【導讀】等優(yōu)點，使其在各個領域都發(fā)揮著重要作用。傳統(tǒng)雷達主要解決目標有無的問題，獲得回波脈沖及強弱，并不產生圖像。后來人們利用多普勒銳化技術，實現高分。辨率的雷達成像。虛擬的大孔徑天線，可以獲得對另一維的高分辨率[1]。息進行記錄和處理，從而得到比實際天線更長的假設天線進行觀測的結果[2]。線上、3、方位向脈沖壓縮。難點在于方位向，需要利用回波信號的相位提取多普勒頻率。態(tài)的不穩(wěn)定及測量誤差、雷達系統(tǒng)的不穩(wěn)定等，均會引起信號的幅度和相位誤差，SAR圖像與傳統(tǒng)的光學圖像不同，它是通過天線發(fā)射有規(guī)律的無線電信號，雷達衛(wèi)星是載有合成孔徑雷達的對地觀測遙感衛(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載高分辨力合成孔徑雷達。機、衛(wèi)星等為載體的空載SAR研究。安裝SAR對地觀測的新時代，星載SAR由實驗階段轉向實際應用的階段。目前合成空間雷達分辨率已達到數量級，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參數的當前值，再結合觀測數據中來直接估計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參數的量，在迭代過程，兩步步驟是依次交替進行的，直至收斂結束迭代。 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和變化類的像素點分別為 nw 和cw ，同時相對應的似然概率密度分別為 ? ?cwxp ， ? ?nwxp 其表達式表示如下 : ? ? ? ? ? ?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。在上述假設條件下，在上述算法的公式中，將有 4 個參數未知，這可以利用差值圖像來估計得到。通過 EM 算法，計未變化像元類 nw 統(tǒng)計分布參數。 差值圖像的行數和列數表示為 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 的相關參數先驗概率 ? ?cwp ,均值 cm 和標準差 c? 的計算方法同上。當閾值的計算終止時，其條件為當相鄰兩次迭代計算的 ? ?iwp ，cm 和 i? 的值小于給定的閾值 ? ?410???? 。 算法步驟 步驟 1：取得兩幅不同時間同地域的 SAR 圖像，預處理，采用 Lee 濾波，差值法構差異圖像 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 步驟 4:利用準則函數計算閾值 iT 下的單邊擬合誤差 ,令閾值 iT = iT +1，重復計算閾值 步驟 5:令閾值產生區(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 參數估計方法，求出變化區(qū)域直方圖曲線的概率分布函數 步驟 7：根 據最大后驗概率方法確定最終閾值，并通過該閾值構造變化檢測結果圖 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 26 實驗結果 ? 實驗原圖 （ a） (b) (c) 圖 Bern SAR 圖像數據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)的前后兩時相 SAR 圖像組成，時相 SAR 圖像（ a）是在拍攝于洪水災害剛剛發(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，時相 SAR 圖像 (b)是在洪水幾乎完全消失的時候拍攝的。兩幅圖像的尺寸均為 301? 301 像素，灰度級為 256，等效視數分別為 和 。圖 (c)為實際變化參考圖，該參考圖通過當地真實的陸地信息結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相間發(fā)生變化的區(qū)域。 ? 實驗結果圖 （ a) (b) 圖 Bern 數據結果 圖 （ a)差異圖與 (b)檢測結果圖 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 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)兩時相 SAR 圖像為原始數據 ，用過本論文設計的算法的變化檢測結果圖。 ? 實驗結果圖 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 28 （ a) (b) 圖 Ottawa 數據結 果圖 （ a)差異圖 ， (b)檢測結果圖實驗結果圖 / 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 結果分析： Bern 的檢測結果圖 與原參考圖相比，檢測結果圖漏檢 311 個 像素點，誤檢 97 個像素點。檢測結果圖接近參考結果圖，但效果不是很理想， 漏檢數較多，誤檢數一般， 需要改進。 Ottawa 檢測結果圖 與原參考圖相比，檢測結果圖漏檢 685 個像素點，誤檢 2317個像素點。檢測結果圖接近參考結果圖，但效果不是很理想，漏檢數較少，但錯檢數較多， 需要改進。 與參考圖相比，本論文設計的方法雖然含有一定的噪聲，但其對變化區(qū)域的檢測更加準確。相對于一些整體擬合的策略方法，本方法能更好地擬合閾值產生區(qū)域的直方圖，從而得到更佳的 SAR 圖像變化檢測結果圖。但相對于第二章中提到的實際中常用的幾種 SAR 圖像變化檢測方法，本方法的算法較為復雜，計算量大，其效果相對于圖像差值法效果較好，但相對于對數比值法效果一般。通過對照一些文獻中的設計的擬合方法，比如 基于單邊高斯對數模型的算法 、 基于lognormal分布模型的閾值算 法等，本方法效果相對較差，可能在于此方法其中關鍵 的兩步，差異圖的構造方法以及概率模型的構建方法兩方面。本方法結合 SAR圖像自身的特點，使直方圖擬合誤差較小，所以此算法具有一定的采用價值。 第三章 基于單邊擬合策略的 SAR 圖像變化檢測 30 第四章 結論與展望 31 第四章 結論與展望 本論文主要是對 SAR 圖像變化檢測技術一種方法的研究，主要工作針對兩時相 SAR 圖像差異圖的構造、閾值的自動選取在 SAR 圖像變化檢測的應用等方面研究，利用已學過的一些知識，并通過網絡等渠道獲得與研究課題相關資料，最后通過自我探索、相關人員的共同研究，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知識，主要 包括SAR 成像基本原理及圖像特點、 SAR 技術發(fā)展歷程、 SAR 圖像變化檢測介紹、 SAR圖像變化檢測發(fā)展及應用等相關課題。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，對后面更好說明以及展開后續(xù)工作具有重要作用。 SAR技術的研究還是一個新生兒，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、此技術在人類生活中作用越來越突出，將來它一定會發(fā)展的越來越好。 由于本論文課題針對的是非監(jiān)督變化檢測算法，而首要一步是構成 SAR 圖像差異圖。在兩時相 SAR 圖像 差異圖的構造研究中，針對 SAR 圖像所具有的乘性斑點噪聲，以及比值算子能夠有效減少幾何與輻射校正錯誤，提出了一些針對這些問題的預處理方法。通過對比一些比較常見的 SAR 圖像差異圖都構造算法，包括差值算法、比值算法以及基于對數的比值算法，運用這些算法構造差異圖，在通過閾值選取得到差異檢測圖，來比較各個算法的優(yōu)劣。差異圖的構造方法還有許多，本論文應用的構造算法比較簡單，這是本論文的一個不足之處。 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在本質，提出了單邊擬合的閾值策略。通過對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，從而構造相應的算法。最后通過實際圖片的應用，來判斷此方法是否有用。 總的來說通過對 SAR 圖像變化檢測的研究，我發(fā)現在 SAR 圖像變化檢測中，差異圖的構造相當重要，與結果圖的效果相關性非常大。目前，許多學者也在研究差異圖的構造，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 結論與展望 32 是一個重要的研究領域，且差異圖的研究依然需要我們加大力度去研究?，F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 異圖的構造，現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。圖像變化檢測對于我們的生活息息相關，具有相當的重要性。 致 謝 33 致 謝 大學生活一晃而過，回首走過的歲月，心中倍感充實，當我寫完這篇畢業(yè)論文的時候，有一種如釋重負的感覺，感慨良多?；叵肫疬@段難忘的時光，曾經歷了多少次挫折、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和幫助，家人的理解、支持和鼓勵，在此我謹向他們表示真誠的感謝 ! 感謝我的母校西電給了我在大學四年美好的記憶，讓我能繼續(xù)學習和提高 。感謝電院的老師和同學們四年來的關心和鼓勵。大學是一個充滿活力的地方，是社會與教育的交集。在這個交集的社會關系中，我學到很多知識，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，傳授知識與做人的道理；這里有同學之間的歡聲笑語，帶來生活上的充實與快樂。在這個地方，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，我的大學也許沒那么好。我是一個內向又有些幼稚的人，是他們的包容與幫助，使我度過了一個又一個難關。對于大學四年中我所做錯的事，我表示非常抱歉。對于他們的幫助，在此我謹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與督促，同時感謝她的諒解與包容 。馬老師待人真誠親切，對待學生非常認真，在百忙之中抽出時間與我經常探討畢設進度，以及產生的問題，并在我最需要幫助的時候，給了我最大 鼓勵與支持。感謝唐澤棟同學的幫助。在做畢設的時候，由于基礎知識不扎實，編程能力不強，導致程序一直發(fā)生錯誤，是唐同學在編程上給了我長時間的指導。 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懷，父母的恩情永遠銘記在心，讓他們一同分享我的喜悅。大學四年，是我初步走向社會的四年， 在我遭受挫折與無助的時候，是父母那默默的關愛與激勵，一個小小的電話，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資料 ，特別是公茂果教授的團隊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，向各學術界的前輩們致敬！