张辉[1]2008年在《SAR图像变化检测技术研究》文中进行了进一步梳理合成孔径雷达(SAR)具有全天候、全天时的特点,可方便地获得同一地区不同时段的图像。SAR图像变化检测技术通过对不同时段SAR图像的综合分析,检测同一场景是否有变化发生。SAR图像变化检测已经应用于很多方面,如对人工检测比较困难的热带雨林、沙漠等自然条件恶劣的地区进行实时监测,以了解生态环境变化的情况;对农田进行监测,分析农作物生长状况;对城区环境进行监控,合理规划城市布局,规范土地的使用;对军事目标进行监测,了解兵力部署、军事调动等战场势态,并可用于打击效果评估。本文研究了合成孔径雷达图像变化检测及相关技术。首先,介绍SAR图像基本特性。总结了SAR图像与光学图像的区别、SAR图像的统计分布特性;分析了不同SAR图像之间的几何特性,包括平移、缩放、旋转等;阐述了相干斑产生的机理,通过试验比较了几种经典的抑制SAR图像相干斑的算法。其次,分析SAR图像配准技术。给出图像配准的定义、一般步骤;分析了图像的仿射变换模型;系统归纳了图像配准的常见算法和配准精度评估方法;结合恒虚警目标检测和Delaunay叁角剖分提出了一种SAR图像配准算法,实验结果证实,该方法具有较好的算法稳健性,配准精度比相关系数法高。最后,研究SAR图像变化检测算法。介绍SAR图像变化检测的基本过程;总结图像变化检测的基本方法和评估检测效果的一般方法;提出了一种基于主分量分析SAR图像变化检测算法,该方法比分块主分量分析法和对数比值法适用范围更广,能够取得很好的检测效果。
熊博莅[2]2012年在《SAR图像配准及变化检测技术研究》文中研究说明本文主要研究了合成孔径雷达（Synthetic Aperture Radar，SAR）图像的配准及其变化检测技术。针对SAR系统的成像特点，根据不同成像平台所获取SAR数据的差异，本文首先利用星载SAR数据（日本ALOS卫星）对基于卫星轨道参数的图像概略配准技术进行了分析，利用成像卫星其空间位置的高精度估计，提高了基准图像和重轨图像在方位向上的配准精度。对缺乏高精度平台轨道运行数据的SAR图像，则利用图像中封闭均匀区域特征提取同名特征点，实现对基准图像和待配准图像之间的自动配准。在图像配准的基础上，通过对不同的变化检测量的深入分析，针对经典阈值自动选取方法在稳健性方面的不足，提出一种更加符合SAR图像统计分布的变化检测量及对应的自动阈值选择算法。最后，本文利用运动与变化的关系，将变化检测的思想引入到可移动目标的自动检测，有效地减少了目标检测中出现的虚警。具体而言，作者主要开展了以下几个方面的工作：（1）针对星载SAR平台的周期性和平稳性，提出一种椭圆拟合卫星轨道的方法对卫星的空间位置进行精确估计。通过将叁维空间中的椭圆卫星轨道投影到二维平面，可以得到叁条二维平面中的椭圆曲线，在此基础上，引入针对二维平面中椭圆的直接最小均方椭圆拟合方法（DLS-EFM），实现对椭圆几何参数的估计，从而精确估计ALOS卫星在成像过程中任意给定时刻的空间位置。（2）如果只结合ALOS PALSAR平台的成像几何以及成像区域的地理信息，可以实现基准数据和重轨数据在距离向上1-2个像素的概略配准，而方位向上的配准误差则高达20-30个像素。针对该问题，提出利用估计得到的卫星位置，在消除成像时间差的基础上，计算重轨干涉SAR系统的干涉基线，利用基线与目标两次成像之间的几何关系，实现了基准数据和重轨数据在方位向上的概略配准，其配准误差可控制在1个像素之内，从而可显着减少下一步高精度配准的搜索空间，提高配准的效率和准确性，使重轨干涉SAR的准实时应用成为可能。（3）SAR图像中均匀区域的提取对于实现SAR图像自动配准十分关键。针对SAR图像中均匀区域的特点，提出一种基于Frost滤波和区域生长的均匀区域提取算法。此外，本文还将基于活动轮廓模型的分割方法引入到封闭均匀区域提取中，有效地实现了SAR图像中背景区域与封闭均匀区域的分离。（4）利用SAR图像中已提取的均匀区域，提取区域的特征点，实现SAR图像的自动配准。本文利用封闭区域的周长、面积等区域统计特性构造区域相似度量，进而实现区域之间的匹配，然后利用匹配区域的质心作为同名特征点，实现图像的自动配准。此外，本文提出一种基于多边形拟合和几何哈希理论的封闭区域匹配方法，利用闭合区域中具有代表性的角点，实现封闭均匀区域之间的匹配，然后将匹配角点作为同名特征点对图像进行配准。最后，针对经典配准精度量化评估方法的不足，引入变化检测思想，通过对配准残差数据的统计特性进行分析，实现对配准精度的准量化估计。（5）提出一种基于SAR图像统计分布和似然比检验的变化检测量（LLI-CDM）。该变化检测量以SAR图像杂波的Gamma分布为基础，将似然比假设检验引入到变化检测。实验表明，基于该变化检测量所得到的差异图像的直方图特点鲜明：直方图曲线由两部分构成，其中高而窄的尖峰对应于占差异图像绝大部分的非变化像元部分，直方图中低且平的拖尾则代表差异图像中的变化像元部分。直方图尖峰与拖尾之间的过渡点则可看成是将未变化和变化部分分离的最佳阈值。由于变化像元其灰度值的变化量不同，导致拖尾部分不同灰度值变化的直方图随机起伏，即拖尾部分将形成一个直方图振荡区。利用直方图尖峰和拖尾的不同特点，本文提出一种相邻灰度直方图比阈值自动选择算法实现对阈值的自动选取，该阈值选取方法物理意义明确、应用简单稳健，与LLI-CDM的组合相得益彰。（6）基于LLI-CDM得到的差异图像中未发生变化像素的灰度值高度集中，在直方图中形成一个高且窄的尖峰，而最佳阈值处于尖峰与拖尾的过渡位置，导致每一灰度级的阈值改变都将引起变化检测结果的显着差异。而SAR变化检测中应用最广的对数比变化检测量（LOG-CDM）常采用KI、EM等阈值选择算法，其阈值的自动选取往往不够准确，与最佳阈值存在显着差异，严重影响变化检测的性能。针对该问题，本文在引入马尔可夫随机场理论的基础上，提出一种融合LLI-CDM和LOG-CDM的变化检测方法，实验结果表明，该方法能够在保持这两种变化检测量的优点的同时弥补各自的不足，显着提高了变化检测的性能。（7）拓展了变化检测技术的传统应用范围。针对某些固定场景内的可移动目标，如机场中的飞机目标、港口附近的舰船目标等，本文在引入变化检测技术的基础上，以固定场景的光学图像为先验信息，显着改善了该类可移动目标的检测性能。此外，本文还将变化检测技术引入到可移动目标的鉴别当中，针对CFAR检测后存在的大量虚警，利用相关系数和阈值分离有效鉴别并去除虚警，提高目标检测性能。
宋野[3]2004年在《基于目标检测的SAR图像变化检测方法研究》文中研究说明图像的变化检测技术旨在检测同一地区不同时间的变化情况。变化检测技术在环境、农业、水利和军事等诸多领域都有着非常广泛的应用，是遥感技术的重要研究方向之一。合成孔径雷达(SAR)具有全天候，全天时的特点，是很好的变化检测信息源，研究SAR图像变化检测技术有着非常广阔的应用前景。 目前常用的方法普遍要以精确的配准为前提，然而在图像处理中，图像配准技术仍然是一个难点，尤其对于SAR图像很难找到一种既有很高的配准精度又具有很强的适用性的图像配准方法，这样就使得目前的变化检测方法的适用范围受到一定程度的限制。 本文针对目前常用的变化检测方法所存在的问题，同时考虑人造目标在SAR图像上的特点，提出了一种基于目标检测的SAR图像变化检测方法。该方法分为目标检测和变化检测两个步骤：首先检测图像中感兴趣的人造目标；然后比较两幅图像上各自检测出来的目标间的相对位置关系的相似性，从结果的匹配程度中判断出两幅图像的变化情况。这种基于目标检测的变化检测方法的主要思想是通过图像中的人造目标之间相对位置关系的相似程度确定图像的变化情况，这样就在很大程度上降低了变化检测对图像配准精度的依赖性。 在目标检测阶段，本文提出了一种改进型的双参数恒虚警检测器，它在多目标等复杂环境下的检测性能要优于一般的恒虚警检测器。在变化检测阶段，采用了一种分方向的数学形态学闭运算，它对目标边缘的平滑能力要强于普通的形态学闭运算，更利于提取目标的特征点。 本文所进行的各项研究工作，均应用不同时期的北京地区SAR图像数据进行了验证，实验表明该方法在很宽的配准精度范围内都可获得较满意的结果。
王伟平[4]2007年在《基于聚类分析的遥感图像变化检测方法研究》文中认为随着航天和航空遥感技术的迅猛发展,遥感数据趋向叁多(多传感器、多平台、多角度)和叁高(高空间分辨率、高时相分辨率和高光谱分辨率)发展,如何利用这些遥感图像数据融合,用于目标的变化检测,为战场指挥系统提供决策和后续服务,将成为一个军事上热门的发展趋势。基于遥感图像的变化检测就是从不同时间获取的遥感影像中,定量分析和确定地表变化特征和过程的技术,它在开展资源调查、环境监测、军事侦察等民用和军用领域都具有广泛的应用,是遥感技术的重要研究方向之一。本文通过研究和分析传统的变化检测方法存在的问题,提出了基于聚类分析的遥感图像变化检测方法,主要工作如下:1)对遥感图像和聚类分析作了深入的理论分析,介绍了遥感图像的数学模型以及SAR的基本原理,并以数学的形式表示和讨论了类的定义、马氏距离及聚类方法等基本概念,为文中变化检测方法提供了理论基础;2)系统的对遥感图像的成像原理以及图像变化检测的原理、流程和算法等作了深入的研究,分析了目前国内外常用的几种变化检测方法的优缺点,并通过实验对它们进行了验证,从而引出文中的变化检测方法;3)提出了基于聚类分析的遥感图像变化检测方法,首先对算法和流程给出了数学表示,然后利用该方法分别对SAR图像和多光谱图像进行了仿真实验,给出了很好的结果,最后通过对结果的分析,提出了图像配准精度与检测之间的关系。
王佳东[5]2017年在《基于稀疏学习和显着性检测的SAR图像变化检测》文中研究说明合成孔径雷达(Synthetic Aperture Radar,SAR)是目前各国对地观测的主要方式之一,由于其自身成像的优势特点,能够全天时全天候工作,使其成为各国研究的重点。对不同时相的SAR图像进行变化检测在实际应用中解决了不少问题,如自然灾害的灾后评估、地理信息的更新、军事监测调度等应用,使得对其研究备受青睐。本文在SAR图像变化检测的理论基础上,提出了叁种新的变化检测算法:1.提出一种基于级联字典稀疏学习的SAR图像变化方法。首先分别对两幅同一地区不同时刻的SAR图像进行对数比值操作和差值操作得到对数比值图和差值图,接着分别在两幅得到的图像上进行字典学习得到字典,并将字典级联,然后利用级联字典进行稀疏学习得到稀疏系数,再利用稀疏系数进行稀疏重构得到两幅重构图,将重构图融合得到一幅差异图,最后利用聚类算法得到结果图。利用字典稀疏学习进行SAR图像变化检测很早就被研究,但是字典的构造一直是一个问题,字典太大容易产生误检,而字典太小则漏检大大提高。为此,采用级联字典的方法进行变化检测。分别在四组图像数据上进行实验,证明该方法能有效抑制斑点噪声,对变化检测的结果性能有所提高。2.提出一种基于显着性融合(Saliency Fusion,SF)的SAR图像变化检测算法。首先对图像进行滤波,再分别构造全局显着性图和局部显着性图,然后将全局显着性图和局部显着性图进行融合得到基于显着性的差异图,最后进行聚类分割得到二值结果。显着性检测在变化检测中能够准确定位变化区域,但对于边缘像素变化信息表述不够清晰,所以引入局部显着性对边缘像素的显着性值进行修正。该方法能对变化检测中较难判别的像素进行有效判断,在四组实验数据集上进行实验均能得到较好的结果。3.提出一种基于局部显着性和堆栈稀疏自编码器的SAR图像变化检测算法。首先利用局部显着性的方法选择训练的图像块样本,再对堆栈稀疏自编码器网络进行训练,然后将所有图像块样本输入堆栈网络进行测试,最后对输出结果进行聚类分割得到变化检测结果。稀疏自编码器能够自动学习图像的特征,对于边缘等信息有较好的表示能力,将稀疏自编码器堆栈使其能够对复杂关系有更强的表示能力。实验结果表明,该方法对于解决变化检测问题能有较好的性能,在误检和漏检都有较好的控制。
宋野, 王宏琦[6]2004年在《基于目标检测的SAR图像变化检测方法》文中指出SAR图像变化检测有着广阔的应用前景,但目前的方法普遍以精确的配准为前提,使其适用范围受到限制。针对人造目标在SAR图像上的特点,提出了一种基于目标检测的SAR图像变化检测方法。通过图像中的人造目标之间相对位置关系的相似程度确定图像的变化情况,以此来降低对图像配准精度的要求。实验表明该方法在很宽的配准精度范围内都可获得较满意的结果。
柳彬[7]2015年在《极化SAR图像边缘与区域信息提取方法研究》文中研究说明极化合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高级的雷达成像系统,通过控制发射与接收电磁波的极化方式以获取更丰富的地物与目标特性。通过最近二叁十年的研究发现,极化SAR数据能够在目标检测、地物分类、地表参数反演与地表高程反演等典型应用领域提供比单极化SAR数据更为丰富的信息、获得更为优越的性能。如今,多个在轨运行的卫星系统正在提供海量的极化SAR数据,绝大多数计划未来发射和在研发的星载SAR系统能够提供多极化数据,如何充分挖掘这些海量复杂数据当中的信息是突破其应用瓶颈的关键,开发极化SAR图像理解与信息挖掘性能稳定的、自动/半自动的解译系统亟待研究。在极化SAR图像解译领域,主导的分析方法为两类:散射特性分析与统计建模。为了充分挖掘极化SAR数据信息,结合雷达图像对目标结构敏感这一特点,并且面向高分辨率图像理解、多源数据融合、多时相数据分析等解译新思路,本文将研究重心放在极化SAR图像空间域的信息分析与提取。所谓空域信息(spatial information),是指图像像素在空间域上形成某些固有模式所提供的信息,具体说主要包括边缘、线段、区域和纹理等信息。本文集中、系统的研究极化SAR数据典型空域信息边缘与区域信息的提取方法,为极化SAR图像专门设计与构建对象化表征;并探索边缘与区域信息提取对于提升极化SAR图像解译程度、性能的作用,开发融合空域信息的地物分类、变化检测极化SAR图像解译流程,为验证算法的有效性提供依据。本文的理论基石为:极化SAR图像统计模型与相似性衡量。边缘与区域空域信息提取的核心基础在于定量分析像素与其空域相邻像素之间的相似性。由于极化SAR数据受到固有相干斑噪声的干扰,因此相似性衡量体现为图像中两个实体之间在统计意义上相似程度的衡量。作为极化SAR图像边缘与区域信息提取的核心基础,本文首先介绍极化SAR图像的统计建模方法及其适用范围,在此基础上调研与分析极化SAR图像中两个像素之间的相似性衡量方法,并针对本文具体研究内容,深入探讨面向极化SAR图像边缘与区域信息提取的概率相似性衡量方法。在此基础之上,立足于实际应用需求并结合国内外研究现状,本文定位于根据数据特性,开展针对极化SAR图像边缘与区域信息提取方法的研究。本文的主要贡献与创新点包括:保分辨精定位边缘提取–本文提出一种基于退化滤波器和加权最大似然估计的极化SAR图像边缘提取方法,利用加权最大似然估计准则来估计退化滤波器中所需的概率分布参数,克服传统边缘提取方法的性能制约因素。实验结果表明,该方法与传统边缘提取方法相比具有更好的提取性能,提取结果更为细腻,定位更为准确。超像素生成–本文提出一种基于图谱划分理论的单/多时相极化SAR图像超像素生成方法,以图像边缘信息为超像素生成的信息源、以边缘强度为中介获得像素间全局的相似性衡量,通过对图像进行最优化的过分割生成超像素。在超像素生成的基础上,本文提出基于超像素的极化SAR图像类别数目自适应分类方法与基于多时相超像素的极化SAR图像变化检测方法。实验验证了所提方法的有效性。空域自适应区域生成–本文提出一种基于wedgelet分析的极化SAR图像空域自适应区域生成方法,利用基于极化SAR图像统计信息的数据保真度衡量进行极化SAR图像多尺度wedgelet分解,采用自底向上四叉树剪枝法实现极化SAR图像多尺度wedgelet表征作为空域自适应初始区域生成结果,并基于Wishart Markov随机场模型对初始区域生成结果进行优化。实验验证了所提方法对包含异质性场景的极化SAR图像进行区域生成的优势。全局主导地物轮廓勾勒–本文提出一种基于图像表征的极化SAR图像全局主导地物轮廓勾勒方法,根据地物轮廓具有全局稀疏性的特点,提出专门为极化SAR图像设计与构建的约束L0梯度最小化表征,同时利用图像的统计特性与空域特性,实现地物轮廓的勾勒。实验结果表明,所得的地物轮廓勾勒能够对极化SAR图像实现有效的表征:对于同质性场景的地物勾勒大块区域的平滑轮廓,而同时保留异质性场景的地物轮廓细节。针对本文中所有的方法研究,均利用仿真和/或真实极化SAR数据,通过视觉性能展示、数值性能评估的手段分析本文所提方法的性能,确认本文方法实现其设计目标,验证本文提出的极化SAR图像边缘与区域信息提取方法的有效性和优势性,实现极化SAR图像的对象化表征,并且对于极化SAR图像的解译程度和性能具有一定的提升作用。当然,值得说明的是,根据客观条件,目前我们只是在有限的、被极化SAR图像解译领域广泛使用的数据集上测试、检验本文所提方法的性能。未来,需要将这些算法与应用处理放在更大的数据库中测试、分析与改进,以期构建实用流程。
甘荣兵[8]2005年在《合成孔径雷达对抗及目标检测技术研究》文中研究指明合成孔径雷达作为一种重要的军事侦察手段，在现代战争中的作用日益突出，因此，对合成孔径雷达的干扰和抗干扰技术的研究，以及干扰条件下合成孔径雷达获取目标信息技术的研究已经成为雷达领域中的一个重要课题。在这个课题背景下，本文旨在解决合成孔径雷达干扰条件下的目标检测的相关问题，并以此为线索研究了合成孔径雷达成像及图像预处理技术，干扰及抗干扰技术，以及干扰条件下的目标检测技术。对部分现有的技术作了更深入的分析和研究，也提出了一些新的有价值的方法和算法。 首先分析了SAR成像和相位梯度自聚焦算法，提出了基于盲反卷积处理的SAR图像自聚焦方法和基于图像全变差最小准则的自聚焦算法。研究结果表明本文的自聚焦算法在解决二次相位误差方面优于相位梯度自聚焦算法。 然后分析了SAR图像的统计特性，为SAR图像滤波和目标检测打下基础。提出了基于分布特性的自适应窗口滤波技术，并将之与固定窗口滤波技术以及基于相干斑分布特性的自适应窗口滤波技术作了比较，结果表明本文的算法能较好地保持点目标的信息，有利于目标检测。 接下来分析了SAR干扰和抗干扰的基本方法，指出了SAR干扰和抗干扰的利弊，总结了干扰和抗干扰的研究思路。根据这个思路研究了几种SAR干扰和抗干扰技术，包括：一般干扰及抗干扰技术、伴飞式干扰技术、储频干扰及抗干扰技术、弹射式干扰及抗干扰技术。在干扰的研究中提出了随机时延的弹射式干扰、随机时延迭加的储频干扰、储频欺骗干扰的快速算法。在研究抗干扰技术中提出了从多普勒频域抑制弹射式干扰(包括提高脉冲重复频率、部分频谱成像)、双天线对消抗弹射式干扰、双天线对消中的干扰信号相位误差估计算法、距离压缩后限幅抑制储频干扰。 最后研究了干扰条件下的目标检测技术。首先从未干扰条件下的目标检测的研究入手，提出了基于目标分布特性的目标检测技术，推导了几种分布假设条件下的目标检测算法。然后在干扰条件下，研究了噪声干扰后图像的分布特性，提出了基于广义似然比和目标分布特性的目标检测技术。结果表明基于目标分布特性的目标检测算法性能优于传统的双参数恒虚警检测算法。提出了两种干扰条件下的目标变化检测算法：基于置信区间的目标变化检测算法；基于广义似然比检测的目标变化检测算法。结果表明提出的算法适合干扰条件下的雷达目标变化检测，填补了干扰条件下的目标检测及目标变化检测的空白。
丁翔[9]2017年在《SAR图像幅度变化检测方法研究》文中进行了进一步梳理合成孔径雷达(SAR)图像变化检测技术主要是检测不同时间同一地理位置的SAR图像之间的变化。该技术有着非常广泛的应用,如对受灾地区的检测,进行灾害分析和评估;对农田的监测,分析农作物的生长情况;对军事目标的检测,了解战场势态;对城市建设的监控,合理规划城市发展等。近年来,SAR图像变化检测方法已成为国内外研究的热点,该方法一般可以分为叁类:基于幅度信息的变化检测、相干变化检测、基于极化信号的非相干变化检测。本文主要针对SAR图像幅度变化检测方法开展了研究,该类方法一般为差异图分类法,重点分析了该类方法在生成差异图像和差异图像分类的过程。一般情况下,生成差异图像有两种方式,一种是基于单个像元操作的,另一种是基于像素块的统计量生成差异图像。差异图像分类方法都是比较常见的无监督分类法,如k均值,类间最大方差阈值法等。本文通过改进生成差异图的方法和分类的方法,提高了SAR图像幅度变化检测的性能。主要研究内容和工作如下:1、分析了SAR图像的基本特性,包括统计分布特性、相干斑特性,总结了基于像元的SAR图像幅度变化检测和基于像素块的SAR图像幅度变化检测的一般过程及典型方法。2、在传统的基于像元的SAR图像幅度变化检测算法的基础上,如图像差值法、对数比值法,分析了它们构成差异图像的特性。研究了基于综合差图像和k均值聚类的变化检测方法和基于主成分分析和k均值聚类的变化检测算法,提出了基于综合差异图像和按块分类的SAR图像幅度变化检测方法。分别通过带有变化参考图的星载SAR数据和真实的机载X-SAR数据,验证了该方法的有效性,与差值法、对数比值法、基于综合差异图像和k均值法、基于主成分分析和k均值法相比,降低了漏检和虚警,提高了Kappa系数。同时,通过实验分析了按块分类中块的大小对变化检测性能的影响。3、研究了典型的基于像素块一阶统计量和高阶统计量的SAR图像幅度变化检测方法,针对局部均值比值法、局部均值对数比值法的低性能,基于K-L散度的高斯法局限性,以及避免使用大窗口,提出了基于关键点和图论的SAR图像幅度变化检测方法。分别通过带有变化参考图的星载SAR数据和真实的机载X-SAR数据,验证了该方法的稳定性,与局部均值比值法、局部均值对数比值法、基于K-L散度的高斯法相比,提高了正确检测率。同时,利用ROC曲线分析了方法中关键参数的影响。
曹宇[10]2012年在《SAR图像变化检测算法研究》文中认为由于合成孔径雷达(SAR)不受大气条件和云层覆盖等相关条件的影响,因此,多时相SAR图像技术在人们的生活中发挥着越来越重要的作用。本论文主要就SAR图像变化检测技术中的两时相SAR图像差异图的构造、差异图上的自动分类和基于GPU的SAR图像变化检测方面进行了深入的研究,获得了有效的方法,解决了SAR图像变化检测中面临的一些实际的问题。首先就两时相SAR图像差异图的构造方法进行了研究,提出了一种基于邻域比值的差异图构造算法。该算法以比值差异图算法为基础结合像素点的邻域信息,能够有效地减少SAR图像所具有的斑点噪声,通过实验对比经典的比值差异图构造算法和近年来流行的对数比值差异图构造算法,显示了所提出的基于邻域比值的差异图构造算法在构造差异图上具有更好的性能,体现了本文所提出算法的优越性。然后主要就无监督阈值算法进行了研究,提出了一种无监督阈值算法,该算法基于一种单边拟合策略处理SAR图像变化检测技术,通过分析SAR图像变化检测问题的内在本质,提出了单边拟合的闽值策略。其中,两个单边直方图统计分布模型被提出,结合相关的模型参数估计策略求得变化类和非变化类的概率统计分布,应用贝叶斯决策理论自动地确定最终的阂值。通过对两组公开的SAR图像数据集和一组私有的SAR图像数据集进行实验,结果表明所提出的算法是有效的,并且对于直方图具有很大交迭的情况仍然能够得到较精确的结果,体现了所提出算法的优越性。之后在所提出的无监督阈值算法基础上进一步研究了隐马尔科夫随机场在SAR图像变化检测上的应用。因为隐马尔科夫随机场方法的局限性,即所选用的能量函数都采用“硬”划分的模型,而忽略模糊的因素,在处理复杂的地貌场景时,隐马尔科夫随机场技术很难得到令人满意的结果。本文提出了一种基于模糊方法的隐马尔科夫随机场算法,该算法能够有效地解决比值差异图中的SAR图像变化检测问题。该算法充分结合了隐马尔科夫随机场构建空间一致性的能力和模糊方法灵活准确的能力,有效地提高了SAR图像变化检测的检测精度。应用所提出的模糊能量函数可以有效地减少在每次迭代过程中因为“硬”划分所引起的错误积累问题。通过应用相关SAR数据进行实验表明,所提出的算法比起传统的隐马尔科夫随机场算法和所提出的无监督阈值算法及一些流行的阈值算法相比,具有明显的优越性。由于SAR图像海量的信息带来了巨大的计算挑战,以及在SAR图像变化检测的应用领域都需要快速的处理和及时的决断,所以需要利用现有的硬件和软件资源,发展并行SAR图像变化检测技术来满足这些需求。所以最后本文提出了基于GPU并行加速的SAR图像变化算法PLog-FLICM算法,介绍了该算法基于GPU的并行设计流程和实现细节,并基于OpenCL标准在AMD Accelerated Parallel Processing (APP) SDK v2平台上实现本文算法。通过对算法的测试结果表明,所提出的算法分析结果优于其他算法,所设计的并行算法具有很好的加速性能,且实验性能与基准算法相当。
参考文献：
[1]. SAR图像变化检测技术研究[D]. 张辉. 电子科技大学. 2008
[2]. SAR图像配准及变化检测技术研究[D]. 熊博莅. 国防科学技术大学. 2012
[3]. 基于目标检测的SAR图像变化检测方法研究[D]. 宋野. 中国科学院研究生院（电子学研究所）. 2004
[4]. 基于聚类分析的遥感图像变化检测方法研究[D]. 王伟平. 国防科学技术大学. 2007
[5]. 基于稀疏学习和显着性检测的SAR图像变化检测[D]. 王佳东. 西安电子科技大学. 2017
[6]. 基于目标检测的SAR图像变化检测方法[J]. 宋野, 王宏琦. 遥感技术与应用. 2004
[7]. 极化SAR图像边缘与区域信息提取方法研究[D]. 柳彬. 上海交通大学. 2015
[8]. 合成孔径雷达对抗及目标检测技术研究[D]. 甘荣兵. 电子科技大学. 2005
[9]. SAR图像幅度变化检测方法研究[D]. 丁翔. 中国科学院大学(中国科学院遥感与数字地球研究所). 2017
[10]. SAR图像变化检测算法研究[D]. 曹宇. 西安电子科技大学. 2012
标签：武器工业与军事技术论文; 电信技术论文; 合成孔径雷达论文; sar论文; 图像融合论文; 阈值分割论文; 边缘提取论文; 图像配准论文; 差异分析论文; 图像像素论文; 稀疏表示论文; 极化曲线论文; sar雷达论文;