專利名稱：星載多時相合成孔徑雷達圖像的自動變化檢測方法
技術領域：
本發明涉及合成孔徑雷達(SAR)技術領域，是一種星載多時相合成孔徑雷達圖像 的自動變化檢測方法，對不同時間獲取的衛星SAR圖像進行變化檢測的方法。
背景技術：
隨著合成孔徑雷達(SAR)的發展，應用多時相的SAR數據進行地表和地物變化的 動態監視成為十分重要的遙感應用領域。由于星載SAR遙感數據具有全天候、全天時的獨 特優勢，同時具有固定的重訪周期，所以它比光學遙感更適合于變化檢測。但是SAR作為主 動遙感，其成像機理與光學遙感有本質的差異，數據處理要復雜得多，因此SAR變化檢測要 困難得多，尤其是SAR固有的相干斑噪聲影響，更加重了 SAR變化檢測的難度。盡管人們對 SAR變化檢測進行了深入的研究，但主要沿用了光學遙感變化檢測方法，檢測精度和效果一 直不理想。由于SAR變化檢測技術在國內起步較晚，加之SAR數據源不足，因此在變化檢測 的方法和技術上沒有根本的突破，誤檢和漏檢現象比較嚴重，大大影響了檢測效果和精度。

發明內容
本發明的目的是提供一種星載多時相合成孔徑雷達(SAR)圖像的自動變化檢測 方法，以解決星載SAR圖像的變化檢測問題，提高檢測效果和精度。為達到上述目的，本發明的的技術方案是一種星載多時相合成孔徑雷達圖像的自動變化檢測方法，其包括步驟1 成像處理后，根據中心極限定理，兩個時相獲取的合成孔徑雷達圖像數據 的各自標準化算術平均趨近于標準正態分布；步驟2 基于Edgeworth展開原理，分別對趨近于正態分布的兩個時相獲取的合成 孔徑雷達圖像數據的算術平均采用標準正態分布和Hermite多項式逼近；步驟3 分別對兩個時相獲取的合成孔徑雷達圖像在Edgeworth逼近的基礎上，采 用歸一化的交叉熵計算兩個時相合成孔徑雷達圖像的差異值，得到一幅差異指數圖像；步驟4 對差異指數圖像采用基于瑞利分布的恒虛警率檢測方法進行變化區域的 自動提取。所述的檢測方法，其所述步驟3中得到的一幅差異指數圖像，顯示了兩個時相合 成孔徑雷達圖像之間的差異程度，若根據預先設定的閾值對差異指數圖像進行分割，即分 割成變化的區域和未變化的區域。所述的檢測方法，其所述步驟3中得到的一幅差異指數圖像，其直方圖分布接近
瑞利分布，瑞麗分布的分布密度函數為
-V,⑴=丄斤 b2其中b為形狀參數，X為自變量，e為常數2. 718281828459。所述的檢測方法，其所述步驟4的基于瑞利分布的恒虛警率檢測方法，其閾值計算公式為<formula>formula see original document page 4</formula>Pfa為給定的虛警率，δ為差異指數圖像計算的方差，μ為差異指數圖像的均值； Ji 為圓周率常數，3. 141592653589793...；對于差異指數圖像，分別計算出均值、方差，然后給定虛警率，代入上式計算出閾 值，然后對差異圖像進行二值化分割，得變化區域。本發明方法充分考慮了 SAR圖像的統計特性，綜合應用了 Edgeworth展開原理、歸 一化交叉熵和恒虛警率檢測方法，能夠有效地進行不同時相SAR圖像的變化檢測。本發明方法有助于推動我國遙感動態監測的技術水平提高，促進SAR遙感數據在 土地覆蓋/變化、農作物長勢、海冰/積雪、植被、各種災害監測、軍事目標的動態監視等領 域的廣泛應用。


圖1是本發明星載多時相SAR圖像變化檢測方法的示意框圖。
具體實施例方式下面將結合附圖1對本發明加以詳細說明，應指出的是，所描述的實施例僅旨在 便于對本發明的理解，而對其不起任何限定作用。一種星載多時相合成孔徑雷達(SAR)圖像的自動變化檢測方法，包括步驟1 成像處理后，根據中心極限定理，兩個時相獲取的SAR圖像數據的各自標 準化算術平均趨近于標準正態分布；步驟2 基于Edgeworth展開原理，分別對趨近于正態分布的兩個時相獲取的SAR 圖像數據的算術平均采用標準正態分布和Hermite多項式逼近；步驟3 分別在兩個時相取的SAR圖像在Edgeworth逼近的基礎上，采用歸一化的 交叉熵計算兩個時相SAR圖像的差異值，得到一幅差異指數圖像；步驟4 對差異指數圖像采用基于瑞利分布的恒虛警率檢測方法進行變化區域的 自動提取。根據本發明的實施例，所述變化檢測方法，是對不同時相獲取的衛星SAR圖像進 行自動變化檢測。成像處理后，SAR圖像數據的每個像元都是地面多個小面元后向散射的矢量合成， 是多個隨機分布變量的綜合。而包含一定區域的SAR圖像數據是大量像元組成的分布區 域，即分布目標。分布目標內也包含大量的散射體，一般沒有十分突出的強散射體，其圖像 回波數據的分布還是比較均勻的，通常認為數據的分布具有一定的統計特性，可以用某種 概率分布模型進行描述，即所謂的雜波模型。而實際應用中，不同的場景，如山地、森林、海 洋、河流等場景會對應不同的分布模型，即使同一場景采用不同頻段獲取不同分辨率的SAR圖像，其統計分布特性也會有明顯的差異，因此為了準確描述SAR圖像的統計分布模型，需 要根據SAR圖像數據自適應地來逼近分布模型。根據中心極限定理可知，若X為隨機變量，它的均值μ，方差σ，則標準化的算術 平均Y為<formula>formula see original document page 5</formula>其中，η為樣本的個數，Σ表示對η個X求和。趨近于標準正態分布，而根據Edgeworth級數展開原理可知，如果一個分布偏離 標準正態分布不遠，則該分布函數可以用標準正態分布和多項式進行逼近，因此變量Y的 分布可以用下式逼近<formula>formula see original document page 5</formula>而<formula>formula see original document page 5</formula>
其中，G(y)表示標準正態分布，P 3，P 4為變量Y的3階和4階累計量按公式(5) 和(6)進行計算，H3, H4, H6為變量y的Hermite多項式，即
H3^y3-3y ‘<formula>formula see original document page 5</formula>⑷利用變量Y的生矩函數，可以得到，變量Y的3階和4階累計量為
K3(X)<formula>formula see original document page 5</formula><formula>formula see original document page 5</formula>其中K3(x)，K4(X)為變量X的的3階和4階累計量，可以根據X的各階原點矩計 算K3 (x) = a3-3a2a1+2a13(7)K4 (χ) = a4-4a3a1-3a22+12a2a12-6a14 (8)表示X的i階原點矩。SAR變化檢測就是要給出兩幅圖像的差異情況，根據Edgeworth展開可以得到SAR 數據的密度分布函數。交叉熵(Kullback-Leibler Divergence)準確地描述了兩個密度分 布函數的之間的差異，假設兩個分布函數分別為P(x)和q(x)，則它們的差異K(Q|P)可以 用下式表示<formula>formula see original document page 5</formula>log表示對數，f表示積分，dx表示對變量χ進行積分。為了解決交叉熵的不對稱問題，可以采用如下的歸一化的聚合交叉熵KLD KLD = [K (Q | P) —K (P | Q) ]2 (10)
這樣保證了它的非負、對稱和規范性。對于兩幅SAR圖像，可以采用上述的歸一化 交叉熵進行計算，從而實現對兩幅SAR圖像差異的計算。假設兩幅不同時相的SAR數據，樣本個數為η，分別用變量X和X表示，它們的均值 和方差分別為μ，σ和仄茌
1 1 ^則變量禾口；丄P"將分別趨近于正態分布，可以用Edgeworth
y —y — ~
σσ
展開進行逼近表示f(y) = G(y) (l+v(y)) (11)f{y) = G{y)(\ + u{y))(12)其中G(y)和GGO表示正態分布，而
11I2v{y) = -p3H3(y) + — p4H4(y) + --p3 H6(y)
ο2472( 13)
1 1 ~ 1 2η(γ) = ρ3Η3(γ) + — ρ^Η4(γ) + — ρ3 H6(y)
62472(14)P3, P4和A，A分別對兩幅圖像數據按照前面的公式⑶和(6)進行計算。將它們帶入交叉熵的計算公式，J/Wlog^g^v =++(公式(15)右邊中第1項為負熵公式(15)中右邊第2項if(y))\og^dy = jG(y))\oE^dy + jG(y)v(y)log^dy(口)經過推導公式(17)中右邊的第1項為= Χ-[β2 -2\οΕβ-1 + α2β2]
^yy) L(18)其中
μ-μ η σα =- β = - ^
σ ， G ’y = yfi + ap而公式(18)中右邊的第2項公式(16)中右邊第3項 /ω)丨og罾= 孫)d+ 胸^^ \G(y)u(y)dy + jG(y)v(y)u(y)dyμ*(淋+⑴&秘H如朋H去撲辦腫4卻其中<formula>formula see original document page 7</formula>而式中的<formula>formula see original document page 7</formula>類似的，也可以同樣得到_[ /(JOlog^^辦的具體計算公式。將兩個計算結果帶
入公式(9)，就可以得到歸一化的交互熵，它表示了兩幅圖像的差異程度。由兩幅SAR圖像得到一幅差異圖象，顯示了兩個時相之間SAR圖像的差異程度，根 據差異圖像采用閾值分割，就可以將差異圖像分割成變化的區域和未變化的區域。基于直方圖進行閾值分割是比較通用而有效的方法，但是根據直方圖如何確定閾 值一直是難點，手動選擇，依賴于人為因素，而且要不斷進行調整。自動選擇是人們希望實 現的方向，為此我們引入恒虛警率(CFAR)的方法來進行變化區域的自動分割和提取。經過 處理得到的差異圖像，其直方圖分布十分接近瑞利分布，因此我們采用了瑞利分布模型進 行CFAR來檢測變化的區域。瑞麗分布的分布密度函數為<formula>formula see original document page 7</formula>
其中，b為形狀參數，e為常數2. 718281828459。基于瑞利分布的CFAR檢測的閾 值計算公式
<formula>formula see original document page 7</formula>Pfa為給定的虛警率，δ為差異圖像計算的方差，μ為差異圖像的均值，π為圓周 率常數，為 3. 141592653589793…。對于差異圖像，分別計算出均值、方差，然后給定虛警率，就可以根據上式計算出閾值，然后對差異圖像進行二值化分割 如果χ > T，則χ為變化的像素；否則，χ為沒有變化的 。
權利要求
一種星載多時相合成孔徑雷達圖像的自動變化檢測方法，其特征在于，包括步驟1成像處理后，根據中心極限定理，兩個時相獲取的合成孔徑雷達圖像數據的各自標準化算術平均趨近于標準正態分布；步驟2基于Edgeworth展開原理，分別對趨近于正態分布的兩個時相獲取的合成孔徑雷達圖像數據的算術平均采用標準正態分布和Hermite多項式逼近；步驟3分別對兩個時相獲取的合成孔徑雷達圖像在Edgeworth逼近的基礎上，采用歸一化的交叉熵計算兩個時相合成孔徑雷達圖像的差異值，得到一幅差異指數圖像；步驟4對差異指數圖像采用基于瑞利分布的恒虛警率檢測方法進行變化區域的自動提取。
2.如權利要求1所述的檢測方法，其特征在于，所述步驟3中得到的一幅差異指數圖 像，顯示了兩個時相合成孔徑雷達圖像之間的差異程度，若根據預先設定的閾值對差異指 數圖像進行分割，即分割成變化的區域和未變化的區域。
3.如權利要求1所述的檢測方法，其特征在于，所述步驟3中得到的一幅差異指數圖 像，其直方圖分布接近瑞利分布，瑞麗分布的分布密度函數為其中，b為形狀參數，而x為函數自變量，e為常數2. 718281828459。
4.如權利要求1或2所述的檢測方法，其特征在于，所述步驟4的基于瑞利分布的恒虛 警率檢測方法，其閾值T計算公式為<formula>formula see original document page 2</formula>Pfa為給定的虛警率，6為差異指數圖像計算的方差，u為差異指數圖像的均值；n為 圓周率常數，為 3. 141592653589793...；對于差異指數圖像，分別計算出均值、方差，然后給定虛警率，代入上式計算出閾值，然 后對差異圖像進行二值化分割，得到變化區域。
全文摘要
本發明公開了一種星載多時相合成孔徑雷達圖像的自動變化檢測方法，涉及合成孔徑雷達技術，其包括1成像處理后，兩個時相獲取的合成孔徑雷達圖像數據的各自標準化算術平均趨近于標準正態分布；2分別對趨近于正態分布的兩個時相獲取的合成孔徑雷達圖像數據的算術平均采用標準正態分布和Hermite多項式逼近；3采用歸一化的交叉熵計算兩個時相合成孔徑雷達圖像的差異值，得到一幅差異指數圖像；4對差異指數圖像采用恒虛警率檢測方法進行變化區域的自動提取。本發明方法能夠有效提取SAR圖像上的變化區域，可在多個領域內廣泛應用。
文檔編號G01S13/90GK101833093SQ20091007979
公開日2010年9月15日 申請日期2009年3月11日 優先權日2009年3月11日
發明者付琨, 尤紅建 申請人:中國科學院電子學研究所