【導(dǎo)讀】等優(yōu)點(diǎn)，使其在各個(gè)領(lǐng)域都發(fā)揮著重要作用。傳統(tǒng)雷達(dá)主要解決目標(biāo)有無的問題，獲得回波脈沖及強(qiáng)弱，并不產(chǎn)生圖像。后來人們利用多普勒銳化技術(shù)，實(shí)現(xiàn)高分。辨率的雷達(dá)成像。虛擬的大孔徑天線，可以獲得對(duì)另一維的高分辨率[1]。息進(jìn)行記錄和處理，從而得到比實(shí)際天線更長的假設(shè)天線進(jìn)行觀測的結(jié)果[2]。線上、3、方位向脈沖壓縮。難點(diǎn)在于方位向，需要利用回波信號(hào)的相位提取多普勒頻率。態(tài)的不穩(wěn)定及測量誤差、雷達(dá)系統(tǒng)的不穩(wěn)定等，均會(huì)引起信號(hào)的幅度和相位誤差，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)，雷達(dá)衛(wèi)星是載有合成孔徑雷達(dá)的對(duì)地觀測遙感衛(wèi)星的統(tǒng)稱。今為止，已在一些發(fā)射的衛(wèi)星上攜有SAR，如SeasatSAR,AlmazSAR,JERS-1SAR,批可供軍事偵察用的機(jī)載高分辨力合成孔徑雷達(dá)。機(jī)、衛(wèi)星等為載體的空載SAR研究。安裝SAR對(duì)地觀測的新時(shí)代，星載SAR由實(shí)驗(yàn)階段轉(zhuǎn)向?qū)嶋H應(yīng)用的階段。目前合成空間雷達(dá)分辨率已達(dá)到數(shù)量級(jí)，縱觀國外SAR的發(fā)展歷程，

　　

【正文】 后期望值最大化，前面一步通過待估計(jì)參數(shù)的當(dāng)前值，再結(jié)合觀測數(shù)據(jù)中來直接估計(jì)概率密度的期望值大小，后面一步通過最大化這一期望值來重新估計(jì)參數(shù)的量，在迭代過程，兩步步驟是依次交替進(jìn)行的，直至收斂結(jié)束迭代。 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 25 基于高斯模型的差異圖像上未變化的像素點(diǎn)和變化類的像素點(diǎn)分別為 nw 和cw ，同時(shí)相對(duì)應(yīng)的似然概率密度分別為 ? ?cwxp ， ? ?nwxp 其表達(dá)式表示如下 : ? ? ? ? ? ?imxwxpiii,2e x p2 1 2 22 ??????? ??? ??? （ 323） nm ， 2n? ， cm ， 2c? 分別表示為未變化的像元類 nw 和變化的像元類 cw 的均值以及方差。在上述假設(shè)條件下，在上述算法的公式中，將有 4 個(gè)參數(shù)未知，這可以利用差值圖像來估計(jì)得到。通過 EM 算法，計(jì)未變化像元類 nw 統(tǒng)計(jì)分布參數(shù)。 差值圖像的行數(shù)和列數(shù)表示為 i 和 j ，差值圖像中第 i 行第 j 列的像元灰度值表示為 ? ?jiX, ，類條件概率 ? ?? ?nwjiXp , 的計(jì)算公式為 (322)，全概率 ? ?? ?jiXp , 的值通過式（ 35）給出。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。當(dāng)閾值的計(jì)算終止時(shí)，其條件為當(dāng)相鄰兩次迭代計(jì)算的 ? ?iwp ，cm 和 i? 的值小于給定的閾值 ? ?410???? 。 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。兩幅圖像的尺寸均為 301? 301 像素，灰度級(jí)為 256，等效視數(shù)分別為 和 。圖 (c)為實(shí)際變化參考圖，該參考圖通過當(dāng)?shù)卣鎸?shí)的陸地信息結(jié)合一些已知的圖片信息而得到的，圖中的白色像素表示兩時(shí)相間發(fā)生變化的區(qū)域。 ? 實(shí)驗(yàn)結(jié)果圖 （ a) (b) 圖 Bern 數(shù)據(jù)結(jié)果 圖 （ a)差異圖與 (b)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 27 0200400600800100012001400160018000 50 100 150 200 250 圖 Bern 差異圖直方圖 0 50 100 150 200 25000 . 0 0 50 . 0 10 . 0 1 50 . 0 20 . 0 2 50 . 0 30 . 0 3 50 . 0 4 圖 Bern 曲線擬合圖（紅色表示直方圖曲線，藍(lán) 色表示非變化類概率曲線） 采用第二章中 用過 的加拿大 Ottawa 地區(qū)兩時(shí)相 SAR 圖像為原始數(shù)據(jù) ，用過本論文設(shè)計(jì)的算法的變化檢測結(jié)果圖。 ? 實(shí)驗(yàn)結(jié)果圖 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 28 （ a) (b) 圖 Ottawa 數(shù)據(jù)結(jié) 果圖 （ a)差異圖 ， (b)檢測結(jié)果圖實(shí)驗(yàn)結(jié)果圖 / 0200400600800100012001400160018000 50 100 150 200 250 圖 Ottawa 差異圖直方圖 0 50 100 150 200 25000 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 60 . 0 70 . 0 8 圖 Ottawa 曲線擬合圖（紅色表示直方圖曲線，藍(lán)色表示非變化類概率曲線） 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 29 結(jié)果分析： Bern 的檢測結(jié)果圖 與原參考圖相比，檢測結(jié)果圖漏檢 311 個(gè) 像素點(diǎn)，誤檢 97 個(gè)像素點(diǎn)。檢測結(jié)果圖接近參考結(jié)果圖，但效果不是很理想， 漏檢數(shù)較多，誤檢數(shù)一般， 需要改進(jìn)。 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)。檢測結(jié)果圖接近參考結(jié)果圖，但效果不是很理想，漏檢數(shù)較少，但錯(cuò)檢數(shù)較多， 需要改進(jìn)。 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(duì)變化區(qū)域的檢測更加準(zhǔn)確。相對(duì)于一些整體擬合的策略方法，本方法能更好地?cái)M合閾值產(chǎn)生區(qū)域的直方圖，從而得到更佳的 SAR 圖像變化檢測結(jié)果圖。但相對(duì)于第二章中提到的實(shí)際中常用的幾種 SAR 圖像變化檢測方法，本方法的算法較為復(fù)雜，計(jì)算量大，其效果相對(duì)于圖像差值法效果較好，但相對(duì)于對(duì)數(shù)比值法效果一般。通過對(duì)照一些文獻(xiàn)中的設(shè)計(jì)的擬合方法，比如 基于單邊高斯對(duì)數(shù)模型的算法 、 基于lognormal分布模型的閾值算 法等，本方法效果相對(duì)較差，可能在于此方法其中關(guān)鍵 的兩步，差異圖的構(gòu)造方法以及概率模型的構(gòu)建方法兩方面。本方法結(jié)合 SAR圖像自身的特點(diǎn)，使直方圖擬合誤差較小，所以此算法具有一定的采用價(jià)值。 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 30 第四章 結(jié)論與展望 31 第四章 結(jié)論與展望 本論文主要是對(duì) SAR 圖像變化檢測技術(shù)一種方法的研究，主要工作針對(duì)兩時(shí)相 SAR 圖像差異圖的構(gòu)造、閾值的自動(dòng)選取在 SAR 圖像變化檢測的應(yīng)用等方面研究，利用已學(xué)過的一些知識(shí)，并通過網(wǎng)絡(luò)等渠道獲得與研究課題相關(guān)資料，最后通過自我探索、相關(guān)人員的共同研究，研究并獲得了一種有效的方法來解決 SAR圖像變化檢測中面臨的一些實(shí)際的問題。 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(shí)，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。通過簡要敘述，使自己更加了解 SAR 圖像變化檢測重要性及意義，對(duì)后面更好說明以及展開后續(xù)工作具有重要作用。 SAR技術(shù)的研究還是一個(gè)新生兒，還有很長的路要走。但我們可以看出前人在此方面做出的重大貢獻(xiàn)、此技術(shù)在人類生活中作用越來越突出，將來它一定會(huì)發(fā)展的越來越好。 由于本論文課題針對(duì)的是非監(jiān)督變化檢測算法，而首要一步是構(gòu)成 SAR 圖像差異圖。在兩時(shí)相 SAR 圖像 差異圖的構(gòu)造研究中，針對(duì) SAR 圖像所具有的乘性斑點(diǎn)噪聲，以及比值算子能夠有效減少幾何與輻射校正錯(cuò)誤，提出了一些針對(duì)這些問題的預(yù)處理方法。通過對(duì)比一些比較常見的 SAR 圖像差異圖都構(gòu)造算法，包括差值算法、比值算法以及基于對(duì)數(shù)的比值算法，運(yùn)用這些算法構(gòu)造差異圖，在通過閾值選取得到差異檢測圖，來比較各個(gè)算法的優(yōu)劣。差異圖的構(gòu)造方法還有許多，本論文應(yīng)用的構(gòu)造算法比較簡單，這是本論文的一個(gè)不足之處。 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。通過對(duì)前人的基于高斯模型的 SAR 圖像變化檢測方法，提出了單邊直方圖統(tǒng)計(jì)分布模型。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。最后通過實(shí)際圖片的應(yīng)用，來判斷此方法是否有用。 總的來說通過對(duì) SAR 圖像變化檢測的研究，我發(fā)現(xiàn)在 SAR 圖像變化檢測中，差異圖的構(gòu)造相當(dāng)重要，與結(jié)果圖的效果相關(guān)性非常大。目前，許多學(xué)者也在研究差異圖的構(gòu)造，且提出來許多差異圖算法，效果有好有壞?？梢钥闯霾町悎D也 第四章 結(jié)論與展望 32 是一個(gè)重要的研究領(lǐng)域，且差異圖的研究依然需要我們加大力度去研究?，F(xiàn)在許多圖像變化檢測方法包括監(jiān)督與非監(jiān)督，而非監(jiān)督算法基于差 異圖的構(gòu)造，現(xiàn)在有許多圖像變化檢測算法，國際上許多人都在研究這一課題。圖像變化檢測對(duì)于我們的生活息息相關(guān)，具有相當(dāng)?shù)闹匾浴? 致 謝 33 致 謝 大學(xué)生活一晃而過，回首走過的歲月，心中倍感充實(shí)，當(dāng)我寫完這篇畢業(yè)論文的時(shí)候，有一種如釋重負(fù)的感覺，感慨良多?；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。我能夠順利完成論文的工作，離不開諸多良師益友的指導(dǎo)和幫助，家人的理解、支持和鼓勵(lì)，在此我謹(jǐn)向他們表示真誠的感謝 ! 感謝我的母校西電給了我在大學(xué)四年美好的記憶，讓我能繼續(xù)學(xué)習(xí)和提高 。感謝電院的老師和同學(xué)們四年來的關(guān)心和鼓勵(lì)。大學(xué)是一個(gè)充滿活力的地方，是社會(huì)與教育的交集。在這個(gè)交集的社會(huì)關(guān)系中，我學(xué)到很多知識(shí)，也漸漸改變了自己，讓自己走向成熟。這里有老師在課堂上激情高昂的話語，傳授知識(shí)與做人的道理；這里有同學(xué)之間的歡聲笑語，帶來生活上的充實(shí)與快樂。在這個(gè)地方，我留下了四年的歡聲與淚水。 感謝我所有的舍友，如果沒有他們，我的大學(xué)也許沒那么好。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)。對(duì)于大學(xué)四年中我所做錯(cuò)的事，我表示非常抱歉。對(duì)于他們的幫助，在此我謹(jǐn)向他們表示真誠的感謝 ! 此論文撰寫 過程要特別感謝馬晶晶老師的指導(dǎo)與督促，同時(shí)感謝她的諒解與包容 。馬老師待人真誠親切，對(duì)待學(xué)生非常認(rèn)真，在百忙之中抽出時(shí)間與我經(jīng)常探討畢設(shè)進(jìn)度，以及產(chǎn)生的問題，并在我最需要幫助的時(shí)候，給了我最大 鼓勵(lì)與支持。感謝唐澤棟同學(xué)的幫助。在做畢設(shè)的時(shí)候，由于基礎(chǔ)知識(shí)不扎實(shí)，編程能力不強(qiáng)，導(dǎo)致程序一直發(fā)生錯(cuò)誤，是唐同學(xué)在編程上給了我長時(shí)間的指導(dǎo)。 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。大學(xué)四年，是我初步走向社會(huì)的四年， 在我遭受挫折與無助的時(shí)候，是父母那默默的關(guān)愛與激勵(lì)，一個(gè)小小的電話，都讓我充滿了斗志，使我的生活充滿陽光。在這里也誠心的祝福父母身體健康。 本文參考了大量的文獻(xiàn)資料 ，特別是公茂果教授的團(tuán)隊(duì)在此方面的有著不少的研究與發(fā)明專利，給予我不少的借鑒。在此，向各學(xué)術(shù)界的前輩們致敬！