论文部分内容阅读
SAR图像变化检测是通过定量和定性地分析同一地区不同时相的SAR图像,以确定地物变化特征的过程。随着SAR成像技术的发展,SAR图像变化检测已成为国内外学者的研究热点。本论文以同一地区不同时相获取的SAR图像为基础,对SAR图像进行了非平稳分析,展开了对SAR图像变化检测算法相关问题的研究。具体研究内容如下:1.将SAR图像非平稳分析引入到SAR图像变化检测中,研究了一种基于SAR图像非平稳分析与SVM模型的SAR图像变化检测算法。该算法利用TMF算法对SAR图像进行非平稳区域划分,利用SVM模型得出对应于不同平稳区域的二值图像,将所得出的二值图像归并,得到最后的SAR图像变化检测结果,仿真实验结果表明此算法的检测性能优于未考虑SAR图像非平稳性的仅基于SVM模型的SAR图像变化检测算法。2.研究了一种基于SAR图像非平稳分析与CRF模型的SAR图像变化检测算法。该算法模型由一元势能函数与二元势能函数组成:利用上述基于SAR图像非平稳分析与SVM模型的SAR图像变化检测算法得到的类条件概率构造一元势能函数,有效地提高了模型精度;再利用多级逻辑模型构造二元势能函数,具有优越的边界保持性。本算法在考虑SAR图像非平稳性的基础上对后验概率进行建模,能够有效地捕获SAR图像的纹理信息和空间邻域信息。仿真实验结果表明,本算法在抑制噪声的同时能够很好地保持图像的边界信息,获得较高的检测精度,其检测性能优于未考虑SAR图像非平稳性的仅基于CRF模型的SAR图像变化检测算法。3.提出了一种基于SAR图像非平稳分析与HCRF模型的SAR图像变化检测算法。该算法模型采用贝叶斯融合准则将SAR图像数据的统计分布特性融入上述基于SAR图像非平稳分析与CRF模型的SAR图像变化检测算法模型中。算法模型由一元势能函数、二元势能函数和统计分布特性组成。其一元势能函数与二元势能函数的构建方法与上述基于SAR图像非平稳分析与CRF模型的SAR图像变化检测算法的构建方法相同,统计分布特性利用广义伽马模型建模。本算法具有捕获纹理特征信息、空间邻域信息和统计特性这三种信息的能力。仿真实验结果表明,与其它SAR图像变化检测算法相比,此算法能全面地融合SAR图像的信息,抗噪性能优越,鲁棒性和边界保持性好,能得到较优的SAR图像变化检测结果。