基于NMF圖像融合的SAR圖像變化檢測方法技術

本發明專利技術提出了一種基于NMF圖像融合的SAR圖像變化檢測方法，用于解決現有的基于圖像融合的SAR圖像變化檢測方法中存在的準確率低且物理意義不明確的技術問題，實現步驟如下：輸入同地域不同時間的兩幅原始SAR圖像，經去噪處理后構造兩基本差異圖Xl和Xm；分別對Xl和Xm進行鄰域特征描述得到特征描述矩陣XL和XM；利用兩特征描述矩陣構造變化檢測特征矩陣X；對X進行NMF非負矩陣分解，得到分解后的系數矩陣H；利用系數矩陣得到融合后差異圖；利用聚類算法將融合后差異圖聚成兩類，得到變化檢測結果。本發明專利技術更好的利用了原始圖像的細節信息，且該圖像融合方法具有更顯著的物理意義，可用于SAR圖像變化信息的分析和標注。

【技術實現步驟摘要】

本專利技術屬于圖像處理
，涉及一種SAR圖像變化檢測方法，具體涉及一種基于NMF圖像融合的SAR圖像變化檢測方法，可用于SAR圖像變化信息的分析和標注。
技術介紹
隨著一系列光學和雷達衛星的運行服務的發展，積累了大量的遙感數據，通過對這些圖像數據進行進一步的分析、處理及解譯，就可以將經遙感技術獲得的圖像數據轉化為有用的信息，進而服務于國民經濟的各個領域。凡是記錄各種地物電磁波大小的圖片都稱為遙感圖像，其中合成孔徑雷達SAR(Synthetic Aperture Radar)圖像是遙感圖像的一個重要分支，它是一種先進的主動式微波對地觀測設備，具有全天候、全天時工作的特點，對地面植被有一定穿透能力，能獲得類似光學照片的目標圖像，在國民經濟和軍事應用領域有著十分重要的作用。SAR圖像變化檢測技術是遙感圖像研究的重要組成部分，它是對同一地域不同時刻拍攝的多幅遙感圖像，采用圖像處理和模式識別等手段進行對比分析，根據圖像之間的差異來得到人們所需要的地物或目標隨時間發生的變化信息?？梢詰糜谲娛卵芯款I域、遙感氣象服務、災害動態監測、環境污染檢測以及城市規劃等方面。Singh.A將圖像變化檢測方法分為分類比較法和直接比較法，分類比較法的變化檢測結果的精度容易受分類精度的影響，初始分類的錯誤將造成難以彌補的誤檢或漏檢現象；直接比較法的算法相對簡單，容易實現，但難以克服大氣條件和傳感器噪聲等對檢測結果帶來的誤差，受圖像的預處理精度的影響嚴重。圖像融合能有效的解決該問題，圖像融合是指將多源信道所采集到的關于同一目標的圖像數據經過圖像處理和計算機技術等，最大限度的提取各自信道中的有利信息，最后綜合成高質量的圖像，以提高圖像信息的利用率、改善計算機解譯精度和可靠性、提升原始圖像的空間分辨率和光譜分辨率，利于監測。如公茂果等2012年在國際電子與電氣工程師協會地球科學與遙感雜志上發表的名為基于小波融合的SAR圖像變化檢測方法文章中，發表了一種基于三級小波融合的SAR圖像變化檢測方法，該方法是將對數比值差異圖和均值比值差異圖通過小波變換和逆變換得到融合差異圖，融合規則是基于低頻信息的加權平均和高頻信息的最小標準差。該文章采用了三級小波變換和逆變換，得到小波融合差異圖，最終實現對融合差異圖的變化信息的分析和標記。該方法為圖像融合提供了新的思路，但物理意義不夠明確，并且三級小波運算及逆運算導致運算效率并不高。隨著圖像質量的增強，以及圖像數量的增多，行之有效的處理大量遙感影像數據成為亟待解決的問題。矩陣分解在降維、低秩和稀疏方面有著重要應用，且考慮圖像數據本身的特點，為變化檢測問題的解決提供了更清晰的物理意義。吸引了很大一批學者的興趣。
技術實現思路
本專利技術的目的在于克服上述現有技術存在的缺陷，提供了一種基于NMF圖像融合的SAR圖像變化檢測方法，用于解決現有的基于圖像融合的SAR圖像變化檢測方法中存在的準確率低且物理意義不明確的技術問題。本專利技術的技術關鍵是基于像素的原始圖像特征描述與基于非負矩陣分解的圖像融合方法。特征描述過程充分考慮了SAR圖像的成像特點，使用像素的鄰域信息來表征該像素點。同時圖像融合過程利用NMF非負矩陣分解融合方法，有效利用了基本差異圖像的互補信息，在有效抑制圖像背景信息的同時大大增強感興趣區域，能有效的提高檢測準確率。NMF非負矩陣分解方法充分考慮了物理圖像信息的非負特點，物理意義更明確。并且分解過程能實現矩陣的降維操作，提高了效率。根據上述技術思路，實現本專利技術目的采用的技術方案，包括如下步驟：1.對同一地域不同時間的兩幅SAR原始圖像分別進行去噪處理，得到去噪后圖像I1和去噪后圖像I2；2.分別利用對數比算子和均值比算子，對得到的去噪后圖像I1和去噪后圖像I2進行運算，得到對數比值差異圖Xl和均值比值差異圖Xm，計算公式如下： X l = | l o g I 2 + 1 I 1 + 1 | = | l o g ( I 2 + 1 ) - l o g ( I 1 + 1 ) | ; ]]> X m = 1 - m i n ( μ 1 μ 2 , μ 2 μ 1 ) ; ]]>其中，μ1，μ2分別表示I1和I2的局部均值；3.對得到的對數比值差異圖Xl和均值比值差異圖Xm進行特征描述，得到對應的特征描述矩陣XL和特征描述矩陣XM，實現步驟如下：3a)分別提取得到的對數比值差異圖Xl和均值比值差異圖Xm中每個像素點的l層鄰域像素特征矩陣，其中l≥3，且l為奇數；3b)將提取的l層鄰域特征像素矩陣展開成一列，得到該像素點特征描述列向量；3c)分別將對數比值差異圖Xl和均值比值差異圖Xm中所有像素點的特征描述列向量作為不同的列依次排列，得到的特征描述矩陣XL和特征描述矩陣XM。4.根據像素位置對應的原則，對得到的特征描述矩陣XL和特征描述矩陣XM按列拼接，得到變化檢測特征矩陣：5.采用乘性迭代的分解方式，對得到的變化檢測特征矩陣X進行NMF非負矩陣分解，該NMF非負矩陣分解的矩陣表達式為Xm×n≈(WH)m×n＝Wm×rHr×n，其中W為基矩陣，H為系數矩陣，r為矩陣分解的秩，分解步驟如下：5a)設矩陣分解的秩r＝1，并對基矩陣W和系數矩陣H進行隨機初始化，其中基矩陣W≥0，系數矩陣H≥0；5b)設迭代次數Iterator的初始值為0，初始化迭代誤差上限為ε，迭代次數上限為Iter；5c)驗證迭代條件是否滿足：誤差E＝|X-WH|滿足||E||≥ε并且Iterator≤Iter，若是，執行步驟5d)，否則，迭代結束，輸出非負矩陣分解后的系數矩陣H，并執行步驟(6)；5d)對基矩陣W和系數矩陣H分別進行迭代，單次迭代完成執行步驟5c)，迭代按如下步驟實現： W i a ← W a &Sigm本文檔來自技高網...

【技術保護點】
一種基于NMF圖像融合的SAR圖像變化檢測方法，包括如下步驟：(1)對同一地域不同時間的兩幅SAR原始圖像分別進行去噪處理，得到去噪后圖像I1和去噪后圖像I2；(2)分別利用對數比算子和均值比算子，對得到的去噪后圖像I1和去噪后圖像I2進行運算，得到對數比值差異圖Xl和均值比值差異圖Xm，計算公式如下：Xl=|logI2+1I1+1|=|log(I2+1)-log(I1+1)|;]]>Xm=1-min(μ1μ2,μ2μ1);]]>其中，μ1，μ2分別表示I1和I2的局部均值；(3)對得到的對數比值差異圖Xl和均值比值差異圖Xm進行特征描述，得到對應的特征描述矩陣XL和特征描述矩陣XM，實現步驟如下：3a)分別提取得到的對數比值差異圖Xl和均值比值差異圖Xm中每個像素點的l層鄰域像素特征矩陣，其中l≥3，且l為奇數；3b)將提取的l層鄰域特征像素矩陣展開成一列，得到該像素點特征描述列向量；3c)分別將對數比值差異圖Xl和均值比值差異圖Xm中所有像素點的特征描述列向量作為不同的列依次排列，得到的特征描述矩陣XL和特征描述矩陣XM。(4)根據像素位置對應的原則，對得到的特征描述矩陣XL和特征描述矩陣XM按列拼接，得到變化檢測特征矩陣：(5)采用乘性迭代的分解方式，對得到的變化檢測特征矩陣X進行NMF非負矩陣分解，該NMF非負矩陣分解的矩陣表達式為Xm×n≈(WH)m×n＝Wm×rHr×n，其中W為基矩陣，H為系數矩陣，r為矩陣分解的秩，分解步驟如下：5a)設矩陣分解的秩r＝1，并對基矩陣W和系數矩陣H進行隨機初始化，其中基矩陣W≥0，系數矩陣H≥0；5b)設迭代次數Iterator的初始值為0，初始化迭代誤差上限為ε，迭代次數上限為Iter；5c)驗證迭代條件是否滿足：誤差E＝|X?WH|滿足||E||≥ε并且Iterator≤Iter，若是，執行步驟5d)，否則，迭代結束，輸出非負矩陣分解后的系數矩陣H，并執行步驟(6)；5d)對基矩陣W和系數矩陣H分別進行迭代，單次迭代完成執行步驟5c)，迭代按如下步驟實現：Wia←WiaΣμXiμ(WH)iμHaμ;]]>Wia←WiaΣjWja;]]>Haμ←HaμΣiWiaXiμ(WH)iμ;]]>Iterator++；E＝|X?WH|；(6)將輸出的非負矩陣分解后的系數矩陣H，按照對數比值差異圖Xl或均值比值差異圖Xm中對應像素的排列順序，恢復為原始圖像的尺寸，得到融合后差異圖XFUSION；(7)將得到的融合后差異圖XFUSION聚類成兩類，得到同一地域不同時間的兩幅SAR圖像的變化檢測結果圖CM，并輸出該結果圖CM。...

【技術特征摘要】
1.一種基于NMF圖像融合的SAR圖像變化檢測方法，包括如下步驟：(1)對同一地域不同時間的兩幅SAR原始圖像分別進行去噪處理，得到去噪后圖像I1和去噪后圖像I2；(2)分別利用對數比算子和均值比算子，對得到的去噪后圖像I1和去噪后圖像I2進行運算，得到對數比值差異圖Xl和均值比值差異圖Xm，計算公式如下： X l = | l o g I 2 + 1 I 1 + 1 | = | l o g ( I 2 + 1 ) - l o g ( I 1 + 1 ) | ; ]]> X m = 1 - m i n ( μ 1 μ 2 , μ 2 μ 1 ) ; ]]>其中，μ1，μ2分別表示I1和I2的局部均值；(3)對得到的對數比值差異圖Xl和均值比值差異圖Xm進行特征描述，得到對應的特征描述矩陣XL和特征描述矩陣XM，實現步驟如下：3a)分別提取得到的對數比值差異圖Xl和均值比值差異圖Xm中每個像素點的l層鄰域像素特征矩陣，其中l≥3，且l為奇數；3b)將提取的l層鄰域特征像素矩陣展開成一列，得到該像素點特征描述列向量；3c)分別將對數比值差異圖Xl和均值比值差異圖Xm中所有像素點的特征描述列向量作為不同的列依次排列，得到的特征描述矩陣XL和特征描述矩陣XM。(4)根據像素位置對應的原則，對得到的特征描述矩陣XL和特征描述矩陣XM按列拼接，得到變化檢測特征矩陣：(5)采用乘性迭代的分解方式，對得到的變化檢測特征矩陣X進行NMF非負矩陣分解，該NMF非負矩陣分解的矩陣表達式為Xm×n≈(WH)m×n＝Wm×rHr×n，其中W為基矩陣，H為系數矩陣，r為矩陣分解的秩，分解步驟如下：5a)設矩陣分解的秩r＝1，并對基矩陣W和系數矩陣H進行隨機初始化，其中基矩陣W≥0，系數矩陣H≥0；5b)設迭代次數Iterator的初始值為0，初始化迭代誤差上限為ε，迭代次數上限為Iter；5c)驗證迭代條件是否滿足：誤差E＝|X-WH|滿足||E||≥ε并且Iterator≤Iter，若是，執行步驟5d)，否則，迭代結束，輸出非負矩陣分解后的系數矩陣H，并執行步驟(6)；5d)對基...

【專利技術屬性】
技術研發人員：張建龍，李巧，高新波，周曉鵬，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：陜西;61