基于SAR影像的兗州礦區(qū)變化檢測畢業(yè)設計論文.doc

本科生畢業(yè)設計 論文 題目 姓名 學號 班級 二 一五年六月 基于 SAR 影像的兗州礦區(qū)變化檢測 馬骕 07113019 測繪 11 3 中國礦業(yè)大學畢業(yè)設計任務書 學院 環(huán)境與測繪學院 專業(yè)年級 測繪 11 3 學生姓名 馬骕 任任務務下下達達日日期期 2015 年年 2 月月 25 日日 畢業(yè)設計日期 畢業(yè)設計日期 2015 年年 3 月月 25 日至日至 2015 年年 6 月月 10 日日 畢業(yè)設計題目 畢業(yè)設計題目 基于 SAR 影像的兗州礦區(qū)變化檢測 畢業(yè)設計專題題目 畢業(yè)設計專題題目 基于 SAR 影像的兗州礦區(qū)變化檢測 畢業(yè)設計主要內容和要求 畢業(yè)設計主要內容和要求 1 學習 SAR 相關理論和方法 2 學會使用 SAR 處理軟件 掌握 SAR 數(shù)據處理流程 3 比較分析不同濾波方法的優(yōu)缺點 選取合適的濾波方法 4 學習和掌握 SAR 圖像變化檢測的相關方法 5 進行兗州礦區(qū) SAR 圖像變化檢測試驗 獲得不同時期變化檢 測結果 院長簽字 指導教師簽字 中國礦業(yè)大學畢業(yè)設計指導教師評閱書 指導教師評語 基礎理論及基本技能的掌握 獨立解決實際問題的能力 研究內容的理論依據和技術方法 取得的主要成果及創(chuàng)新點 工作態(tài)度 及工作量 總體評價及建議成績 存在問題 是否同意答辯等 成 績 指導教師簽字 年 月 日 中國礦業(yè)大學畢業(yè)設計評閱教師評閱書 評閱教師評語 選題的意義 基礎理論及基本技能的掌握 綜合運用 所學知識解決實際問題的能力 工作量的大小 取得的主要成果及創(chuàng)新點 寫作的規(guī)范程度 總體評價及建議成績 存在問題 是否同意答辯等 成 績 評閱教師簽字 年 月 日 中國礦業(yè)大學畢業(yè)設計答辯及綜合成績 答 辯 情 況 回 答 問 題 提 出 問 題 正 確 基本 正確 有一 般性 錯誤 有原 則性 錯誤 沒有 回答 答辯委員會評語及建議成績 答辯委員會主任簽字 年 月 日 學院領導小組綜合評定成績 學院領導小組負責人 年 月 日 摘摘 要要 本文通過分析兗州礦區(qū) SAR 影像 對原始影像應用一系列濾波算法 抑制相 干斑噪聲 并通過差值法和對數(shù)比值法構造差異影像 采用廣義高斯模型的 KI 閾值分割算法 得到了分割圖像 同時利用數(shù)學形態(tài)學濾波進行圖像后處理 實現(xiàn)了變化區(qū)域的自動檢測 本文主要成果如下 1 本實驗中 采用增強型 Lee 濾波對原始影像進行相干斑噪聲抑制 其 綜合評價結果最佳 2 采用均值濾波對差值影像以及采用增強型 Lee 濾波對對數(shù)比值影像進 行濾波處理 可以取得較好的效果 3 利用 KI 算法處理不同的差異影像 應該選擇與灰度直方圖相對應的形 狀參數(shù)來進行閾值分割 4 對閾值分割后影像進行數(shù)學形態(tài)學濾波 應該根據影像實際情況選擇 相對應的結構元素 5 檢測出區(qū)域內地物的變化結果 關鍵字 SAR 影像 影像濾波 KI 閾值法 數(shù)學形態(tài)學濾波 變化檢測 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 錄錄 1 緒論 1 1 1 研究背景及意義 1 1 2 SAR 技術及變化檢測國內外研究現(xiàn)狀 1 1 2 1 SAR 技術發(fā)展歷程 1 1 2 2 SAR 變化檢測研究現(xiàn)狀 2 1 3 論文結構安排 2 2 SAR 影像特征及斑點噪聲抑制試驗 4 2 1 SAR 影像的成像原理與影像特征 4 2 1 1 SAR 影像成像原理 4 2 1 2 SAR 影像特征 4 2 2 SAR 影像相干斑噪聲抑制方法 7 2 2 1 SAR 圖像斑點噪聲抑制原理 7 2 2 2 相干斑噪聲抑制方法 8 2 2 3 SAR 圖像濾波結果評價 11 2 3 相干斑噪聲抑制試驗及結果評估 13 2 3 1 相干斑噪聲抑制試驗 13 2 3 2 相干斑噪聲抑制結果評估 16 2 4 本章小結 18 3 差異影像與閾值分割方法 19 3 1 差異影像的構造方法 19 3 1 1 差值法 19 3 1 2 對數(shù)比值法 19 3 1 3 比值法 19 3 1 4 圖像回歸法 20 3 2 圖閾值分割方法 20 3 2 1 最小錯誤率貝葉斯決策理論 20 3 2 2 KI 閾值算法 21 3 2 2 1 基于高斯分布的 KI 閾值法 22 3 2 2 2 基于廣義高斯模型的 KI 閾值法 23 3 3 本章小結 25 4 數(shù)學形態(tài)學濾波方法 26 4 1 形態(tài)學發(fā)展歷程 26 4 2 數(shù)學形態(tài)學基礎介紹 27 4 2 1 數(shù)字圖像的表示 27 4 2 2 集合的相關定義 28 4 2 3 結構元素 28 4 3 二值數(shù)學形態(tài)學 29 4 3 1 二值圖像的膨脹和腐蝕 29 4 3 2 二值圖像的開啟和閉合 30 4 3 3 二值形態(tài)學算子的性質 31 4 4 本章小結 33 5 兗州礦區(qū) SAR 變化檢測實驗 34 5 1 構造差異影像 34 5 2 差異影像濾波與評價 35 5 3 閾值分割與數(shù)學形態(tài)學濾波 41 5 4 精度評定 47 5 5 變化檢測結果分析 48 5 5 1 地物變化分析 48 5 5 2 檢測結果綜合分析 49 5 6 本章小結 50 6 結論與展望 51 6 1 主要工作及結論 51 6 2 展望 51 參考文獻 52 翻譯部分 54 英文原文 54 中文譯文 66 致 謝 75 1 1 緒論 1 1 研究背景及意義 合成孔徑雷達 Synthetic Aperture Radar SAR 是一種主動式高分辨率微波成 像系統(tǒng) 因其具有全天時 全天候 高分辨率的巨大優(yōu)勢而備受青睞 同時由 于 SAR 工作在微波波段 其穿透能力比光學遙感成像系統(tǒng)強 因而更容易識別 偽裝 發(fā)現(xiàn)隱藏在叢林或者一定深度地表下的軍事設施 目前 SAR 已成為軍 事領域中一種重要的傳感器 在軍事偵察和戰(zhàn)區(qū)監(jiān)視中發(fā)揮著至關重要的作用 此外 SAR 技術作為獲取生態(tài)環(huán)境 自然資源和人類活動等時空數(shù)據的重要來 源和技術手段 以及在環(huán)境監(jiān)測 資源探測等領域中的廣泛應用 使得人們對 從 SAR 圖像中提取各種相關專題信息的需求日益提高 極大地推動了 SAR 圖 像處理的研究與應用 隨著我國地理國情監(jiān)測的開展 由于 SAR 全天時 全天 候 高分辨率的特點 采用 SAR 圖像進行變化檢測成為重要手段 研究 SAR 變化檢測相關技術和方法 具有重要的理論和實用價值 1 2 SAR 技術及變化檢測國內外研究現(xiàn)狀 1 2 1 SAR 技術發(fā)展歷程 20 世紀 50 年代 合成孔徑雷達 SAR 技術誕生 其發(fā)展歷程如下 1 1951 年 6 月 美國 Goodyear 航空公司提出了 SAR 最初的思想 即 多普勒 波束銳化 同時 美國 Illinois 大學實驗上驗證了這一概念 并從理論上說 明了 SAR 的原理 1953 年 7 月 首幅非聚焦 SAR 圖像獲得 1957 年 8 月 獲得首幅全聚焦 SAR 影像 標志著 SAR 發(fā)展真正開始 20 世紀 60 年代 SAR 光學處理技術全面發(fā)展 60 年代末 第一個民用雙極 化雙頻機載 SAR 研制成功 20 世紀 70 年代 實現(xiàn)了 SAR 數(shù)字成像 此后 太空時代的到來推動了 SAR 的發(fā)展 1978 年 7 月 NASA 在衛(wèi)星上首次 搭載了合成孔徑雷達 進行了地球測繪 中國在 SAR 技術方面也取得了巨大的 收獲 1979 年 中科院獲得了第一批雷達影像 1987 年 完成了 機載多極化多條帶 SAR 項目 1990 年 SAR 機地實時傳輸系統(tǒng)研制成功 1994 年 完成 機載實時成像器 項目 863 計劃 使機載雷達服務 于民用遙感 自 1980 年代末以來 國家完成了對星載 SAR 的應用研究 并開拓了其應用 前景 我國 SAR 技術發(fā)展更上一層 1 2 2 SAR 變化檢測研究現(xiàn)狀 初期 學者們主要研究了 SAR 變化檢測精度的影響因素 J Cihlar 等 2 利 用 SAR 數(shù)據研究了完整季節(jié)周期的地表水覆蓋和植被變化情況 并指出相對準 確的水文氣象數(shù)據和精確的幾何校正是變化檢測的關鍵 Dai 和 Khorran 3 連續(xù) 對一幅多頻譜圖像進行變換 利用圖像差值法進行變化檢測 得出結論 配準 精度的高低直接影響到變化檢測的結果 要保證變化檢測的精度高于 90 配 準誤差不得超過 1 5 個像素 R J Dekker 4 發(fā)現(xiàn)變化檢測的精度被噪聲嚴重影響 對 SAR 影像進行對數(shù)縮放可以達到減弱噪聲的效果 周旭等 5 在研究中總結到 所有影響到 SAR 影像成像質量的因素必然影響到變化檢測的精度 在此基礎上 基于 SAR 圖像變化檢測的應用領域逐漸成為國內外學者研 究的重點 早期的變化檢測主要是從 SAR 圖像的對象級和像素級入手 Villasenor 6 提出了通過差值計算兩時相 ERS 1 SAR 影像的雷達后向散射強度來 檢測阿拉斯加北坡的土地利用變化情況 并證明方法有效 Rignot 7 等鑒于多視 SAR 影像服從 Gamma 分布 SAR 成像過程中由于回波干涉造成的輻射測量誤 差可以由比值算法消除 從而證明了比值法更適合于多時相 SAR 影像的變化檢 測 廖明生 8 利用多時相 SAR 影像的比值圖像以及相關系數(shù)組成的二維圖像進 行變化檢測 證明此方法比用單一方法檢測更加有效 此外 White 9 在深入研 究 SAR 影像的斑點噪聲以及配準算法的基礎上 基于圖像分割思想 利用神 經元網絡進行對象識別以達到變化檢測的目的 Francesca 10 首先對兩時相的 SAR 影像分別進行分割 再利用距離測度確定變換圖像 設定閾值進行變化檢 測 Craves 11 在對影像進行分割的基礎上 利用圖像疊加進行變化檢測 張輝 等 12 13 將兩時相 SAR 影像合成一個矩陣 利用主成分分析法進行分解 分解 后的次要分量代表圖像的變化信息 另外 小波算法在變化檢測中也占有重要 的地位 李杰 任競穎 22 提出一種基于小波變換的多尺度融合檢測方法 提高 了變化區(qū)域邊界像素檢測的準確性 黃世奇等 14 提出了基于小波變換的雙閾值 TWT SAR 圖像變化檢測算法 利用期望最大 EM 算法產生雙閾值 試驗證明 方法有效 辛芳芳等 15 利用小波域 Fisher 分類器進行 SAR 影像的變化檢測研究 利用聯(lián)合灰度直方圖的分布特性進行判別代替以往的 SAR 影像分布假設 取得 較好的變化檢測結果 1 3 論文結構安排 本文共分為六章 具體章節(jié)內容如下 第一章 緒論 介紹了合成孔徑雷達的研究背景 應用領域及 SAR 變化 檢測的國內外研究現(xiàn)狀 并以此為依據提出了論文結構安排 第二章 SAR 影像特征及斑點噪聲抑制試驗 簡要介紹了合成孔徑雷達成 像原理 并介紹了 SAR 成像特征 如空間分辨率特征 紋理特征 斑噪特征 幾何特征 主要介紹了斑點噪聲的抑制原理以及抑制方法 最后介紹了抑制 結果的評價標準 第三章 差值影像與閾值分割方法 主要介紹了差異影像的構造 如差值 法 比值法 圖像回歸法 對數(shù)比值法 還介紹了基于最小錯誤率的貝葉斯 理論 著重介紹了 KI 閾值算法 分別從基于高斯分布和基于廣義高斯分布來 論述 第四章 數(shù)學形態(tài)學濾波方法 簡要介紹了形態(tài)學濾波的發(fā)展歷史 主要從 其在圖像中的應用介紹 介紹了二值數(shù)學形態(tài)學的膨脹 腐蝕 開啟 閉合 運算 第五章 兗州礦區(qū) SAR 變化檢測實驗 對同一地區(qū) 不同時相的 SAR 圖像進 行預處理 構造差值影像 利用廣義高斯模型的 KI 閾值分割算法對圖像進行 閾值分割 對分割后的圖像進行形態(tài)學濾波 最后把得出結果與真實變化圖 比較 分析精度 得出結論 第六章 結論與展望 闡述實驗得出的結論 并簡要介紹今后將要繼續(xù)努力 的方向 論文研究流程圖 2 SAR 影像特征及斑點噪聲抑制試驗 SAR 影像獲取與傳統(tǒng)遙感影像不同 具有特殊的影像特征 本章從其分辨 率 幾何 紋理特征來介紹 并通過多種濾波方法消除噪聲 對其結果利用多 種指標進行評價 2 1 SAR 影像的成像原理與影像特征 2 1 1 SAR 影像成像原理 合成孔徑雷達 SAR 是一種相干成像系統(tǒng) 能夠全天候 全天時不受任何天 氣條件限制的實現(xiàn)對地觀測 SAR 采用合成孔徑技術 依靠物理上的星載天線 利用多普勒效應獲得每個發(fā)射脈沖位置上相應的相位歷程 經地面相干成像處 理實現(xiàn)方位向的高分辨率 如圖 2 1 圖 2 1SAR 成像幾何示意圖 在機載正側視條帶工作方式下 傳感器平臺沿與地面平行的方向勻速直線 前進 同時 以一定的角度等頻率地發(fā)射電磁波 接收回波 從而在地面形成 條形掃面帶 稱為測繪帶 測繪帶內的地物就是雷達的成像目標 然后通過合 成孔徑原理和脈沖壓縮技術得到目標影像 2 1 2 SAR 影像特征 1 空間分辨特征 SAR 影像分辨率根據與航線所成方向可以分為 平行于航線方向的方位向 分辨率 以及垂直于航線方向的距離向分辨率 1 方位向分辨率 方位向分辨率是指在航向方向上可區(qū)分的兩點之間的最小距離 17 如圖 2 2 圖 2 2 方位向分辨率分析圖 2 距離向分辨率 距離向分辨率是指在距離向上可以分辨的兩點之間的最小距離 如圖 2 3 圖 2 3 距離向分辨率分析圖 雷達影像的地面分辨單元面積約等于距離向分辨率乘以方位向分辨率 一 般不論距離向分辨率和方位向分辨率大小分別是多少 只要其乘積相同 雷達 影像的最終解譯效果就基本相同 2 幾何特征 SAR 影像不同于光學影像的獲取方式和成像原理 使其影像本身與光學影 像之間存在著很多不同的幾何特征 SAR 影像反映的是信號的回波特性 回波 的強弱決定了影像上灰度值的高低 SAR 影像的幾何特征主要表現(xiàn)在四個方面 斜距成像 陰影影響 透視收縮以及疊掩倒置 圖 2 4 地形引起的 SAR 圖像幾何特性 1 斜距成像 合成孔徑雷達在距離向上斜距成像 SAR 影像為天線中心與目標點之間距 離的斜距投影 由于目標點在距離向上的相對距離與實地距離之間的比例關系 是一個可變的量 相同大小的物體距天線垂直距離的不同導致其在影像上呈現(xiàn) 出來的尺寸也不同 近地點的地物會被壓縮 遠地點的地物會被拉長 這就導 致了影像上會產生不均勻的畸變 而光學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況下 地物與影像之間具有相似性 不考慮由于其他因 素造成的圖像畸變 不會產生由于成像方式而導致的圖像變形 2 陰影影響 由于天線發(fā)射的電磁波沿直線傳播 當遇到高山這樣的障礙物時 電磁波 就被擋住 使障礙物背后的一段區(qū)域不能被電磁波照射 也就不能產生回波 反映在圖像上將出現(xiàn)一片黑色 稱為陰影 3 透視收縮 雷達影像的透視收縮是指 當雷達波束照射到斜面上時 影像上所量斜面 的頂?shù)拙嚯x要比實際的水平距離小 也就是斜面的實際長度被縮短了 雷達影 像的透視收縮是電磁波能量集中的體現(xiàn) 通常情況下 斜坡的前坡比后坡收縮 嚴重 底部比頂部收縮嚴重 在影像上 收縮較嚴重的地方圖像較亮 4 疊掩 疊掩可以視為透視收縮的極端情況 當?shù)孛嫫露容^大時 地距遠的目標的 斜距小與或等于地距近的目標的斜距 在圖像上表現(xiàn)為兩個或兩個以上的目標 點成為一個像元 由于回波信號的疊加 疊掩區(qū)的雷達影像一般較亮 3 紋理特征 SAR 影像含有豐富的紋理信息 即使在相干斑噪聲存在的情況下也具有一 定的統(tǒng)計規(guī)律 紋理信息大體可以分為三類 大紋理 中等紋理和微紋理 大 紋理表現(xiàn)了地形的結構特征 是解譯地質和地貌的關鍵因素 中等紋理和微紋 理是以分辨單元為尺度來表現(xiàn)空間色調變化的 不同的是微紋理以單個分辨單 元作為尺度 其表現(xiàn)力取決于雷達影像固有的光斑特性 而中等紋理是以多個 分辨單元作為尺度的 反映了地物內部的結構 個體的空間分布 4 斑噪特征 合成孔徑雷達通過對連續(xù)的雷達脈沖回波相干成像 因此在 SAR 影像上不 可避免的存在相干斑噪聲 對于 SAR 系統(tǒng)而言 其分辨單元遠遠大于發(fā)射信號 的波長 因此每個分辨單元可以看成是由許多大小 波長相近的散射點組成的 單位分辨單元的總回波可看成是該單元內各散射點回波的相干疊加 圖 2 5 也就是說回波強度圖中每個像素都是目標區(qū)域散射體回波強度的矢量疊加和 由于每個子回波都有獨立的振幅和相位 隨著傳感器的移動 振幅和相位隨之 變化 在矢量求和時 振幅之間相互疊加或相互抵消 使得總回波強度與子回 波平均強度之間存在偏差 致使 SAR 影像上的同質區(qū)域灰度分布不均 出現(xiàn)亮 斑 把這種斑點噪聲稱為相干斑噪聲 V 圖 2 5 每一分辨單元的回波是很多散射體回波的矢量疊加 2 2 SAR 影像相干斑噪聲抑制方法 SAR 影像相干斑噪聲 會影響影響質量 對于影像的地物識別 后期處理 造成了一定的干擾 須通過抑制其噪聲來提高影像質量 2 2 1 SAR 圖像斑點噪聲抑制原理 SAR 影像是通過將同一區(qū)域的雷達圖像疊加而產生的較高分辨率的圖像 在這樣一個疊加的過程中包括反映地物真實狀況的有用信息 也包括相當數(shù)量 的相干斑噪聲 SAR 影像中的噪聲并不獨立存在 其不同于通常的加性噪聲 與有用信息之間具有統(tǒng)計相關性 分析 SAR 影像的斑點噪聲抑制原理和 SAR 影 像的統(tǒng)計分布特征對斑噪抑制算法的研究具有重要意義 假設真實 SAR 圖像 帶有斑點噪聲的 SAR 圖像 表示非高斯 R t I t u t 的隨機噪聲 則有圖像 2 1 I tR tu t 式中 為某一空間坐標 tx y 通常得到的影像為 目標影像為 因此 需要求解 是 I t R t u t u t 一個隨機變量 對某一確定的 無法得到的確定值 繼而無法求得真實的t u t 值 R t 但是 在同質區(qū)域內 為常數(shù) 可以得到的真實值 R t R t 由于 鄰近的個像元有方程組 2 2 n 2 2 111 222 nnn I tR tu t I tR tu t I tR tu t 將式 2 2 中方程組兩邊分別相加可得式 2 3 2 3 121122 nnn I tI tI tR tu tR tu tR tu t 由于同質區(qū)域內是一個常數(shù) 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 從式 2 4 可知 通過計算得到同質區(qū)域的地物真實值 但是 在類 u tR 似邊緣和紋理的非同質區(qū)域內 是不固定 隨機變化 且變化較大 不易 R t 求解 2 2 2 相干斑噪聲抑制方法 大量的散射體隨機分布在 SAR 電磁波照射的區(qū)域 電磁波 所有散射體反 射的 相干疊加 從而形成了雷達回波 隨機分布的斑點噪聲在此過程中產生 因此 真實的地面測量值實質上是斑點噪聲 由于合成孔徑雷達影像相干斑噪 聲的影響 降低了 SAR 成像的質量 這對后期處理與應用造成了很大的麻煩 因此 斑點噪聲的抑制必不可少 目前主流的抑制斑點噪聲方法主要分為兩種 1 在成像中進行多視處理 2 在成像后進行相干斑噪聲的抑制 18 通過平均處理不同分段的同一合成孔徑 從而形成不相干的 SAR 影像 即 多視處理 它可以用來降低斑點噪聲 然而影像空間分辨率以及去噪后影像質 量都會因多視處理而降低 目前該方法在植被森林監(jiān)測 洪澇災害監(jiān)測 海洋 油污監(jiān)測等方面應用比較廣泛 但實際中一般采用成像后濾波對相干斑噪聲抑 制以滿足影像高分辨率的要求 從極化域和空間域對成像后影像進行噪聲抑制研究 常用的算法有 不滿 足斑點噪聲統(tǒng)計特征的中值與均值濾波 滿足 SAR 影像統(tǒng)計分布特征的 Lee 和 Frost 濾波 以及為了更好的保留檢測地物的紋理信息和邊緣特征 根據局部 均勻度和局域方差系數(shù)提出的增強型 Frost 濾波 增強型 Lee 濾波 成像后相 干斑噪聲抑制彌補了多視處理的缺陷 不僅減弱了斑點噪聲的影響 而且盡量 保持了原始圖像的紋理信息以及空間分辨率 1 經典濾波方法 1 均值濾波 均值濾波是通過像元鄰域內所有像素的灰度平均值代替 o pi jw 的原始灰度值 作為濾波后的結果 o pi j 2 5 so i jw pi jpi jM 均值濾波不足在于減少噪聲時也會造成影像分辨率的下降 越大 去除w 噪聲的能力越強 圖像就越模糊 2 中值濾波 將窗口中的像素灰度值按從小到大排列 選取其排列后的中間值代替濾波 窗口中央的像素值 一般選取 3 3 大小的窗口來處理 中值濾波優(yōu)點在于算法簡單 并且能夠較好的保持邊緣信息 但平滑效果 不是很理想 2 Lee frost 濾波方法 1 Lee 濾波 Lee 濾波是利用 SAR 影像局部區(qū)域的統(tǒng)計分布特征來進行相干斑噪聲抑制 的濾波器 Lee 濾波器基于乘性噪聲的完全發(fā)育模型 將乘性噪聲模型 在處進行一階泰勒級數(shù)展開 I tR tu t R u 2 6 I tu t R tR tu tu t 式中 分別為 在 t 附近某鄰域內的均值 R t u t R t u t 假定先驗方差和均值可由局部的方差和均值得到 根據最小均方差原理可 以得出 Lee 濾波器表示為 2 7 1R tI tW tI tW t 式中 是 SAR 影像勻質區(qū)域的變差系數(shù) 是 SAR 22 1 uI W tCC u C I C 影像局部區(qū)域的變差系數(shù) 在勻質區(qū)域內 窗口內所有像素點的灰度均值約等于中 Iu CC 0W 心像素點的灰度值 在含有邊緣信息的異質檢測區(qū)域內 比較大 I C1W 中心像元的灰度值基本保持不變 由此可見 在勻質檢測區(qū)域內 Lee 濾波器 效果較好 在異質檢測區(qū)域內效果不明顯 由于斑點噪聲分布的隨機性 不能 滿足勻質檢測區(qū)域的前提要求 所以利用 Lee 濾波器進行 SAR 影像的濾波效果 并不理想 2 Frost 濾波 在 SAR 圖像乘性噪聲模型中考慮脈沖響應 可表示為 h t 2 8 I tR tu th t 式中 意義同上 是 SAR 系統(tǒng)的脈沖響 tx y I t R t u t h t 應 假設圖像平穩(wěn) 帶寬有限 為常量 利用最小均方差原理來估算圖像 h t 的真實值 這時的非相關乘性噪聲模型為 R t 2 9 I tR tu t 另外 假設地物后向散射強度為自回歸的變量 相關函數(shù)為 R t 2 10 22 exp RR RaR 式中 是局部均方差 是局部均值 是自相關系數(shù) 三 R RaR R a 個參數(shù)隨地物的不同而不同 由最小均方差原理可求得脈沖響應為 2 11 2 exph tKt 式中 是歸一化常數(shù) 經過簡化 22 2 21 ur aauR 2 K 可以表示為 這里是被觀測的變化系數(shù) Frost 濾波器 22 I K C II CI 對每個脈沖的響應可改寫成 2 12 2 1expI h tKKCt t 式中 是歸一化參數(shù) K 是濾波器參數(shù) 是從以 為中心的窗口 1 K 0I Ct 0 t 計算得到 3 增強型 Lee Frost 濾波 均值和中值濾波方法在 SAR 影像的濾波效果 均不是非常理想 而假設包 含相干斑噪聲的原始影像檢測區(qū)域為勻質區(qū)域的 Lee 和 Frost 濾波器 在影像 不符合前提條件的情況下 濾波效果也不是很好 而由于斑點噪聲在 SAR 原始 影像上的隨機分布 不能滿足檢測區(qū)域勻質的前提條件 因此通常的 Lee Frost 濾波器不能取得很好的效果 與此同時 勻質檢測區(qū)域的假設也會 破壞圖像有關細節(jié)的信息 為了更好地保留細節(jié)及邊緣信息 1990 年 Lopes 19 總結了理想的 SAR 圖像斑噪自適應濾波器應該滿足的三個條件 20 在勻質檢測區(qū)域內 濾波器利用鄰域內所有像素的平均值代替原像素的 1 灰度值 得到的結果是像素均值的最小無偏估計 在異質區(qū)域內 濾波器在濾除斑點噪聲的同時也應該更多的保留圖像的 2 紋理和邊緣信息 對于一些特殊區(qū)域 如高反射區(qū)域 斑點噪聲的發(fā)育不完全區(qū)域 區(qū)域 3 內的像素點不應該被處理或改變 而應該最大限度地保留下來 為了彌補 Lee Frost 濾波器在 SAR 影像濾波方面的不足 Lopes 提出了增 強型的 Lee Frost 濾波器 下面進行簡單的介紹 1 增強型 Lee 濾波 Lee 增強型濾波公式如下 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 為衰減因子 00max0 exp IuI W tD CtCCCt 2 增強型 Frost 濾波 增強型 Frost 濾波器 21 的脈沖響應函數(shù)表示如下 2 14 10max exp Iu m tKKfunc CtCCt 式中 是遞增函數(shù) 當 0 當 func 0Iu CtC func 0maxI CtC 故 濾波器的估計值可表示為 func 2 15 00 0max 0 00 I Iu r tI t CtC CtC r tI t 滿足上述條件要求的簡單函數(shù)可以表示成 2 16 0max0 0max 0 0max max 0 IuI uI IIu I CtCCCt CCtC func CCtC CtCfunc C 在使用增強型 Lee 和 Frost 濾波器時 應該注意兩點 1 增強型 Lee Frost 濾波器 處理的原始圖像為功率圖像 當原始圖像為幅度圖像時 應該首先均值處理原始圖像中每一像元的灰度值 濾波處理后 再進行開方運 算 可以得到濾波處理后的結果 2 利用增強型 Lee Frost 濾波器進行濾波 處理時 的值很難確定 隨著場景的變化 不同的 SAR 影像 值會發(fā) max C max C 生改變 通常取似然邊緣檢測中得到的功率圖像的上限值 即 max C max 1 2CL 2 2 3 SAR 圖像濾波結果評價 由于 SAR 影像相干斑噪聲的干擾 影像的成像質量被嚴重的影響了 SAR 影像利用的前提是通過相干斑抑制算法去除原始影像中的噪聲 從而獲取真實 影像 而濾波后影像的質量評價同樣是一個關鍵的問題 一般通過定量 定性 兩個方面對其濾波結果進行評價 從視覺方面進行評判即定性評價 如果濾波后圖像上地物信息易辨認 邊 緣信息保持較好 斑噪現(xiàn)象得到抑制 圖像紋理清晰 說明濾波結果可靠 但 是單單憑借視覺評判影像效果人為因素太強 說服力不強 不能判斷各種濾波 方法之間的優(yōu)劣 因此 應重點研究定量評價方法 通常 選用以下三方面的指標進行評價 1 圖像的均值 方差 2 等效 視數(shù) 3 邊緣保持指數(shù) 1 圖像的均值 方差 包含目標的平均后向散射系數(shù)圖像的均值指整幅圖像的平均灰度 均值越 小 濾波結果越可靠 22 通常用歸一化均值指數(shù) 進行評價 接近于NMNM 1 說明濾波前后的圖像之間的均值相差較小 濾波結果可信度高 見式 2 19 圖像內像素值偏離均值的程度大小反映了圖像區(qū)域的方差 平滑結果越好 對應的方差值也越小 同時說明了斑噪抑制效果比較好 假設原圖像的大小為 則的均值 標準方差可表示為 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 為某一空間坐標 NM 是歸一化均值指數(shù) uI1 uI2分別為濾 波前后的圖像均值 2 等效視數(shù) 等效視數(shù) 23 EquivalentNumberofLooks ENL 是衡量一幅圖像相干斑噪聲 相對強度的指標 ENL 越大 表明圖像上相干斑噪聲越弱 濾波效果越好 ENL 計算式如下 2 20 22 II ENL 式中 分別代表 SAR 圖像中某一勻質區(qū)域的均值 標準方差 I I 3 邊緣保持指數(shù) 圖像的平滑過程即 SAR 原始影像的濾波過程 在圖像平滑的過程中難免有 用的邊緣特征信息和紋理信息丟失 因此邊緣信息的保持也是評價濾波結果優(yōu) 劣的一個重要指標 邊緣保持指數(shù) 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 為圖像像元總個數(shù) 為原影像邊緣鄰接處像元灰度值 1R DN 2R DN 為濾波后邊緣鄰接處像元灰度值 易得原影像的值為 1 1R DN 2R DNESI 2 3 相干斑噪聲抑制試驗及結果評估 2 3 1 相干斑噪聲抑制試驗 相干斑噪聲抑制是 SAR 圖像變化檢測的基礎 其結果將直接影響雷達影像定 量及定性分析精度 同時也影響差異影像的構造以及圖像分割等處理效果 為 了選取合適的濾波方法 分別采用了均值濾波 中值濾波 lee 濾波 增強型 lee 濾波 frost 濾波 增強型 frost 濾波對圖像進行處理 為了使實驗結果更具 說服力 本文進行了兩組實驗 其數(shù)據源如下表所示 表 2 1 數(shù)據信息 數(shù)據來源數(shù)據時相波段數(shù)量分辨率 m數(shù)據特征數(shù)據范圍 Terrra SAR 2012 04 0212 47紋理信息豐富山東省兗州市 Terrra SAR 2012 09 1412 47紋理信息豐富山東省兗州市 實驗一 a 2012 04 02 b 2012 09 14 圖 2 6 濾波前原始影像 實驗二 a 2012 04 02 b 2012 09 14 圖 2 7 濾波前原始影像 所有濾波窗口大小均選用 3 3 frost 與 lee 濾波時 乘性噪聲均值設為 1 0 加性噪聲均值設為 0 對于增強型 frost 和增強型 lee 濾波 Cu 設為 0 523 為 1 732 阻尼因數(shù)設為 1 0 max C 實驗一 a 均值濾波 b 中值濾波 c Lee 濾波 d Frost 濾波 e 增強型 Lee 濾波 f 增強型 Frost 濾波 圖 2 8 濾波后的影像 2012 04 02 a 均值濾波 b 中值濾波 c Lee 濾波 d Frost 濾波 e 增強型 Lee 濾波 f 增強型 Frost 濾波 圖 2 9 濾波后的影像 2012 09 14 實驗二 a 均值濾波 b 中值濾波 c Lee 濾波 d Frost 濾波 e 增強型 Lee 濾波 f 增強型 Frost 濾波 圖 2 10 濾波后的影像 2012 04 02 a 均值濾波 b 中值濾波 c Lee 濾波 d Frost 濾波 e 增強型 Lee 濾波 f 增強型 Frost 濾波 圖 2 11 濾波后的影像 2012 09 14 2 3 2 相干斑噪聲抑制結果評估相干斑噪聲抑制結果評估 選用方差 Variance 均值 Mean NM 值 歸一化均值指數(shù) 邊緣保持指 數(shù) Edge Preserve Index 等效視數(shù) ENL 五項評價指標對濾波結果進行評價 實驗一 表 2 2 Terra SAR 影像濾波結果比較 2012 04 02 濾波方法均值均方差NM 值等效視數(shù) 邊緣保持指 數(shù) 原始影像 82 49750 7971 0002 6371 000 均值濾波 146 80689 6680 5612 6800 218 中值濾波 82 63143 0840 9983 6780 357 Lee 濾波 82 36844 8581 0023 3720 615 Frost 濾波 81 63341 5691 0113 8570 318 增強型 Lee 濾波 82 47341 0901 0004 0290 307 增強型 Frost 濾 波 81 67341 5131 0103 8710 317 表 2 3 Terra SAR 影像濾波結果比較 2012 09 14 濾波方法均值均方差NM 值等效視數(shù) 邊緣保持指 數(shù) 原始影像 89 805 59 591 1 000 2 271 1 000 均值濾波 151 410 88 976 0 593 2 896 0 223 中值濾波 89 694 51 148 1 001 3 075 0 365 Lee 濾波 89 649 53 227 1 002 2 837 0 620 Frost 濾波 88 984 49 671 1 009 3 209 0 325 增強型 Lee 濾波 89 760 49 125 1 001 3 339 0 315 增強型 Frost 濾 波 89 032 49 605 1 009 3 221 0 323 實驗二 表 2 4 Terra SAR 影像濾波結果比較 2012 04 02 濾波方法均值均方差NM 值等效視數(shù) 邊緣保持指 數(shù) 原始影像 66 851 32 878 1 000 4 134 1 000 均值濾波 66 547 22 706 1 005 8 590 0 306 中值濾波 66 722 24 191 1 002 7 607 0 350 Lee 濾波 66 744 26 924 1 002 6 145 0 614 Frost 濾波 65 574 23 829 1 019 7 572 0 318 增強型 Lee 濾波 66 824 22 670 1 000 8 689 0 303 增強型 Frost 濾波 65 631 23 758 1 019 7 632 0 317 表 2 5 Terra SAR 影像濾波結果比較 2012 09 14 濾波方法均值均方差NM 值等效視數(shù) 邊緣保持 指數(shù) 原始影像 63 687 35 997 1 000 3 130 1 000 均值濾波 63 421 27 270 1 004 5 409 0 305 中值濾波 63 457 28 124 1 004 5 091 0 347 Lee 濾波 63 589 30 790 1 002 4 265 0 615 Frost 濾波 62 524 28 077 1 019 4 959 0 317 增強型 Lee 濾波 63 661 27 238 1 000 5 462 0 302 增強型 Frost 濾波 62 578 28 015 1 018 4 989 0 315 首先從視覺上來說 各種濾波均對噪聲起到了一定的抑制作用 其次從評價 結果上可以更加清楚的了解各種濾波之間的優(yōu)劣 1 均值反應了整個圖像的平均灰度 濾波前后均值差異越小 說明濾波的結 果越真實可靠 由表可知 實驗一的均值濾波效果不是很好 而其他幾種濾波 效果很接近 其中增強型 lee 濾波與均值濾波與原始影像最接近 2 方差的大小反應了影像中像素對圖像均值的偏離程度 方差越小 說明濾 波效果越好 實驗一的均值濾波的方差較大 效果不是很好 其他濾波方法的 方差相對于原始圖像方差均下降 其中增強型 lee 濾波方差結果最小 效果最 優(yōu) 3 歸一化均值指數(shù) NM 值 反映了與原始影像均值之間的差異 越接近 1 結果越好 通過分析表可得 增強型 lee 濾波最接近 4 等效視數(shù)反映了 SAR 圖像中相干斑噪聲的相對強度 其值越大 噪聲現(xiàn) 象越弱 結果越好 由以上表可知 這幾種濾波均對噪聲起到了一定的抑制作 用 增強型 lee 濾波效果最優(yōu) 5 圖像平滑的過程中會造成邊緣信息和紋理特征的丟失 邊緣保持指數(shù) EPI 反映了圖像邊緣受損程度 通過分析表中數(shù)據 這幾種方法在邊緣保持 方面的結果并不理想 其中 Lee 濾波的結果較好 2 4 本章小結本章小結 本章簡要介紹了 SAR 圖像的成像原理以及其影像特征 并且重點分析了相干 斑噪聲的抑制原理與方法 實驗比較了均值 中值 Lee Frost 增強型 Lee 增強型 Frost 幾種濾波方法 經過一系列評價 最終選定增強型 Lee 濾波 進行后續(xù)實驗 3 差異影像與閾值分割方法 利用 SAR 影像進行變化檢測 需要通過構造差異影像 突出影像中差異區(qū) 域 方便提取其分割閾值 再通過一系列算法對其進行提取 選擇最優(yōu)的閾值 從而獲得變化與未變化區(qū)域 本章從差異影像的構造方法入手 并介紹了閾值 分割算法 為后續(xù)試驗打下了理論基礎 3 13 1 差異影像的構造差異影像的構造方法方法 3 1 1 差值法 圖像差值法即將兩幅經過預處理的 不同時相的影像逐像元相減 從而生 成由像素差值組成的 含有變化信息的圖像 差值法定義為 3 1 3 1 12tt XX 對應于 t1 t2 時刻獲得的同一地區(qū)影像 為差值結果 理論上 1t X 2t X 不變區(qū)域差值為 0 變化區(qū)域不為 0 圖像差值法構造差異影像比較直觀 簡單 但由于地物的 同物異譜 和 同譜異物 使得檢測精度不高 差 值法可以一定程度的減少陰影 太陽高度角和地形不同的影響 并且對乘 性噪聲不敏感 更加適用于 SAR 變化檢測 3 1 2 對數(shù)比值法 對數(shù)比值法即將兩幅經過預處理的圖像的比值取對數(shù) 從而得到差異 影像 采用對數(shù)比值法 可將 SAR 影像乘性噪聲轉換為加性噪聲 有利于 SAR 影像的去噪 其定義為 3 2 3 2 1 12 2 loglog LR X XlogXX X 3 1 3 比值法 比值法即將兩幅經過預處理的圖像進行比值 得到差異影像 其定義為 3 3 1 2 t t X R X 比值法對乘性噪聲不敏感 適合于 SAR 影像 但是其對配準精度的要求 更高 會造成信息的大量流失 且生成的圖像一般不服從正態(tài)分布 將對 后期處理帶來困難 3 1 4 圖像回歸法 圖像回歸法假定 t1 t2 時刻影像對應的像元灰度值間存在著線性關系 利用線性回歸方程可以通過 t1 時像元灰度值預測 t2 時刻影像灰度值 以 此計算真實值與預測值之間的差值 得到兩個時相的回歸殘差影像 其定 義為 3 4 21tt XkXa 2 2tt DXX 式中 k 分別為線性回歸函數(shù)的常數(shù)與系數(shù) 為一元線性回歸函數(shù)的 2t X 預測值 理想情況下 若兩個圖像上地物沒有發(fā)生變化 D 0 圖像回歸法一般用于處理不同時相圖像的方差和均值不同的情況 可以 減少太陽高度角的不同和大氣影響 相當于對影像進行了一定程度的輻射 校正 但其不足是回歸函數(shù)的建立有難度 系數(shù)很難確定 并且計算量較 大 3 2 圖閾值分割方法 3 2 1 最小錯誤率貝葉斯決策理論 模式分類問題中 人們希望減少分類的錯誤 按照這樣的要求 利用貝 葉斯公式 即可得到錯誤率最小的分類規(guī)則 稱之為最小錯誤率貝葉斯決 策理論 在 SAR 影像變化檢測中 可以認為差異影像分為變化與未變化兩 類 目的就是為了找出最小錯誤率的分類方法 從而來區(qū)別變化與未變化 的圖像像元 分別用和表示差異影像為變化與未變化兩類 各自分布的先驗概率為 c n 和 隨機灰度值分別在和出現(xiàn)的概率記為和 c P n P x c n c P x n P x 稱為似然概率密度函數(shù) 為差異影像的總概率密度函數(shù) 表達式為 P x 3 5 nncc P xP xPP xP 利用貝葉斯公式 3 6 x T kkkk k jk j n c PPTP xT P Px PP xTP x kn c 其中為后驗概率 所以 貝葉斯的實質即通過觀測 把先驗概率 k Px x 轉化為后驗概率 k P k Px 最小錯誤率的貝葉斯判別準則為 假若 則把歸于未 nc PxPx x 變化類 假若 則把歸于變化類 利用貝葉斯理論還可 nc PxPx x 得出幾種最小錯誤率貝葉斯決策準則的等價形式 1 若 則 3 7 1 2 max kkmm m P xPP xP k x 2 若 則 反之 3 8 n c cn P xP l x P xP n x c x 那么最優(yōu)閾值既滿足 3 9 時的 T 值 3 9 nncc P TPP TP 假若似然概率密度函數(shù)和的表達式已知或可以通過假設得到 c P x n P x 那么它就能確定一個具有最小錯誤率的最優(yōu)閾值 T 從而將影像變化和未變化 的部分區(qū)分開 實際應用中 似然概率密度函數(shù)往往是未知的 我們通過假設 圖像分布模型或樣本非參數(shù)估計其模型 模擬似然概率密度函數(shù) 然后估計其 模型參數(shù) 求解閾值 下面 將介紹 Kilter 和 Illingworth 提出的簡單閾值選擇方法 KI 閾值 算法 并且從不同的分布模型 高斯分布和廣義高斯分布來分析 3 2 2 KI 閾值算法 1986 年 Kilter 和 Illingworth 25 提出了基于最小錯誤率的貝葉斯理論閾值 選取方法 下面將具體介紹如何在差異影像中選取閾值 為了方便 我們假設變化像元只出現(xiàn)在直方圖上灰度值大的一邊 假設選擇的閾值為 T 我們定義 0 11TL A A A c P T c m T c T 來描述變化類和未變化類的先驗概率 均值以及方差 其具體公 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 我們定義一個準則函數(shù)來描述圖像上的正確分類性能 J T 3 16 1 0 x c x T