【正文】 磁場引入向量和觀察量而建立變化空間，從而對相關(guān)或變化特征分解，更深 入理解圖像變化的本質(zhì)。 在國內(nèi)，由于 SAR 數(shù)據(jù)源不足的問題，開展 SAR 變化檢測的研究相對數(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 [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、絕對值等，先對多幅 SAR 圖像分別計(jì)算灰度特征，然后用差值法對不同時(shí)相圖像內(nèi)相應(yīng)的特征進(jìn)行變化檢測，最后用數(shù)學(xué)期望最大算法獲得閾值。例如，監(jiān)測森林和植被變化；監(jiān)測農(nóng)作物的生長變化、土地覆蓋利用變化；監(jiān)測和評估各種災(zāi)害發(fā)生前后變化；軍事目標(biāo)區(qū)域的動態(tài)監(jiān)視、打擊效果評估等。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 葉斯決策理論自動地確定閾值。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)勢圖像之間是相對配準(zhǔn)的，此時(shí)像素地標(biāo)可能是未知的。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 圖像變化檢測方法 10 在變化檢測方法研究領(lǐng)域中一個(gè)重點(diǎn)，也是需要攻克的難點(diǎn)。定性評價(jià)也稱為視覺評價(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。 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，這會讓人感覺圖像很亂，而且探測 目標(biāo)的邊緣表現(xiàn)不夠清晰。圖像配準(zhǔn)是圖像變化檢測中一步，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)的精度高低會影響 SAR 圖像變化檢測的效果。 ? 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。 然后利用圖像比值法生成初步的新像素矩陣。 差值法是簡單而直接的變化檢測方法，首先對兩幅變化前后的 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)對變化檢測結(jié)果產(chǎn)生影響。兩幅圖像的大小均為 290? 350，灰度級為256。 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。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。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。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)造出相對應(yīng)單邊擬合策略思想的廣義高斯概率模型。 ? 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。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。 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)。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。 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)。而且變化類 cw 的相關(guān)參數(shù)先驗(yàn)概率 ? ?cwp ,均值 cm 和標(biāo)準(zhǔn)差 c? 的計(jì)算方法同上。 Ottawa 檢測結(jié)果圖 與原參考圖相比，檢測結(jié)果圖漏檢 685 個(gè)像素點(diǎn)，誤檢 2317個(gè)像素點(diǎn)。 首先本論文開始介紹了基于 SAR 圖像變化檢測的一些相關(guān)知識，主要 包括SAR 成像基本原理及圖像特點(diǎn)、 SAR 技術(shù)發(fā)展歷程、 SAR 圖像變化檢測介紹、 SAR圖像變化檢測發(fā)展及應(yīng)用等相關(guān)課題。 在無監(jiān)督閾值算法的研究中，通過分析 SAR 圖像變化檢測問題的內(nèi)在本質(zhì)，提出了單邊擬合的閾值策略。圖像變化檢測對于我們的生活息息相關(guān)，具有相當(dāng)?shù)闹匾?。在這個(gè)地方，我留下了四年的歡聲與淚水。 感謝我的父母家人，在我成長的這二十幾年里，他們給予了我最無私的愛和關(guān)懷，父母的恩情永遠(yuǎn)銘記在心，讓他們一同分享我的喜悅。在這里也誠心的祝福父母身體健康。我是一個(gè)內(nèi)向又有些幼稚的人，是他們的包容與幫助，使我度過了一個(gè)又一個(gè)難關(guān)?；叵肫疬@段難忘的時(shí)光，曾經(jīng)歷了多少次挫折、欣喜和無奈，又曾多少次克服了所遇到的困難。通過分析單邊擬合的思想與意義，是概率分布擬合直方圖曲線，從而構(gòu)造相應(yīng)的算法。 SAR技術(shù)的研究還是一個(gè)新生兒，還有很長的路要走。 與參考圖相比，本論文設(shè)計(jì)的方法雖然含有一定的噪聲，但其對變化區(qū)域的檢測更加準(zhǔn)確。 算法步驟 步驟 1：取得兩幅不同時(shí)間同地域的 SAR 圖像，預(yù)處理，采用 Lee 濾波，差值法構(gòu)差異圖像 步驟 2：求出差異圖像的灰度直方圖，確定單邊擬合區(qū)域，區(qū)域的范圍? ?upmlowm nn _,_ 步驟 3：令初始閾值 1T =Mu,構(gòu)造單邊廣義高斯模型，求出閾值 Ti 下的無變化區(qū)域直方圖曲線的概率分布函數(shù) 步驟 4:利用準(zhǔn)則函數(shù)計(jì)算閾值 iT 下的單邊擬合誤差 ,令閾值 iT = iT +1，重復(fù)計(jì)算閾值 步驟 5:令閾值產(chǎn)生區(qū)域中擬合誤差最小的閾值為 cT ，確定無變化區(qū)域的直方圖概率分布 步驟 6：利用高斯模型與期望最大化 EM 參數(shù)估計(jì)方法，求出變化區(qū)域直方圖曲線的概率分布函數(shù) 步驟 7：根 據(jù)最大后驗(yàn)概率方法確定最終閾值，并通過該閾值構(gòu)造變化檢測結(jié)果圖 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 26 實(shí)驗(yàn)結(jié)果 ? 實(shí)驗(yàn)原圖 （ a） (b) (c) 圖 Bern SAR 圖像數(shù)據(jù)集原始圖像及變化檢測參考圖 圖 中前兩幅 SAR 圖像分別為 1999 年 4 月和 1999 年 5 月通過 獲得的瑞士 Bern 地區(qū)的前后兩時(shí)相 SAR 圖像組成，時(shí)相 SAR 圖像（ a）是在拍攝于洪水災(zāi)害剛剛發(fā)生后的情形，圖像中像素有高低，其中較暗的部分為受洪水影 響淹沒的地方，時(shí)相 SAR 圖像 (b)是在洪水幾乎完全消失的時(shí)候拍攝的。 最大數(shù)學(xué)期望算法 (EM: Expectation Maximization Algorithm)不需要任何先驗(yàn)知識和外來的數(shù)據(jù)，是對不完整數(shù)據(jù)問題進(jìn)行最大似然估計(jì)的一種常用算法，只需要從 觀測數(shù)據(jù)自身來獲得參數(shù)的估計(jì)值。它的主要思想在于為求得圖像分割的最佳閾值，當(dāng)針對服從一定分布模型的圖像時(shí)，采用一種簡單的參數(shù)估計(jì)方法獲得。差異圖像總概率密度函數(shù) ??xp 是由變化和未變化兩類概率密度函數(shù)混合組成，其表達(dá)式為 ? ? ? ? ? ? ? ? ? ?cn wpwxpwpwxpxp ?? （ 38) 利用貝葉斯公式有 : ? ? ? ? ? ?? ?xp wpwxpxwp iii ??，其中 ? ?i ,? （ 39) 條件概率 ? ?xwp i 稱為后驗(yàn)概率。 (3)判定非變化區(qū)域的范圍。估計(jì)廣義高斯模型中單邊平移參數(shù) c 可以具體概括為下面兩個(gè)步 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 21 驟： 1．首先確定直方圖中非變化單邊曲線的灰度值范圍。所以單邊曲線的條件概率分布函數(shù)可描述如下： ? ? ? ?? ?? ??cmXbawXp nn ???? e x p, (31) 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 20 ? ???12?? ba (32) ? ?? ???? 131 ???b (33) ? ?? ? ? ??? ???? TXTXn XhXXhTm 001 (34) 參數(shù) ? , ? , nm ,c 分別是單邊廣義高斯分布的方差、形狀控制、均值和單邊平移參數(shù)。 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 18 圖 理想變化檢測直方圖 圖 非理想變化檢測直方圖（無混疊 ） 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 19 圖 非理想變化檢測直方圖 (混疊） 本論文設(shè)計(jì)的單邊擬合策略，只將 Mu與 Mc 之間直方圖曲線與擬合曲線進(jìn)行擬合。圖 所示理想差異圖直方圖曲線，這種情況主要基于沒有任何的幾何與輻射校正誤差、斑點(diǎn)噪聲的影響。 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 17 第三章 基于單邊擬合策略的 SAR圖像變化檢測 本論文設(shè)計(jì)的 SAR 圖像變化檢測方法，與基于差值法和基于比值法的 SAR 圖像變化檢測不同，它是在差異直方圖的基礎(chǔ)上，構(gòu)建變化類和非變化類的概率分布 圖，并擬合直方圖曲線，且只限于單邊擬合，使得當(dāng)擬合曲線與直方圖曲線在單邊區(qū)域達(dá)到平行。圖像（ c）為變化檢測參考圖，白色區(qū)域表示變化區(qū)域。 閾值對于圖像差值法非常關(guān)鍵，需要憑借經(jīng)驗(yàn)的累積和多次試驗(yàn)從而選取合適的閾值。對應(yīng)兩幅圖像，變化的部分像素差異波動較大，所以比值 ? ?jiI ,1 / ? ?jiI ,2 與 1 距離就比較遠(yuǎn)；而對應(yīng)不變的點(diǎn)，像素雖然不至于完全一致，但是比值應(yīng)該接近 1。設(shè)圖像對為 1I 和 2I , ? ?yxI ,1 , ? ?yxI ,2 和分別表示兩幅圖像中對應(yīng)同一點(diǎn) ? ?yx, 處的幅度值，利用 ? ?yxI ,1 和 ? ?yxI ,2 進(jìn)行強(qiáng)度歸一化得： 第二章 基于差異圖的構(gòu)造 SAR 圖像變化檢測方法 12 ? ?? ? ? ?? ? ? ?122212 IIIIII ???? ???? (21) 其中 ? ,? 分別為 1I 和 2I 的方差和均值。但是這類方法的缺點(diǎn)往往無法很好地確定特征點(diǎn)的位置，主 要由 SAR 圖像中斑點(diǎn)噪聲影響嚴(yán)重造成。現(xiàn)在的相干斑的抑制技術(shù)可以大致分為兩種，一種為多視技術(shù)，另一種為對 SAR 圖像空間的濾波技術(shù)。其中多余變化檢測進(jìn)行效果評價(jià)時(shí) 對地表數(shù)據(jù)獲取真實(shí)情況是其中一個(gè)難度。后者包括的因素主要有大氣狀況、輻射的角度大小以及地區(qū)土壤的濕度等因素。目前，在導(dǎo)致圖像變化檢測的精度出現(xiàn)錯(cuò)誤率的原因中，對于圖像配準(zhǔn)的精準(zhǔn)度方面的研究成果與分析，還是比較少的。 第四章總結(jié)本論文的工作，并指出不足之處與優(yōu)點(diǎn)，以及以后的研究方向。 本論文的工作分為四章，各章內(nèi)容如下： 第一章介紹了合成孔徑雷達(dá)成像的基