论文部分内容阅读
图像变化检测是指研究不同时段的同一场景图像之间发生的变化，在快速获取自然灾害信息、监测渐变性灾害和具有后发性特点的次生灾害方面有着广阔的应用前景。SAR全天时、全天候和大范围对地观测的优势，使得基于SAR图像进行变化检测的技术逐渐成为当今的研究热点。现有SAR图像变化检测技术虽然取得了不错的进展，但仍存在一些不足之处。 本文主要研究无监督的SAR图像自然灾害变化检测技术，并着重研究了变化检测中差异图获取和差异图分析这两个最为重要的环节。论文的主要工作和研究成果总结如下: 1.提出一种基于多通道特征的SAR图像自然灾害变化检测方法。首先，为了在较好地抑制相干斑的同时尽可能多地保留原始SAR图像中的信息，引入引导图像滤波对相干斑进行抑制，并设计输入图像和引导图像为同一幅SAR图像;其次，为了从不同角度收集输入图像的信息，获取性能良好的差异图，提出基于多个通道特征的差异图获取方法，对经过引导图像滤波后的SAR图像提取8个通道特征，然后融合利用各通道特征获取的差异图;最后，利用主成分分析和K-means聚类对获取的差异图像进行分析，提取最终的变化信息。实验结果表明，该算法有效提高了检测精度，并且对相干斑具有较好的抑制效果;同时还验证了引导图像滤波在SAR图像变化检测领域的适用性及优势。 2.提出一种基于二维Gabor小波变换的差异图分析方法，并结合引导图像滤波和基于多通道特征的差异图获取方法，构建了一种新的适用于SAR图像自然灾害变化检测的一体化框架。为了充分捕捉差异图像的不同方向、不同尺度及空间位置的局部结构信息，提高检测性能，首先选取5个尺度、8个方向的二维Gabor小波变换提取基于多通道特征获取的差异图的40个Gabor幅值特征;然后仅选用5个尺度上的不同方向中的最大幅值组成特征向量，降低了运算复杂度;最后利用K-means聚类获取最终的变化信息。在日本仙台地震和汶川地震这两组数据集上对算法性能进行了验证，实验结果表明，该算法进一步提升了检测精度，并且在较大数据集上具有较为理想的运算时间。