(lián)合分類的 SAR 圖像變化檢測(cè)方法 [19]，該方法以灰度值作為輸入信息，通過相似度計(jì)算得到兩時(shí)相圖像對(duì)應(yīng)位置像素的灰度相似度，然后求解全局相似度閾值，并用 K 均值對(duì)兩幅時(shí)相圖像進(jìn)行聯(lián)合分類，最后通過類別比較獲得變化檢測(cè)結(jié)果。例如，監(jiān)測(cè)森林和植被變化；監(jiān)測(cè)農(nóng)作物的生長變化、土地覆蓋利用變化；監(jiān)測(cè)和評(píng)估各種災(zāi)害發(fā)生前后變化；軍事目標(biāo)區(qū)域的動(dòng)態(tài)監(jiān)視、打擊效果評(píng)估等。 第二章主要介紹合成孔徑雷達(dá)圖像差異圖的構(gòu)造。在獲得差異直方圖后，設(shè)計(jì)相關(guān)的模型，結(jié)合相關(guān)參數(shù)估計(jì)策略求得變化類和非變化類的概率統(tǒng)計(jì)分布，利用貝 葉斯決策理論自動(dòng)地確定閾值。構(gòu)造差異圖作為第一步，是開端，起著至關(guān)重要的作用。配準(zhǔn)是將兩幅遙感圖像上的同名點(diǎn)準(zhǔn)確配準(zhǔn)的過程，優(yōu)勢(shì)圖像之間是相對(duì)配準(zhǔn)的，此時(shí)像素地標(biāo)可能是未知的。他們得出的結(jié)論是：好的變化檢測(cè)結(jié)果需要高精度的配準(zhǔn)算法，如 1/5 個(gè)像素的配準(zhǔn)精度獲得的變化檢測(cè)的錯(cuò)誤率小于 10%，也就是說配準(zhǔn)精度越高得到的變化檢測(cè)效果越好。雖然目前閾值的獲取方法有多種，但是最優(yōu)獲取閾值依然是目前 第二章 基于差異圖的構(gòu)造 SAR 圖像變化檢測(cè)方法 10 在變化檢測(cè)方法研究領(lǐng)域中一個(gè)重點(diǎn)，也是需要攻克的難點(diǎn)。如果后者造成的變化較大，走就必須要求進(jìn)行輻射的校正。定性評(píng)價(jià)也稱為視覺評(píng)價(jià)，大家通過計(jì)算機(jī)卷簾或閃爍顯示技術(shù)實(shí)現(xiàn)，適合于人眼的直接觀察。 ? 感興趣變化在具體應(yīng)用中的定義 對(duì)于不同的情況，或不同的實(shí)際應(yīng)用，每個(gè)人都有可能得到對(duì)變化區(qū)域的不同定義，變化的區(qū)域可能是由非變化的區(qū)域或是變化的區(qū)域定義得來。 SAR 圖像的斑點(diǎn)噪聲不良現(xiàn)象表現(xiàn)為圖像上的亮度起伏不定，這會(huì)讓人感覺圖像很亂，而且探測(cè) 目標(biāo)的邊緣表現(xiàn)不夠清晰。此方法主要基于所有的像素點(diǎn)的像素值完全相等的思想，缺點(diǎn)在于忽略 SAR 圖像邊緣結(jié)構(gòu)的信息，而后者技術(shù)在 SAR 圖像處理中則是基于在盡量保證以不減小空間分辨率作為前提下，加 強(qiáng)抑制相干斑。圖像配準(zhǔn)是圖像變化檢測(cè)中一步，但是不可忽略，應(yīng)該說這也是人們需要研究的一個(gè)重要領(lǐng)域，因?yàn)榕錅?zhǔn)的精度高低會(huì)影響 SAR 圖像變化檢測(cè)的效果。 預(yù)處理有兩種形式，有的預(yù)處理方法需針對(duì)兩幅圖像進(jìn)行，而某些方法以其中一幅圖像為基準(zhǔn)，只對(duì)另外一幅圖像進(jìn)行處理。 ? 強(qiáng)度歸一化 在 1973 年， Ulstad[22]提出這種方法用來消除數(shù)字圖像中差異現(xiàn)象。這種方法主要對(duì)應(yīng)于不同時(shí)間段內(nèi)圖像的像素間的方差和均值存在差別的時(shí)候進(jìn)行處理。 然后利用圖像比值法生成初步的新像素矩陣。 具體公式為 ? ?1,0,m i n1221 ?????????? IIIIr （ 24） 為了克服噪聲，也可以采用一定大小的窗口進(jìn)行平均后再進(jìn)行比值運(yùn)算，即 ??????? ? ??? ? ???nininini IIIIr 1 1 11 221 1 ,m in （ 25） 第二章 基于差異圖的構(gòu)造 SAR 圖像變化檢測(cè)方法 13 比值操作后所得到差異圖的統(tǒng)計(jì)分布如下面公式所示： ? ? ? ?? ? NNNrrNrrNIIrp22121!1!12,?????? ??????? （ 26) 其中 , 21 , II 表示在兩個(gè)時(shí)刻同區(qū)域的均值圖像強(qiáng)度， N 表示 SAR 圖像數(shù)據(jù)的等效數(shù)據(jù)。 差值法是簡單而直接的變化檢測(cè)方法，首先對(duì)兩幅變化前后的 SAR 圖像分別進(jìn)行濾波處理，消除噪聲，盡可能的減少噪點(diǎn)對(duì)變化檢測(cè)結(jié)果產(chǎn)生影響。 算法步驟 步驟 首先對(duì)兩時(shí)相同區(qū)域 SAR 圖像進(jìn)行幾何校正和輻射校正 步驟 通過基于差值算子產(chǎn)生差異圖 步驟 產(chǎn)生變化結(jié)果圖并分析 實(shí)驗(yàn)結(jié)果 差異圖的構(gòu)造實(shí)驗(yàn)，本論文取 加拿大 Ottawa 地區(qū)的 1997 年 5 月和 1997 年 8月 Radarsat 影像 ，為兩時(shí)相的 SAR 圖像。兩幅圖像的大小均為 290? 350，灰度級(jí)為256。圖（ a）差異圖由差值法構(gòu)造，圖（ b）由比值法構(gòu)造，圖（ c）由對(duì)數(shù)比值法構(gòu)造。 圖像差值法算法較為簡單，易于理解，且最直觀，但圖像變化區(qū)域漏檢較多。得到概率分布函數(shù)后，需使用算法來自動(dòng)確定最終的閾值，此時(shí)需要應(yīng)用貝葉斯決策理論，并利用此閾值來構(gòu)造變化檢測(cè)結(jié)果圖。確定差異圖的閾值實(shí)際上就是區(qū)分差異直方圖 的未變化類灰度值與變化類灰度值。圖 表示為，在變化類與非變化類之間有很少的混疊，而圖 表示為，變化類與非變化類之間有著較為嚴(yán)重的混疊，此情況較 為常見，但是此情況的閾值相對(duì)于前者較難以確定。從下面 3 幅圖像中可以看出，非變化類以 Mu點(diǎn)分散，而變化類以 Mc 點(diǎn)分散，所以閾值的產(chǎn)生一定在 Mu 值和 Mc 值之間。 通過直方圖的信息可以看出，變化區(qū)域像素相對(duì)于非變化區(qū)域的像素較少，這與實(shí) SAR 圖像相符合。為了滿足單邊擬合的條件，則需要在廣義高斯模型加入一個(gè)單邊平移參數(shù) c ，構(gòu)造出相對(duì)應(yīng)單邊擬合策略思想的廣義高斯概率模型。通過改變添加在廣義高斯分布函數(shù)的單邊平移參數(shù) c 大小，移動(dòng)概率分布曲 線，來實(shí)現(xiàn)非變化單邊曲線的曲線擬合。 ? 平移參數(shù) c 的估計(jì) 本論文設(shè)計(jì)的單邊廣義高斯模型的思想是先構(gòu)造非變化區(qū)域的廣義高斯單邊曲線與非變化單邊曲線進(jìn)行曲率擬合，最后通過比較，選擇最優(yōu)的非變化曲線上，并得到此種情況下的概率統(tǒng)計(jì)分布。 (2)求解非變化單邊曲線的區(qū)域的上限值。計(jì)算非變化單邊曲線上限公式如下： ? ? ? ?? ???????????????????????? ???? TLMuieTciHcihiupmTCTCn 1,|m i n_112 （ 35) 其中， e=106， T 為直方圖平滑因子，本章中取 T=10。 2．計(jì)算平移參數(shù) c 。 差異圖像上的像素點(diǎn)分為變化類和未變化類，分別用 cw 和 nw 表示， ? ?cwp 和? ?nwp 分別表示為各自分布的先驗(yàn)概率，隨機(jī)灰度值 x 在 cw 和 nw 中出現(xiàn)的概率? ?cwxp ， ? ?nwxp 稱為似然概率密度函數(shù)。這樣，我們總結(jié)最小錯(cuò)誤率貝葉斯決策的規(guī)則，可以概括如下： 如果 ? ?xwp n ? ?xwp c ，則將 x 歸類于未變化類 nw ，反之 ? ?xwp n ? ?xwp c 則將 x 歸類于變化類 cw 。因此，我們一般的做法是結(jié)合相關(guān)圖像分布模型，也可以利用樣本參數(shù)的方法來估計(jì)概率分布，接著模擬出似然概率密度函數(shù)，然后估計(jì)模型參數(shù)，利用這些參數(shù)得到似然概率密度函數(shù)，最后利用 這些函數(shù)求解要得到的閾值。 設(shè)通過算法選擇的閾值為 T , ? ?1,1,0 ?? LT ? ,則差異圖像中大于 T 的部分認(rèn)為是變化部分，而其余部分為未變化部分。 EM 迭代閾值選擇算法 KI 算法的思想是通過使反映整幅圖像正確分類的準(zhǔn)則函數(shù) ??TJ 達(dá)到最小，來找到最佳閾值以區(qū)分變化和未變化類像素點(diǎn)。 第三章 基于單邊擬合策略的 SAR 圖像變化檢測(cè) 25 基于高斯模型的差異圖像上