SAR图像变化检测的多尺度方法研究

137
L ( x, y, ) = G ( x, y, ) ) I ( x, y ) ! ! 其中 G ( x, y, ) 是 尺度 可变 的高 斯函 数 , ( x, y ) 是图 像的空间坐标 , 而 是尺度坐标 , 即 : 1 - (x 2+2y 2) e 2 2! 2 ! ! I ( x, y ) 为原始图像函 数。通过改 变尺度 参数 , 就可 以得到不同尺度 下的 序列图 像 , 这些 不同 尺度 的序列 图像 就反映了图像 特征的变化情况。图 1 是尺度参数 分别取 1 至 4 时所得的尺度空间。 选择比值法和 EKLD 法对 G auss 尺度空间的图像进行变 化检测 , 并改变 算法 应用过 程中 样本窗 口的 大小 , 实 验结 果见图 2 和图 3。 1) 高 斯尺度空间序列图像 G ( x, y, ) =
或现象时采用的 空间 或时间 单位 , 也 可指 某一 现象或 过程 在空间和时间上 所涉 及的范 围和 发生频 率 , 包 括时间 上的 尺度和 空 间上 的 尺 度 , 在 图 像 处理 当 中 主 要 涉及 空 间 尺 度 [ 6] 。世界上物体的一个 共同 内在特 性是 它们 仅在特 定的 尺度上才是有意 义的 实体 , 在 不同的 尺度 上物 体的展 现形 式是不同的。这说 明尺度 的概 念和多 尺度 描述 方式是 至关 重要的 , 多尺度 更满 足人类 视觉 的易读 性和 认知要 求 , 并 能在有限的图面上尽可 能多的反映相对重要的物体 [ 7] 。 随着对图像 处理精 确度 要求的 不断 提高 , 尺 度空 间理 论首先从计算机 视觉 领域发 展起 来 , 属于 图像 解译过 程的 前端。最早期的工作由 R osen feld 和 Thurston 在 1971 年开展 于边缘检测 中 , 他们 尝试在 不同 尺度上 应用 算子 , 由 此发 现了尺度的优 势。类似 的还有 K linger ( 1971), U hr( 1972 ), H anson 和 R ise m an( 1974) 以及 T an i m o to和 P avlid is( 1975 ), 他们都专注于用 不同 尺度的 分辨 率来表 示图 像 , 即多 个方 法的降采样 [ 8] 。在 SAR 图像中 , 尺度 和分辨 率是密 切相关 的 , 空间分辨率的 大小反 映了 空间细 节水 平以 及和背 景环 境的分离能 力 , 大尺 度时分 辨率 较低 , 小 尺度时 分辨 率较 高 [ 9] 。通常情况 下 , 尺度增 大时 所表 达的信 息减 少 , 但并 不是呈简单的比 例变 化。在某 一空间 尺度 上认 为变化 的区 域在另一尺度上可能就 认为无明显变化。 尺度对于变 化检测 结果 的重要 影响 已毋庸 置疑 , 但以 往的观点都着重 于分 析图像 的多 尺度表 述 , 并 未考虑 过尺 度和所用变化检 测方 法之间 的联 系。首先 考虑 样本窗 口尺 度 , SAR 图像所具有的统 计特 性使单 一的 像素 点并不 具有 实际意义 , 解译和 处理图 像都 建立在 一定 数量 像元的 集合 上 , 因此我们在应用各种检测算 法时都会取 一个样本窗 口 , 以窗口包含的像 素为 一整体 运行 算法 , 样 本窗 口遍历 整个 图像后得到最终 的变 化检测 结果。因 此样 本窗 口的大 小作 为一种尺度会直接 影响到 算法 的准确 性从 而决 定变化 检测 结果的优劣。第二 个会改 变变 化检测 方法 效果 的是经 过分 辨率尺度 降低 后 的图 像 , 改 变图 像 分辨 率的 方 法有 很 多 , 都可以得到一系 列分 辨率尺 度不 同的图 像 , 有 的改变 图像 的大小有的则保 持不 变 , 方法 原理不 同得 到图 像的效 果也 不同。以下研究将 从变化 检测 方法对 于这 些尺 度变化 是否 具有稳定性展开。
第 35 卷增刊 2010年 4 月
测绘科学 Sc ience o f Survey ing and M app ing
V o l 35 Suppl A pr
SAR 图像变化检测的多尺度方法研究
詹芊芊
(
Biblioteka Baidu
, 尤红建
, 洪! 文
∀
中国科学院电子学研究所 , 北京 ! 100190; 中国科学院空间信息处理与应用系统技术重点实验室 , 北京 ! 100190 ; 中国科学院研究生院 , 北京 ! 100039; ∀微 波成像技术国家级重点实验室 , 北京 ! 100190) #摘 ! 要 ∃ SAR 图像的变化检测技术是其应用于动态监测的核心 , 不 同尺度的 SAR 图 像会表示 出不同细节 程度的 图像特征 , 为了得到更精 确有效的变化检测结果 , 必须在图像 处理过程中 引入尺度 概念 。 本文以 EKLD 法和 比值 法为主对比研究 了图像尺度空间和样本窗口尺度对变换检测方法的影响 , 在此基础上 提出一种 多尺度渐进 的变化 检测方法 , 实现了对 SAR 图像变化检测快 速而精 确的处 理 。 通过实 验表 明该方 法在 准确率 和算 法效率 上具 有优 势 , 有一定的实用价值 。 #关键词 ∃ SAR; 多尺度 ; EKLD; 变化检测 #中图分类号 ∃ P208! ! ! ! #文献标识码 ∃ A ! ! ! ! #文 章编号 ∃ 1009 2307( 2010) 07 0136 04
3! EKLD 方法的尺度稳定性
3 1! EK LD 方法的介绍 EKLD 方法是把用 Edgeworth 展开表 示 SAR 图像的统计
! 增刊 ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 詹芊芊等 ! SAR 图像变化检测的多尺度方法研究 分布和用 聚 合 交叉 熵 表 示 分布 差 异 融 合形 成 的 一 种新 的 SAR 图像变化检测方法 [ 10] 。 SAR 图像数据的分 布具 有一 定统计 特性 , 可 以用 某种 概率分布模型进行描述 , 即所 谓的杂波模 型。实际应 用中 , 不同的场景 , 如山地、 森林、海 洋、河 流等 场景 会对 应不 同的分布模型 , 即 使同一 场景 采用不 同频 段获 取不同 分辨 率的 SAR 图像 , 其统计分布 特性也 会有明 显的差 异 , 因此 为了准确描述 SAR 图像的统计分布模型 , 需 要根据 SAR 图 像数据自适应地来逼 近分布模型。 根据中心极限定 理可知 [ 11] , 任 何一个 随机变 量 , 经过 标准化算术平均后都 将趋近于标准正态分布 , 见公式 ( 1): 1 X n Y= ( 1)
1! 引言
SAR 作为一 种主 动 遥感 手 段 , 具 有 固定 的 重访 周 期 , 不受天气和云雨的影响 , 因此星 载 SAR 图像 特别适 合于对 地面各类地物和 感兴 趣目标 进行 动态监 视 , 如 各类植 被和 农作物的长 势监测、 灾难检 测 , 以及 军事 上战略 目标 的动 态监视等 , 而 这些 问题 的核 心就 是 SAR 图 像的 变 化检 测。 只有检测方 法有效 才能 保证 动态监 测、监视 的效 果 , 因此 SAR 图像的变化检测方法成为制 约星载 SAR 广泛应 用的瓶 颈问题之一。 国内外研究人员 对 SAR 图 像变化 检测的 算法进 行了深 入而广泛的 研 究 , 如 Jordi 将聚 合 交 叉熵 计 算方 法 引入 到 SAR 图像变化 检测 中 , 取 得了 初步 的 结果 [ 1, 2] 。 Cyr il 提出 了采用模糊隐马尔可夫 链的方 法进行 SAR 变化检 测 , 它先 对两幅配准的数 据进 行对数 比值 , 然 后基 于统 计的方 法引 入模糊隐马尔可夫链 , 并在类 别链中同时加入 D irac和 L eb esgue测量 [ 3] 。国内方面近几年有基于二 阶灰度统 计特性的 SAR 图像变化检测 [ 4] , 还有基于分形维 数的 SAR 图 像变化 检测等 [ 5] 。这些方法 都取得 了一 定的效 果 , 推 进了变 化检 测算法的发展 , 但 是这些 方法 都没有 考虑 到图 像的多 尺度 特征在图像处理解译中 的影响 , 不同尺度 的 SAR 图 像会表 示出不同细节程 度的 图像特 征。为了 准确 而高 效地提 取变 化区域 , 本文着 重研 究了变 化检 测算法 中的 尺度 概念 , 首 先以 EKLD 变化检测 方法 为例 , 说 明选 择变 化检 测方 法也 需考虑到算法本 身的 尺度稳 定性 , 而 后提 出一 种多尺 度渐 进的方法用于快速处 理 SAR 图像的变化检测。
图 1! 高斯尺度空间序列 图像 2) 高 斯尺度为 1 的变化 检测
图 2! 高斯尺度为 1 时比值法和 EK LD 法在样本窗口 改变下的变化检测结果 3) 高 斯尺度为 2 的变化 检测
∋
n ! ! 而根据 Edgewo rth 级数展开原理 可知 , 如果一 个分布偏 离标准正态分布 不远 , 则 该分 布函数 可以 用标 准正态 分布 和多项式进行逼近 [ 12] , 因此变 量 Y 的 分布可 以用 公式 ( 2) 逼近 : f ( y ) = G ( y ) ( 1 + v( y ) ) ( 2) ! ! 其中 : 1 1 1 2 v (y) = H ( y) + H (y) + H ( y ) ( 3) 6 3 3 24 4 4 72 3 6 ! ! G ( y ) 表示标准正态分布 , 3 , 4 为变量 Y 的 3 阶和 4 阶 累计量 , H 3 , H 4 , H 6 为 H er m ite多项式。 由此我们得到 任意一 个离 高斯分 布不 远的 概率分 布都 可以通过和其均值方差相等的 标准高斯分布 进行逼近 拟合 , 即利用 Edgewo rth 展式和图 像本身的统计特性来表 示任意一 副 SAR 图像的统计分布。 聚合交叉熵 ( K u llback- Le ib ler D ivergence) 用 来度 量同 一个随机变量的 不同 分布的 差异 , 描 述了 因为 错用分 布密 度而增加的 信息量。 当两个 随机 分布相 同时 , 其 聚合 交叉 熵为 0。当两个随机分布的差别增加时 , 其聚合交叉熵也增 加。它在信息 理论、统 计物 理学、经 济统 计分 析、形 态分 析、模式识 别、语 音识 别 等领 域已 经 得 到了 广 泛的 应 用。 设 定两幅 SAR 的分布为 X 和 Y, 则其概率密度函数为 fX ( x ) 和 f Y ( x ) , 此时交叉熵为 : f (x ) K (Y | X ) = log X f ( x ) dx ( 4) fY ( x ) X ! ! 将用 Edge w orth 展 式表示 的不 同 SAR 图 像概 率密 度函 数 , 见公式 ( 5) 、 ( 6 ) 代入 交叉 熵 的计 算公 式 , 就 可 以得 到两幅图像的差异表 示 , 见公 式 ( 7) 。 f ( y ) = G ( y ) ( 1 + v( y ) ) ( 5) f (y) = G ( y) ( 1 + u (y) ) ( 6) f (y) f (y) ) f ( y ) log dy = f ( y ) ) log dy f (y) G (y) G (y) ) G (y) ) dy + f ( y ) ) log + f ( y ) ) log dy ( 7) G (y) f (y)
2! 遥感图像的尺度特性
% 尺度 & 是一个 被广泛使用的词语 , 在不同研究领域内 有具体不同 的含义。 广义来 讲 , 尺度 是指 在研究 某一 物体
作者 简 介 : 詹 芊 芊 ( 1983 ), 女 , 博 士在读 , 研究 方 向 为 基于 SAR 图 像 统计特性的变化检测。 E m a i:l rena_ zhan@ ho t m a il com 收稿日期 : 2010 01 28 基 金 项 目 : 国 家 863 计 划 ( 编 号 : 2006AA 12Z149)