基于SAR影像的兖州矿区变化检测毕业设计论文.doc

本科生毕业设计 论文 题目 姓名 学号 班级 二 一五年六月 基于 SAR 影像的兖州矿区变化检测 马骕 07113019 测绘 11 3 中国矿业大学毕业设计任务书 学院 环境与测绘学院 专业年级 测绘 11 3 学生姓名 马骕 任任务务下下达达日日期期 2015 年年 2 月月 25 日日 毕业设计日期 毕业设计日期 2015 年年 3 月月 25 日至日至 2015 年年 6 月月 10 日日 毕业设计题目 毕业设计题目 基于 SAR 影像的兖州矿区变化检测 毕业设计专题题目 毕业设计专题题目 基于 SAR 影像的兖州矿区变化检测 毕业设计主要内容和要求 毕业设计主要内容和要求 1 学习 SAR 相关理论和方法 2 学会使用 SAR 处理软件 掌握 SAR 数据处理流程 3 比较分析不同滤波方法的优缺点 选取合适的滤波方法 4 学习和掌握 SAR 图像变化检测的相关方法 5 进行兖州矿区 SAR 图像变化检测试验 获得不同时期变化检 测结果 院长签字 指导教师签字 中国矿业大学毕业设计指导教师评阅书 指导教师评语 基础理论及基本技能的掌握 独立解决实际问题的能力 研究内容的理论依据和技术方法 取得的主要成果及创新点 工作态度 及工作量 总体评价及建议成绩 存在问题 是否同意答辩等 成 绩 指导教师签字 年 月 日 中国矿业大学毕业设计评阅教师评阅书 评阅教师评语 选题的意义 基础理论及基本技能的掌握 综合运用 所学知识解决实际问题的能力 工作量的大小 取得的主要成果及创新点 写作的规范程度 总体评价及建议成绩 存在问题 是否同意答辩等 成 绩 评阅教师签字 年 月 日 中国矿业大学毕业设计答辩及综合成绩 答 辩 情 况 回 答 问 题 提 出 问 题 正 确 基本 正确 有一 般性 错误 有原 则性 错误 没有 回答 答辩委员会评语及建议成绩 答辩委员会主任签字 年 月 日 学院领导小组综合评定成绩 学院领导小组负责人 年 月 日 摘摘 要要 本文通过分析兖州矿区 SAR 影像 对原始影像应用一系列滤波算法 抑制相 干斑噪声 并通过差值法和对数比值法构造差异影像 采用广义高斯模型的 KI 阈值分割算法 得到了分割图像 同时利用数学形态学滤波进行图像后处理 实现了变化区域的自动检测 本文主要成果如下 1 本实验中 采用增强型 Lee 滤波对原始影像进行相干斑噪声抑制 其 综合评价结果最佳 2 采用均值滤波对差值影像以及采用增强型 Lee 滤波对对数比值影像进 行滤波处理 可以取得较好的效果 3 利用 KI 算法处理不同的差异影像 应该选择与灰度直方图相对应的形 状参数来进行阈值分割 4 对阈值分割后影像进行数学形态学滤波 应该根据影像实际情况选择 相对应的结构元素 5 检测出区域内地物的变化结果 关键字 SAR 影像 影像滤波 KI 阈值法 数学形态学滤波 变化检测 Abstract Through analysing SAR image of Yanzhou and appling series of filtering algorithms to the original image to suppress speckle noise Then using the differencial method and log radio method to construct the difference images To get a spilt image I use KI threshold segmentation algorithm under the generalized Gaussian assumption Last using mathematical morphology filter to the split image that get the changed region Work and achivements in this paper are as follows 1 In this experiment the Enhanced Lee filter get the best evaluation results to suppress speckle noise in the original image 2 The difference images with mean filtering and the log radio images with log radio filtering achive better results 3 Selecting the shape parameters corresponds to image histograms for threshold segementation by KI algorithm 4 Using mathematical morphology filter after thresholding and selecting suitable structure elements based on the real condition 5 The results of detecting regional changes of the mainland Keywords SAR Image Image Filters KI Algorithm Mathematical Morphology Filter Change Detection 目目 录录 1 绪论 1 1 1 研究背景及意义 1 1 2 SAR 技术及变化检测国内外研究现状 1 1 2 1 SAR 技术发展历程 1 1 2 2 SAR 变化检测研究现状 2 1 3 论文结构安排 2 2 SAR 影像特征及斑点噪声抑制试验 4 2 1 SAR 影像的成像原理与影像特征 4 2 1 1 SAR 影像成像原理 4 2 1 2 SAR 影像特征 4 2 2 SAR 影像相干斑噪声抑制方法 7 2 2 1 SAR 图像斑点噪声抑制原理 7 2 2 2 相干斑噪声抑制方法 8 2 2 3 SAR 图像滤波结果评价 11 2 3 相干斑噪声抑制试验及结果评估 13 2 3 1 相干斑噪声抑制试验 13 2 3 2 相干斑噪声抑制结果评估 16 2 4 本章小结 18 3 差异影像与阈值分割方法 19 3 1 差异影像的构造方法 19 3 1 1 差值法 19 3 1 2 对数比值法 19 3 1 3 比值法 19 3 1 4 图像回归法 20 3 2 图阈值分割方法 20 3 2 1 最小错误率贝叶斯决策理论 20 3 2 2 KI 阈值算法 21 3 2 2 1 基于高斯分布的 KI 阈值法 22 3 2 2 2 基于广义高斯模型的 KI 阈值法 23 3 3 本章小结 25 4 数学形态学滤波方法 26 4 1 形态学发展历程 26 4 2 数学形态学基础介绍 27 4 2 1 数字图像的表示 27 4 2 2 集合的相关定义 28 4 2 3 结构元素 28 4 3 二值数学形态学 29 4 3 1 二值图像的膨胀和腐蚀 29 4 3 2 二值图像的开启和闭合 30 4 3 3 二值形态学算子的性质 31 4 4 本章小结 33 5 兖州矿区 SAR 变化检测实验 34 5 1 构造差异影像 34 5 2 差异影像滤波与评价 35 5 3 阈值分割与数学形态学滤波 41 5 4 精度评定 47 5 5 变化检测结果分析 48 5 5 1 地物变化分析 48 5 5 2 检测结果综合分析 49 5 6 本章小结 50 6 结论与展望 51 6 1 主要工作及结论 51 6 2 展望 51 参考文献 52 翻译部分 54 英文原文 54 中文译文 66 致 谢 75 1 1 绪论 1 1 研究背景及意义 合成孔径雷达 Synthetic Aperture Radar SAR 是一种主动式高分辨率微波成 像系统 因其具有全天时 全天候 高分辨率的巨大优势而备受青睐 同时由 于 SAR 工作在微波波段 其穿透能力比光学遥感成像系统强 因而更容易识别 伪装 发现隐藏在丛林或者一定深度地表下的军事设施 目前 SAR 已成为军 事领域中一种重要的传感器 在军事侦察和战区监视中发挥着至关重要的作用 此外 SAR 技术作为获取生态环境 自然资源和人类活动等时空数据的重要来 源和技术手段 以及在环境监测 资源探测等领域中的广泛应用 使得人们对 从 SAR 图像中提取各种相关专题信息的需求日益提高 极大地推动了 SAR 图 像处理的研究与应用 随着我国地理国情监测的开展 由于 SAR 全天时 全天 候 高分辨率的特点 采用 SAR 图像进行变化检测成为重要手段 研究 SAR 变化检测相关技术和方法 具有重要的理论和实用价值 1 2 SAR 技术及变化检测国内外研究现状 1 2 1 SAR 技术发展历程 20 世纪 50 年代 合成孔径雷达 SAR 技术诞生 其发展历程如下 1 1951 年 6 月 美国 Goodyear 航空公司提出了 SAR 最初的思想 即 多普勒 波束锐化 同时 美国 Illinois 大学实验上验证了这一概念 并从理论上说 明了 SAR 的原理 1953 年 7 月 首幅非聚焦 SAR 图像获得 1957 年 8 月 获得首幅全聚焦 SAR 影像 标志着 SAR 发展真正开始 20 世纪 60 年代 SAR 光学处理技术全面发展 60 年代末 第一个民用双极 化双频机载 SAR 研制成功 20 世纪 70 年代 实现了 SAR 数字成像 此后 太空时代的到来推动了 SAR 的发展 1978 年 7 月 NASA 在卫星上首次 搭载了合成孔径雷达 进行了地球测绘 中国在 SAR 技术方面也取得了巨大的 收获 1979 年 中科院获得了第一批雷达影像 1987 年 完成了 机载多极化多条带 SAR 项目 1990 年 SAR 机地实时传输系统研制成功 1994 年 完成 机载实时成像器 项目 863 计划 使机载雷达服务 于民用遥感 自 1980 年代末以来 国家完成了对星载 SAR 的应用研究 并开拓了其应用 前景 我国 SAR 技术发展更上一层 1 2 2 SAR 变化检测研究现状 初期 学者们主要研究了 SAR 变化检测精度的影响因素 J Cihlar 等 2 利 用 SAR 数据研究了完整季节周期的地表水覆盖和植被变化情况 并指出相对准 确的水文气象数据和精确的几何校正是变化检测的关键 Dai 和 Khorran 3 连续 对一幅多频谱图像进行变换 利用图像差值法进行变化检测 得出结论 配准 精度的高低直接影响到变化检测的结果 要保证变化检测的精度高于 90 配 准误差不得超过 1 5 个像素 R J Dekker 4 发现变化检测的精度被噪声严重影响 对 SAR 影像进行对数缩放可以达到减弱噪声的效果 周旭等 5 在研究中总结到 所有影响到 SAR 影像成像质量的因素必然影响到变化检测的精度 在此基础上 基于 SAR 图像变化检测的应用领域逐渐成为国内外学者研 究的重点 早期的变化检测主要是从 SAR 图像的对象级和像素级入手 Villasenor 6 提出了通过差值计算两时相 ERS 1 SAR 影像的雷达后向散射强度来 检测阿拉斯加北坡的土地利用变化情况 并证明方法有效 Rignot 7 等鉴于多视 SAR 影像服从 Gamma 分布 SAR 成像过程中由于回波干涉造成的辐射测量误 差可以由比值算法消除 从而证明了比值法更适合于多时相 SAR 影像的变化检 测 廖明生 8 利用多时相 SAR 影像的比值图像以及相关系数组成的二维图像进 行变化检测 证明此方法比用单一方法检测更加有效 此外 White 9 在深入研 究 SAR 影像的斑点噪声以及配准算法的基础上 基于图像分割思想 利用神 经元网络进行对象识别以达到变化检测的目的 Francesca 10 首先对两时相的 SAR 影像分别进行分割 再利用距离测度确定变换图像 设定阈值进行变化检 测 Craves 11 在对影像进行分割的基础上 利用图像叠加进行变化检测 张辉 等 12 13 将两时相 SAR 影像合成一个矩阵 利用主成分分析法进行分解 分解 后的次要分量代表图像的变化信息 另外 小波算法在变化检测中也占有重要 的地位 李杰 任竞颖 22 提出一种基于小波变换的多尺度融合检测方法 提高 了变化区域边界像素检测的准确性 黄世奇等 14 提出了基于小波变换的双阈值 TWT SAR 图像变化检测算法 利用期望最大 EM 算法产生双阈值 试验证明 方法有效 辛芳芳等 15 利用小波域 Fisher 分类器进行 SAR 影像的变化检测研究 利用联合灰度直方图的分布特性进行判别代替以往的 SAR 影像分布假设 取得 较好的变化检测结果 1 3 论文结构安排 本文共分为六章 具体章节内容如下 第一章 绪论 介绍了合成孔径雷达的研究背景 应用领域及 SAR 变化 检测的国内外研究现状 并以此为依据提出了论文结构安排 第二章 SAR 影像特征及斑点噪声抑制试验 简要介绍了合成孔径雷达成 像原理 并介绍了 SAR 成像特征 如空间分辨率特征 纹理特征 斑噪特征 几何特征 主要介绍了斑点噪声的抑制原理以及抑制方法 最后介绍了抑制 结果的评价标准 第三章 差值影像与阈值分割方法 主要介绍了差异影像的构造 如差值 法 比值法 图像回归法 对数比值法 还介绍了基于最小错误率的贝叶斯 理论 着重介绍了 KI 阈值算法 分别从基于高斯分布和基于广义高斯分布来 论述 第四章 数学形态学滤波方法 简要介绍了形态学滤波的发展历史 主要从 其在图像中的应用介绍 介绍了二值数学形态学的膨胀 腐蚀 开启 闭合 运算 第五章 兖州矿区 SAR 变化检测实验 对同一地区 不同时相的 SAR 图像进 行预处理 构造差值影像 利用广义高斯模型的 KI 阈值分割算法对图像进行 阈值分割 对分割后的图像进行形态学滤波 最后把得出结果与真实变化图 比较 分析精度 得出结论 第六章 结论与展望 阐述实验得出的结论 并简要介绍今后将要继续努力 的方向 论文研究流程图 2 SAR 影像特征及斑点噪声抑制试验 SAR 影像获取与传统遥感影像不同 具有特殊的影像特征 本章从其分辨 率 几何 纹理特征来介绍 并通过多种滤波方法消除噪声 对其结果利用多 种指标进行评价 2 1 SAR 影像的成像原理与影像特征 2 1 1 SAR 影像成像原理 合成孔径雷达 SAR 是一种相干成像系统 能够全天候 全天时不受任何天 气条件限制的实现对地观测 SAR 采用合成孔径技术 依靠物理上的星载天线 利用多普勒效应获得每个发射脉冲位置上相应的相位历程 经地面相干成像处 理实现方位向的高分辨率 如图 2 1 图 2 1SAR 成像几何示意图 在机载正侧视条带工作方式下 传感器平台沿与地面平行的方向匀速直线 前进 同时 以一定的角度等频率地发射电磁波 接收回波 从而在地面形成 条形扫面带 称为测绘带 测绘带内的地物就是雷达的成像目标 然后通过合 成孔径原理和脉冲压缩技术得到目标影像 2 1 2 SAR 影像特征 1 空间分辨特征 SAR 影像分辨率根据与航线所成方向可以分为 平行于航线方向的方位向 分辨率 以及垂直于航线方向的距离向分辨率 1 方位向分辨率 方位向分辨率是指在航向方向上可区分的两点之间的最小距离 17 如图 2 2 图 2 2 方位向分辨率分析图 2 距离向分辨率 距离向分辨率是指在距离向上可以分辨的两点之间的最小距离 如图 2 3 图 2 3 距离向分辨率分析图 雷达影像的地面分辨单元面积约等于距离向分辨率乘以方位向分辨率 一 般不论距离向分辨率和方位向分辨率大小分别是多少 只要其乘积相同 雷达 影像的最终解译效果就基本相同 2 几何特征 SAR 影像不同于光学影像的获取方式和成像原理 使其影像本身与光学影 像之间存在着很多不同的几何特征 SAR 影像反映的是信号的回波特性 回波 的强弱决定了影像上灰度值的高低 SAR 影像的几何特征主要表现在四个方面 斜距成像 阴影影响 透视收缩以及叠掩倒置 图 2 4 地形引起的 SAR 图像几何特性 1 斜距成像 合成孔径雷达在距离向上斜距成像 SAR 影像为天线中心与目标点之间距 离的斜距投影 由于目标点在距离向上的相对距离与实地距离之间的比例关系 是一个可变的量 相同大小的物体距天线垂直距离的不同导致其在影像上呈现 出来的尺寸也不同 近地点的地物会被压缩 远地点的地物会被拉长 这就导 致了影像上会产生不均匀的畸变 而光学影像采取中心投影的方式成像 在地 面平坦以及垂直投影的情况下 地物与影像之间具有相似性 不考虑由于其他因 素造成的图像畸变 不会产生由于成像方式而导致的图像变形 2 阴影影响 由于天线发射的电磁波沿直线传播 当遇到高山这样的障碍物时 电磁波 就被挡住 使障碍物背后的一段区域不能被电磁波照射 也就不能产生回波 反映在图像上将出现一片黑色 称为阴影 3 透视收缩 雷达影像的透视收缩是指 当雷达波束照射到斜面上时 影像上所量斜面 的顶底距离要比实际的水平距离小 也就是斜面的实际长度被缩短了 雷达影 像的透视收缩是电磁波能量集中的体现 通常情况下 斜坡的前坡比后坡收缩 严重 底部比顶部收缩严重 在影像上 收缩较严重的地方图像较亮 4 叠掩 叠掩可以视为透视收缩的极端情况 当地面坡度较大时 地距远的目标的 斜距小与或等于地距近的目标的斜距 在图像上表现为两个或两个以上的目标 点成为一个像元 由于回波信号的叠加 叠掩区的雷达影像一般较亮 3 纹理特征 SAR 影像含有丰富的纹理信息 即使在相干斑噪声存在的情况下也具有一 定的统计规律 纹理信息大体可以分为三类 大纹理 中等纹理和微纹理 大 纹理表现了地形的结构特征 是解译地质和地貌的关键因素 中等纹理和微纹 理是以分辨单元为尺度来表现空间色调变化的 不同的是微纹理以单个分辨单 元作为尺度 其表现力取决于雷达影像固有的光斑特性 而中等纹理是以多个 分辨单元作为尺度的 反映了地物内部的结构 个体的空间分布 4 斑噪特征 合成孔径雷达通过对连续的雷达脉冲回波相干成像 因此在 SAR 影像上不 可避免的存在相干斑噪声 对于 SAR 系统而言 其分辨单元远远大于发射信号 的波长 因此每个分辨单元可以看成是由许多大小 波长相近的散射点组成的 单位分辨单元的总回波可看成是该单元内各散射点回波的相干叠加 图 2 5 也就是说回波强度图中每个像素都是目标区域散射体回波强度的矢量叠加和 由于每个子回波都有独立的振幅和相位 随着传感器的移动 振幅和相位随之 变化 在矢量求和时 振幅之间相互叠加或相互抵消 使得总回波强度与子回 波平均强度之间存在偏差 致使 SAR 影像上的同质区域灰度分布不均 出现亮 斑 把这种斑点噪声称为相干斑噪声 V 图 2 5 每一分辨单元的回波是很多散射体回波的矢量叠加 2 2 SAR 影像相干斑噪声抑制方法 SAR 影像相干斑噪声 会影响影响质量 对于影像的地物识别 后期处理 造成了一定的干扰 须通过抑制其噪声来提高影像质量 2 2 1 SAR 图像斑点噪声抑制原理 SAR 影像是通过将同一区域的雷达图像叠加而产生的较高分辨率的图像 在这样一个叠加的过程中包括反映地物真实状况的有用信息 也包括相当数量 的相干斑噪声 SAR 影像中的噪声并不独立存在 其不同于通常的加性噪声 与有用信息之间具有统计相关性 分析 SAR 影像的斑点噪声抑制原理和 SAR 影 像的统计分布特征对斑噪抑制算法的研究具有重要意义 假设真实 SAR 图像 带有斑点噪声的 SAR 图像 表示非高斯 R t I t u t 的随机噪声 则有图像 2 1 I tR tu t 式中 为某一空间坐标 tx y 通常得到的影像为 目标影像为 因此 需要求解 是 I t R t u t u t 一个随机变量 对某一确定的 无法得到的确定值 继而无法求得真实的t u t 值 R t 但是 在同质区域内 为常数 可以得到的真实值 R t R t 由于 邻近的个像元有方程组 2 2 n 2 2 111 222 nnn I tR tu t I tR tu t I tR tu t 将式 2 2 中方程组两边分别相加可得式 2 3 2 3 121122 nnn I tI tI tR tu tR tu tR tu t 由于同质区域内是一个常数 故 因此 R t 12 n R tR tR tR 可得 2 4 12 12 n n I tI tI t I t R u tu tu tu t 从式 2 4 可知 通过计算得到同质区域的地物真实值 但是 在类 u tR 似边缘和纹理的非同质区域内 是不固定 随机变化 且变化较大 不易 R t 求解 2 2 2 相干斑噪声抑制方法 大量的散射体随机分布在 SAR 电磁波照射的区域 电磁波 所有散射体反 射的 相干叠加 从而形成了雷达回波 随机分布的斑点噪声在此过程中产生 因此 真实的地面测量值实质上是斑点噪声 由于合成孔径雷达影像相干斑噪 声的影响 降低了 SAR 成像的质量 这对后期处理与应用造成了很大的麻烦 因此 斑点噪声的抑制必不可少 目前主流的抑制斑点噪声方法主要分为两种 1 在成像中进行多视处理 2 在成像后进行相干斑噪声的抑制 18 通过平均处理不同分段的同一合成孔径 从而形成不相干的 SAR 影像 即 多视处理 它可以用来降低斑点噪声 然而影像空间分辨率以及去噪后影像质 量都会因多视处理而降低 目前该方法在植被森林监测 洪涝灾害监测 海洋 油污监测等方面应用比较广泛 但实际中一般采用成像后滤波对相干斑噪声抑 制以满足影像高分辨率的要求 从极化域和空间域对成像后影像进行噪声抑制研究 常用的算法有 不满 足斑点噪声统计特征的中值与均值滤波 满足 SAR 影像统计分布特征的 Lee 和 Frost 滤波 以及为了更好的保留检测地物的纹理信息和边缘特征 根据局部 均匀度和局域方差系数提出的增强型 Frost 滤波 增强型 Lee 滤波 成像后相 干斑噪声抑制弥补了多视处理的缺陷 不仅减弱了斑点噪声的影响 而且尽量 保持了原始图像的纹理信息以及空间分辨率 1 经典滤波方法 1 均值滤波 均值滤波是通过像元邻域内所有像素的灰度平均值代替 o pi jw 的原始灰度值 作为滤波后的结果 o pi j 2 5 so i jw pi jpi jM 均值滤波不足在于减少噪声时也会造成影像分辨率的下降 越大 去除w 噪声的能力越强 图像就越模糊 2 中值滤波 将窗口中的像素灰度值按从小到大排列 选取其排列后的中间值代替滤波 窗口中央的像素值 一般选取 3 3 大小的窗口来处理 中值滤波优点在于算法简单 并且能够较好的保持边缘信息 但平滑效果 不是很理想 2 Lee frost 滤波方法 1 Lee 滤波 Lee 滤波是利用 SAR 影像局部区域的统计分布特征来进行相干斑噪声抑制 的滤波器 Lee 滤波器基于乘性噪声的完全发育模型 将乘性噪声模型 在处进行一阶泰勒级数展开 I tR tu t R u 2 6 I tu t R tR tu tu t 式中 分别为 在 t 附近某邻域内的均值 R t u t R t u t 假定先验方差和均值可由局部的方差和均值得到 根据最小均方差原理可 以得出 Lee 滤波器表示为 2 7 1R tI tW tI tW t 式中 是 SAR 影像匀质区域的变差系数 是 SAR 22 1 uI W tCC u C I C 影像局部区域的变差系数 在匀质区域内 窗口内所有像素点的灰度均值约等于中 Iu CC 0W 心像素点的灰度值 在含有边缘信息的异质检测区域内 比较大 I C1W 中心像元的灰度值基本保持不变 由此可见 在匀质检测区域内 Lee 滤波器 效果较好 在异质检测区域内效果不明显 由于斑点噪声分布的随机性 不能 满足匀质检测区域的前提要求 所以利用 Lee 滤波器进行 SAR 影像的滤波效果 并不理想 2 Frost 滤波 在 SAR 图像乘性噪声模型中考虑脉冲响应 可表示为 h t 2 8 I tR tu th t 式中 意义同上 是 SAR 系统的脉冲响 tx y I t R t u t h t 应 假设图像平稳 带宽有限 为常量 利用最小均方差原理来估算图像 h t 的真实值 这时的非相关乘性噪声模型为 R t 2 9 I tR tu t 另外 假设地物后向散射强度为自回归的变量 相关函数为 R t 2 10 22 exp RR RaR 式中 是局部均方差 是局部均值 是自相关系数 三 R RaR R a 个参数随地物的不同而不同 由最小均方差原理可求得脉冲响应为 2 11 2 exph tKt 式中 是归一化常数 经过简化 22 2 21 ur aauR 2 K 可以表示为 这里是被观测的变化系数 Frost 滤波器 22 I K C II CI 对每个脉冲的响应可改写成 2 12 2 1expI h tKKCt t 式中 是归一化参数 K 是滤波器参数 是从以 为中心的窗口 1 K 0I Ct 0 t 计算得到 3 增强型 Lee Frost 滤波 均值和中值滤波方法在 SAR 影像的滤波效果 均不是非常理想 而假设包 含相干斑噪声的原始影像检测区域为匀质区域的 Lee 和 Frost 滤波器 在影像 不符合前提条件的情况下 滤波效果也不是很好 而由于斑点噪声在 SAR 原始 影像上的随机分布 不能满足检测区域匀质的前提条件 因此通常的 Lee Frost 滤波器不能取得很好的效果 与此同时 匀质检测区域的假设也会 破坏图像有关细节的信息 为了更好地保留细节及边缘信息 1990 年 Lopes 19 总结了理想的 SAR 图像斑噪自适应滤波器应该满足的三个条件 20 在匀质检测区域内 滤波器利用邻域内所有像素的平均值代替原像素的 1 灰度值 得到的结果是像素均值的最小无偏估计 在异质区域内 滤波器在滤除斑点噪声的同时也应该更多的保留图像的 2 纹理和边缘信息 对于一些特殊区域 如高反射区域 斑点噪声的发育不完全区域 区域 3 内的像素点不应该被处理或改变 而应该最大限度地保留下来 为了弥补 Lee Frost 滤波器在 SAR 影像滤波方面的不足 Lopes 提出了增 强型的 Lee Frost 滤波器 下面进行简单的介绍 1 增强型 Lee 滤波 Lee 增强型滤波公式如下 2 13 0 0 000000max 0max 0 1 Iu uI I I t CtC r tI tW tI tW tCCtC CtC I t 式中 D 为衰减因子 00max0 exp IuI W tD CtCCCt 2 增强型 Frost 滤波 增强型 Frost 滤波器 21 的脉冲响应函数表示如下 2 14 10max exp Iu m tKKfunc CtCCt 式中 是递增函数 当 0 当 func 0Iu CtC func 0maxI CtC 故 滤波器的估计值可表示为 func 2 15 00 0max 0 00 I Iu r tI t CtC CtC r tI t 满足上述条件要求的简单函数可以表示成 2 16 0max0 0max 0 0max max 0 IuI uI IIu I CtCCCt CCtC func CCtC CtCfunc C 在使用增强型 Lee 和 Frost 滤波器时 应该注意两点 1 增强型 Lee Frost 滤波器 处理的原始图像为功率图像 当原始图像为幅度图像时 应该首先均值处理原始图像中每一像元的灰度值 滤波处理后 再进行开方运 算 可以得到滤波处理后的结果 2 利用增强型 Lee Frost 滤波器进行滤波 处理时 的值很难确定 随着场景的变化 不同的 SAR 影像 值会发 max C max C 生改变 通常取似然边缘检测中得到的功率图像的上限值 即 max C max 1 2CL 2 2 3 SAR 图像滤波结果评价 由于 SAR 影像相干斑噪声的干扰 影像的成像质量被严重的影响了 SAR 影像利用的前提是通过相干斑抑制算法去除原始影像中的噪声 从而获取真实 影像 而滤波后影像的质量评价同样是一个关键的问题 一般通过定量 定性 两个方面对其滤波结果进行评价 从视觉方面进行评判即定性评价 如果滤波后图像上地物信息易辨认 边 缘信息保持较好 斑噪现象得到抑制 图像纹理清晰 说明滤波结果可靠 但 是单单凭借视觉评判影像效果人为因素太强 说服力不强 不能判断各种滤波 方法之间的优劣 因此 应重点研究定量评价方法 通常 选用以下三方面的指标进行评价 1 图像的均值 方差 2 等效 视数 3 边缘保持指数 1 图像的均值 方差 包含目标的平均后向散射系数图像的均值指整幅图像的平均灰度 均值越 小 滤波结果越可靠 22 通常用归一化均值指数 进行评价 接近于NMNM 1 说明滤波前后的图像之间的均值相差较小 滤波结果可信度高 见式 2 19 图像内像素值偏离均值的程度大小反映了图像区域的方差 平滑结果越好 对应的方差值也越小 同时说明了斑噪抑制效果比较好 假设原图像的大小为 则的均值 标准方差可表示为 I tMN I t I I 2 17 11 1 MN I xy I t MN 2 18 2 11 1 MN II xy I t MN 2 19 1 2 I I u NM u 式中 t x y 为某一空间坐标 NM 是归一化均值指数 uI1 uI2分别为滤 波前后的图像均值 2 等效视数 等效视数 23 EquivalentNumberofLooks ENL 是衡量一幅图像相干斑噪声 相对强度的指标 ENL 越大 表明图像上相干斑噪声越弱 滤波效果越好 ENL 计算式如下 2 20 22 II ENL 式中 分别代表 SAR 图像中某一匀质区域的均值 标准方差 I I 3 边缘保持指数 图像的平滑过程即 SAR 原始影像的滤波过程 在图像平滑的过程中难免有 用的边缘特征信息和纹理信息丢失 因此边缘信息的保持也是评价滤波结果优 劣的一个重要指标 边缘保持指数 Edge Preserve Index 24 公式如下 2 21 12 1 12 1 n RR i n RR i DNDN ESI DNDN 式中 n 为图像像元总个数 为原影像边缘邻接处像元灰度值 1R DN 2R DN 为滤波后边缘邻接处像元灰度值 易得原影像的值为 1 1R DN 2R DNESI 2 3 相干斑噪声抑制试验及结果评估 2 3 1 相干斑噪声抑制试验 相干斑噪声抑制是 SAR 图像变化检测的基础 其结果将直接影响雷达影像定 量及定性分析精度 同时也影响差异影像的构造以及图像分割等处理效果 为 了选取合适的滤波方法 分别采用了均值滤波 中值滤波 lee 滤波 增强型 lee 滤波 frost 滤波 增强型 frost 滤波对图像进行处理 为了使实验结果更具 说服力 本文进行了两组实验 其数据源如下表所示 表 2 1 数据信息 数据来源数据时相波段数量分辨率 m数据特征数据范围 Terrra SAR 2012 04 0212 47纹理信息丰富山东省兖州市 Terrra SAR 2012 09 1412 47纹理信息丰富山东省兖州市 实验一 a 2012 04 02 b 2012 09 14 图 2 6 滤波前原始影像 实验二 a 2012 04 02 b 2012 09 14 图 2 7 滤波前原始影像 所有滤波窗口大小均选用 3 3 frost 与 lee 滤波时 乘性噪声均值设为 1 0 加性噪声均值设为 0 对于增强型 frost 和增强型 lee 滤波 Cu 设为 0 523 为 1 732 阻尼因数设为 1 0 max C 实验一 a 均值滤波 b 中值滤波 c Lee 滤波 d Frost 滤波 e 增强型 Lee 滤波 f 增强型 Frost 滤波 图 2 8 滤波后的影像 2012 04 02 a 均值滤波 b 中值滤波 c Lee 滤波 d Frost 滤波 e 增强型 Lee 滤波 f 增强型 Frost 滤波 图 2 9 滤波后的影像 2012 09 14 实验二 a 均值滤波 b 中值滤波 c Lee 滤波 d Frost 滤波 e 增强型 Lee 滤波 f 增强型 Frost 滤波 图 2 10 滤波后的影像 2012 04 02 a 均值滤波 b 中值滤波 c Lee 滤波 d Frost 滤波 e 增强型 Lee 滤波 f 增强型 Frost 滤波 图 2 11 滤波后的影像 2012 09 14 2 3 2 相干斑噪声抑制结果评估相干斑噪声抑制结果评估 选用方差 Variance 均值 Mean NM 值 归一化均值指数 边缘保持指 数 Edge Preserve Index 等效视数 ENL 五项评价指标对滤波结果进行评价 实验一 表 2 2 Terra SAR 影像滤波结果比较 2012 04 02 滤波方法均值均方差NM 值等效视数 边缘保持指 数 原始影像 82 49750 7971 0002 6371 000 均值滤波 146 80689 6680 5612 6800 218 中值滤波 82 63143 0840 9983 6780 357 Lee 滤波 82 36844 8581 0023 3720 615 Frost 滤波 81 63341 5691 0113 8570 318 增强型 Lee 滤波 82 47341 0901 0004 0290 307 增强型 Frost 滤 波 81 67341 5131 0103 8710 317 表 2 3 Terra SAR 影像滤波结果比较 2012 09 14 滤波方法均值均方差NM 值等效视数 边缘保持指 数 原始影像 89 805 59 591 1 000 2 271 1 000 均值滤波 151 410 88 976 0 593 2 896 0 223 中值滤波 89 694 51 148 1 001 3 075 0 365 Lee 滤波 89 649 53 227 1 002 2 837 0 620 Frost 滤波 88 984 49 671 1 009 3 209 0 325 增强型 Lee 滤波 89 760 49 125 1 001 3 339 0 315 增强型 Frost 滤 波 89 032 49 605 1 009 3 221 0 323 实验二 表 2 4 Terra SAR 影像滤波结果比较 2012 04 02 滤波方法均值均方差NM 值等效视数 边缘保持指 数 原始影像 66 851 32 878 1 000 4 134 1 000 均值滤波 66 547 22 706 1 005 8 590 0 306 中值滤波 66 722 24 191 1 002 7 607 0 350 Lee 滤波 66 744 26 924 1 002 6 145 0 614 Frost 滤波 65 574 23 829 1 019 7 572 0 318 增强型 Lee 滤波 66 824 22 670 1 000 8 689 0 303 增强型 Frost 滤波 65 631 23 758 1 019 7 632 0 317 表 2 5 Terra SAR 影像滤波结果比较 2012 09 14 滤波方法均值均方差NM 值等效视数 边缘保持 指数 原始影像 63 687 35 997 1 000 3 130 1 000 均值滤波 63 421 27 270 1 004 5 409 0 305 中值滤波 63 457 28 124 1 004 5 091 0 347 Lee 滤波 63 589 30 790 1 002 4 265 0 615 Frost 滤波 62 524 28 077 1 019 4 959 0 317 增强型 Lee 滤波 63 661 27 238 1 000 5 462 0 302 增强型 Frost 滤波 62 578 28 015 1 018 4 989 0 315 首先从视觉上来说 各种滤波均对噪声起到了一定的抑制作用 其次从评价 结果上可以更加清楚的了解各种滤波之间的优劣 1 均值反应了整个图像的平均灰度 滤波前后均值差异越小 说明滤波的结 果越真实可靠 由表可知 实验一的均值滤波效果不是很好 而其他几种滤波 效果很接近 其中增强型 lee 滤波与均值滤波与原始影像最接近 2 方差的大小反应了影像中像素对图像均值的偏离程度 方差越小 说明滤 波效果越好 实验一的均值滤波的方差较大 效果不是很好 其他滤波方法的 方差相对于原始图像方差均下降 其中增强型 lee 滤波方差结果最小 效果最 优 3 归一化均值指数 NM 值 反映了与原始影像均值之间的差异 越接近 1 结果越好 通过分析表可得 增强型 lee 滤波最接近 4 等效视数反映了 SAR 图像中相干斑噪声的相对强度 其值越大 噪声现 象越弱 结果越好 由以上表可知 这几种滤波均对噪声起到了一定的抑制作 用 增强型 lee 滤波效果最优 5 图像平滑的过程中会造成边缘信息和纹理特征的丢失 边缘保持指数 EPI 反映了图像边缘受损程度 通过分析表中数据 这几种方法在边缘保持 方面的结果并不理想 其中 Lee 滤波的结果较好 2 4 本章小结本章小结 本章简要介绍了 SAR 图像的成像原理以及其影像特征 并且重点分析了相干 斑噪声的抑制原理与方法 实验比较了均值 中值 Lee Frost 增强型 Lee 增强型 Frost 几种滤波方法 经过一系列评价 最终选定增强型 Lee 滤波 进行后续实验 3 差异影像与阈值分割方法 利用 SAR 影像进行变化检测 需要通过构造差异影像 突出影像中差异区 域 方便提取其分割阈值 再通过一系列算法对其进行提取 选择最优的阈值 从而获得变化与未变化区域 本章从差异影像的构造方法入手 并介绍了阈值 分割算法 为后续试验打下了理论基础 3 13 1 差异影像的构造差异影像的构造方法方法 3 1 1 差值法 图像差值法即将两幅经过预处理的 不同时相的影像逐像元相减 从而生 成由像素差值组成的 含有变化信息的图像 差值法定义为 3 1 3 1 12tt XX 对应于 t1 t2 时刻获得的同一地区影像 为差值结果 理论上 1t X 2t X 不变区域差值为 0 变化区域不为 0 图像差值法构造差异影像比较直观 简单 但由于地物的 同物异谱 和 同谱异物 使得检测精度不高 差 值法可以一定程度的减少阴影 太阳高度角和地形不同的影响 并且对乘 性噪声不敏感 更加适用于 SAR 变化检测 3 1 2 对数比值法 对数比值法即将两幅经过预处理的图像的比值取对数 从而得到差异 影像 采用对数比值法 可将 SAR 影像乘性噪声转换为加性噪声 有利于 SAR 影像的去噪 其定义为 3 2 3 2 1 12 2 loglog LR X XlogXX X 3 1 3 比值法 比值法即将两幅经过预处理的图像进行比值 得到差异影像 其定义为 3 3 1 2 t t X R X 比值法对乘性噪声不敏感 适合于 SAR 影像 但是其对配准精度的要求 更高 会造成信息的大量流失 且生成的图像一般不服从正态分布 将对 后期处理带来困难 3 1 4 图像回归法 图像回归法假定 t1 t2 时刻影像对应的像元灰度值间存在着线性关系 利用线性回归方程可以通过 t1 时像元灰度值预测 t2 时刻影像灰度值 以 此计算真实值与预测值之间的差值 得到两个时相的回归残差影像 其定 义为 3 4 21tt XkXa 2 2tt DXX 式中 k 分别为线性回归函数的常数与系数 为一元线性回归函数的 2t X 预测值 理想情况下 若两个图像上地物没有发生变化 D 0 图像回归法一般用于处理不同时相图像的方差和均值不同的情况 可以 减少太阳高度角的不同和大气影响 相当于对影像进行了一定程度的辐射 校正 但其不足是回归函数的建立有难度 系数很难确定 并且计算量较 大 3 2 图阈值分割方法 3 2 1 最小错误率贝叶斯决策理论 模式分类问题中 人们希望减少分类的错误 按照这样的要求 利用贝 叶斯公式 即可得到错误率最小的分类规则 称之为最小错误率贝叶斯决 策理论 在 SAR 影像变化检测中 可以认为差异影像分为变化与未变化两 类 目的就是为了找出最小错误率的分类方法 从而来区别变化与未变化 的图像像元 分别用和表示差异影像为变化与未变化两类 各自分布的先验概率为 c n 和 随机灰度值分别在和出现的概率记为和 c P n P x c n c P x n P x 称为似然概率密度函数 为差异影像的总概率密度函数 表达式为 P x 3 5 nncc P xP xPP xP 利用贝叶斯公式 3 6 x T kkkk k jk j n c PPTP xT P Px PP xTP x kn c 其中为后验概率 所以 贝叶斯的实质即通过观测 把先验概率 k Px x 转化为后验概率 k P k Px 最小错误率的贝叶斯判别准则为 假若 则把归于未 nc PxPx x 变化类 假若 则把归于变化类 利用贝叶斯理论还可 nc PxPx x 得出几种最小错误率贝叶斯决策准则的等价形式 1 若 则 3 7 1 2 max kkmm m P xPP xP k x 2 若 则 反之 3 8 n c cn P xP l x P xP n x c x 那么最优阈值既满足 3 9 时的 T 值 3 9 nncc P TPP TP 假若似然概率密度函数和的表达式已知或可以通过假设得到 c P x n P x 那么它就能确定一个具有最小错误率的最优阈值 T 从而将影像变化和未变化 的部分区分开 实际应用中 似然概率密度函数往往是未知的 我们通过假设 图像分布模型或样本非参数估计其模型 模拟似然概率密度函数 然后估计其 模型参数 求解阈值 下面 将介绍 Kilter 和 Illingworth 提出的简单阈值选择方法 KI 阈值 算法 并且从不同的分布模型 高斯分布和广义高斯分布来分析 3 2 2 KI 阈值算法 1986 年 Kilter 和 Illingworth 25 提出了基于最小错误率的贝叶斯理论阈值 选取方法 下面将具体介绍如何在差异影像中选取阈值 为了方便 我们假设变化像元只出现在直方图上灰度值大的一边 假设选择的阈值为 T 我们定义 0 11TL A A A c P T c m T c T 来描述变化类和未变化类的先验概率 均值以及方差 其具体公 n P T n m T n T 式如下 3 10 0 T n x P Th x 3 11 0 T x n n xh x m T P T 3 12 2 0 T n x n n xm Th x T P T 3 13 1 cn P TP T 3 14 1 1 L x T c c xh x m T P T 3 15 1 2 L c x T c c xm Th x T P T 我们定义一个准则函数来描述图像上的正确分类性能 J T 3 16 1 0 x c x T