智能信息處理新理論,新技術(shù)專題研討大報(bào)告

1、 課程：智能信息處理新理論，新技術(shù)專題研討題目： SAR圖像變化檢測(cè)方法綜述學(xué)號(hào)： 姓名： 摘要圖像的變化檢測(cè)是指通過分析在不同時(shí)間來自同一地區(qū)的兩副或多幅圖像，檢測(cè)出該地區(qū)的地物隨時(shí)間發(fā)生的變化信息。本文主要用遙感圖像的變化檢測(cè)為例來進(jìn)行說明，遙感圖像的變化檢測(cè)已經(jīng)廣泛地應(yīng)用于如森林資源的動(dòng)態(tài)監(jiān)測(cè)、土地覆蓋和利用的變化監(jiān)測(cè)、農(nóng)業(yè)資源調(diào)查、城市規(guī)劃布局、環(huán)境監(jiān)測(cè)分析、自然災(zāi)害評(píng)估、地理數(shù)據(jù)更新以及軍事偵察中戰(zhàn)略目標(biāo)(如道路、橋梁、機(jī)場(chǎng))等的動(dòng)態(tài)監(jiān)視等許多領(lǐng)域。本文對(duì)常見的變化檢測(cè)方法進(jìn)行了概括性的介紹與優(yōu)缺點(diǎn)評(píng)述，詳細(xì)的介紹了各個(gè)方法的特點(diǎn)，并分析了當(dāng)前變化檢測(cè)方法中存在的普遍問題；并在此基礎(chǔ)

2、上，實(shí)現(xiàn)了一種基于模糊貼近度的變化檢測(cè)方法，通過計(jì)算相應(yīng)像素點(diǎn)之間的模糊貼近度，得到了差異圖，并用FCM對(duì)其聚類，得到了目標(biāo)圖像的變化檢測(cè)結(jié)果。關(guān)鍵詞：變化檢測(cè) 遙感 模糊貼近度1.引言隨著社會(huì)與科技的發(fā)展，人類不斷增強(qiáng)的開發(fā)資源與改造自然的能力，自然界的變化和人類的各種活動(dòng)每天都在改變著地表景觀及其土地利用形式。世界人口的快速增長及城市化的發(fā)展，加快了這種變化的速度。這些變化對(duì)地球資源和生態(tài)環(huán)境產(chǎn)生了深遠(yuǎn)的影響，已經(jīng)引起了廣泛關(guān)注。土地利用與土地覆蓋變化研究已經(jīng)成為全球變化研究中的前沿與熱點(diǎn)。變化檢測(cè)，正是這樣一種可以精確的檢測(cè)出上述變化情況的技術(shù)，已被廣泛應(yīng)用于社會(huì)經(jīng)濟(jì)中的諸多領(lǐng)域，例如城

3、市規(guī)劃建設(shè)、自然災(zāi)害的檢測(cè)和評(píng)估、水系檢測(cè)、地理數(shù)據(jù)更新以及軍事中道路、橋梁等戰(zhàn)略目標(biāo)的動(dòng)態(tài)監(jiān)視等等，尤其是在最近的各種自然災(zāi)害中更是發(fā)揮著不可替代的作用。一般來說，圖像的變化檢測(cè)指的是以一幅時(shí)相的圖像作為參考，檢測(cè)出其它時(shí)相圖像相對(duì)參考圖像的差異，一般分為以下三個(gè)方面的內(nèi)容：1）判斷圖像區(qū)域內(nèi)的感興趣目標(biāo)是否隨時(shí)間發(fā)生了變化；2）確定變化區(qū)域的具體位置；3）對(duì)變化檢測(cè)結(jié)果進(jìn)行評(píng)估，計(jì)算一些性能指標(biāo)。由于遙感圖像對(duì)地物的觀測(cè)具有實(shí)時(shí)、覆蓋范圍廣、多光譜等特點(diǎn)，從不同時(shí)間怕愛舍的遙感圖像中檢測(cè)出地物德爾變化信息成了變化檢測(cè)的研究熱點(diǎn)。所謂遙感圖像的變化檢測(cè)，就是對(duì)同一地點(diǎn)在不同時(shí)期拍攝的多幅遙感

4、圖像，采用圖像處理和模式識(shí)別等手段進(jìn)行分析，從而檢測(cè)出該地區(qū)的地物變化信息，這類變化檢測(cè)的問題也被稱為同源SAR圖像變化檢測(cè)。2.遙感圖像變化檢測(cè)技術(shù)現(xiàn)狀隨著遙感圖像獲取技術(shù)的快速發(fā)展，利用遙感圖像進(jìn)行變化檢測(cè)得到了廣泛的應(yīng)用，研究者們從不同角度研究了很多變化檢測(cè)方法和理論模型。根據(jù)目標(biāo)對(duì)象可將變化檢測(cè)方法分為基于像素級(jí)的變化檢測(cè)、基于特征級(jí)的變化檢測(cè)和基于目標(biāo)級(jí)的變化檢測(cè)三類；根據(jù)目標(biāo)檢測(cè)方法的不同可以分為閾值法、聚類法、水平集法和圖切法；根據(jù)是否需要訓(xùn)練樣本這一準(zhǔn)則，變化檢測(cè)方法可以分為有監(jiān)督的變化檢測(cè)方法和無監(jiān)督的變化檢測(cè)方法。其中。有監(jiān)督的變化檢測(cè)方法是基于有監(jiān)督的圖像分類方法，需要提

5、前獲得地表數(shù)據(jù)以便提取訓(xùn)練樣本，對(duì)分類器進(jìn)行訓(xùn)練，從而進(jìn)行變化檢測(cè)，但是一般情況下地表的精確數(shù)據(jù)是難以獲取的，因此這種方法在實(shí)際應(yīng)用受到了很大的限制。無監(jiān)督的變化檢測(cè)方法通過比較不同時(shí)相的幾幅圖像（一般是兩幅），產(chǎn)生一幅差異圖像，再對(duì)此差異圖進(jìn)行分割（聚類法、閾值法等）得到最終的檢測(cè)結(jié)果。該方法可以在不需要提前確定地表真實(shí)情況下準(zhǔn)確的檢測(cè)出變化區(qū)域，因此得到了廣泛的研究與應(yīng)用。3.常見SAR圖像變化檢測(cè)方法同源圖像變化檢測(cè)是指針對(duì)同一地區(qū)在不同時(shí)刻用相同傳感器拍攝的多幅圖像，利用模式識(shí)別等相關(guān)手段對(duì)其進(jìn)行處理和分析，找出該地區(qū)地表變化信息的技術(shù)；顧名思義，異源圖像變化檢測(cè)是指針對(duì)同一地區(qū)在不同

6、時(shí)刻用不同類型的傳感器拍攝的多幅圖像，利用模式識(shí)別等相關(guān)手段對(duì)其進(jìn)行處理和分析，找出該地區(qū)地表變化信息的技術(shù)。由此可見，同源和異源圖像變化檢測(cè)之間必然存在著千絲萬縷的關(guān)系，因此，研究同源圖像變化檢測(cè)方法對(duì)解決異源圖像變化檢測(cè)問題有極大的幫助。本章將簡要闡述同源圖像變化檢測(cè)的一般處理流程，并對(duì)現(xiàn)有的一些檢測(cè)方法進(jìn)行綜述。3.1 變化檢測(cè)方法的一般處理流程常規(guī)圖像變化檢測(cè)流程一般包括以下幾個(gè)方面：數(shù)據(jù)預(yù)處理、變化區(qū)域提取、后處理、結(jié)果評(píng)價(jià)。3.1.1 變化檢測(cè)的數(shù)據(jù)預(yù)處理（1）圖像配準(zhǔn)在成像過程中，由于受到傳感器結(jié)構(gòu)差異等內(nèi)部因素和入射角變化、地形起伏等外部因素的影響，多時(shí)相圖像之間必然會(huì)存在一定

7、的幾何畸變。因此，在進(jìn)行變化檢測(cè)工作之前，必須要對(duì)圖像進(jìn)行及和配準(zhǔn)，以提高檢測(cè)結(jié)果的可靠性。一個(gè)良好的配準(zhǔn)結(jié)果是進(jìn)行變化檢測(cè)處理與分析的必要前提，也是從圖像數(shù)據(jù)中提取有用信息的必要條件。（2）圖像校正由于受到光照條件、大氣條件、傳感器本身特性、人為因素等不同程度的影響，在使用多時(shí)相圖像進(jìn)行變化檢測(cè)時(shí)，必須進(jìn)行輻射校正。輻射校正分絕對(duì)輻射校正和相對(duì)輻射校正。但是絕對(duì)輻射校正需要事先確定傳感器角度、太陽高度角等參數(shù)，獲取這些數(shù)據(jù)資料十分困難，處理的過程也較為復(fù)雜，因此不易實(shí)現(xiàn)。在現(xiàn)有的變化檢測(cè)方法中，大都只進(jìn)行相對(duì)輻射校正。（3）圖像濾波由于技術(shù)限制，在自然環(huán)境中拍攝的影像常常含有許多噪聲，而且傳

8、感器在成像過程中會(huì)產(chǎn)生隨機(jī)分布在圖像各處的斑點(diǎn)，與一些微小的地表目標(biāo)混合在一起，這樣就會(huì)破壞實(shí)際圖像的紋理結(jié)構(gòu)，給圖像的解譯帶來諸多困難。因此，在進(jìn)行變化檢測(cè)前，一般要對(duì)圖像進(jìn)行簡單的均值濾波或中值濾波來消除一些噪聲的影響。本文實(shí)驗(yàn)用到的數(shù)據(jù)集均為已經(jīng)經(jīng)過配準(zhǔn)及校正的圖像，所以預(yù)處理過程直接從圖像濾波開始。3.1.2 變化區(qū)域提取提取出多時(shí)相圖像的變化區(qū)域是變化檢測(cè)的最終目的。目前最常用的變化區(qū)域提取方法是先比較后分類法，即先結(jié)合已有的多時(shí)相圖像構(gòu)造差異圖像，常見方法有差值法、對(duì)數(shù)比值法、差值比融合法、鄰域相似度法等，然后再進(jìn)行分類，常見的處理方法有圖像閾值化分割法和聚類法。這種提取方法簡便易

9、行，但對(duì)圖像數(shù)據(jù)預(yù)處理要求較高，對(duì)噪聲較為敏感。差異圖的構(gòu)造和分類都會(huì)影響到最終檢測(cè)結(jié)果的精度。找到可以有效的構(gòu)造差異圖以及合適的分割方法是這類方法研究的關(guān)鍵。3.1.3 檢測(cè)結(jié)果的后處理初步的變化檢測(cè)結(jié)果中一般都會(huì)存在一些孤立的像素點(diǎn)，因此需要對(duì)檢測(cè)結(jié)果（二值圖像）進(jìn)行再次處理，消除部分偽變化信息以及處理過程中產(chǎn)生的噪點(diǎn)。主要方法包括區(qū)域生長法、形態(tài)學(xué)處理、濾波處理等1。3.1.4 檢測(cè)結(jié)果評(píng)價(jià)如何衡量一種變化檢測(cè)方法的可靠性，就需要用到一些性能指標(biāo)。本文采用的是基于像素級(jí)的定量的變化檢測(cè)性能評(píng)價(jià)指標(biāo)，即把結(jié)果圖的像素值與參考圖逐一作對(duì)比，像素值沒有發(fā)生變化的點(diǎn)的個(gè)數(shù)為實(shí)際未變化的像素?cái)?shù)，像

10、素值發(fā)生變化的點(diǎn)的個(gè)數(shù)為實(shí)際變化的像素?cái)?shù)。定量評(píng)價(jià)檢測(cè)結(jié)果的性能指標(biāo)有三個(gè)：虛檢數(shù)FA（即實(shí)際沒發(fā)生變化卻被檢測(cè)出變化的像素點(diǎn)個(gè)數(shù)之和）、漏檢數(shù)MA（即實(shí)際發(fā)生了變化卻未被檢測(cè)出變化的像素點(diǎn)個(gè)數(shù)之和）、總錯(cuò)誤數(shù)OE（即虛檢數(shù)和漏檢數(shù)之和）。根據(jù)總錯(cuò)誤數(shù)還可以得到檢測(cè)準(zhǔn)確率。根據(jù)表3.1可以定義變化檢測(cè)結(jié)果的評(píng)價(jià)指標(biāo)：表3.1 變化檢測(cè)結(jié)果評(píng)價(jià)指標(biāo)類別實(shí)際變化的像素?cái)?shù)實(shí)際未變化的像數(shù)檢測(cè)出的變化像數(shù)CcCu檢測(cè)出的未變化數(shù)UcUu其中，虛檢數(shù)：FA=Uc，漏檢數(shù)：MA=Cu，總錯(cuò)誤數(shù)：OE=FA+MA= Uc+ Cu，錯(cuò)誤率：R=OE/總像素個(gè)數(shù)。在計(jì)算上述評(píng)價(jià)指標(biāo)時(shí)，需要用到事先做好的變化檢測(cè)

11、參考圖作為參考。本論文中所采用的數(shù)據(jù)集都是含有參考圖的，主要是為了驗(yàn)證所提出方法的有效性與可行性，而在實(shí)際中由于勘測(cè)條件、數(shù)據(jù)采集等的限制往往難以獲得真實(shí)的參考圖，在這種情況下就只能通過目視判讀等直觀方法來進(jìn)行定性分析。3.2 現(xiàn)有的同源圖像變化檢測(cè)方法經(jīng)過幾十年的發(fā)展，學(xué)者們提出了許多非常好的變化檢測(cè)方法。本文根據(jù)作者自己的理解，從算法的角度將目前的變化檢測(cè)方法分為四類：（1）基于代數(shù)運(yùn)算的變化檢測(cè)；（2）基于圖像變換的變化檢測(cè)；（3）基于圖像分類的變化檢測(cè)；（4）基于特征描述的變化檢測(cè)。下面將簡單的一一介紹這幾種方法。3.2.1 基于代數(shù)運(yùn)算的變化檢測(cè)方法基于代數(shù)運(yùn)算的變化檢測(cè)方法主要包括

12、差值法、比值法、差值比值融合法等。（1）圖像差值法圖像差值法是最原始、最簡單常用的一種方法，其基本原理是將經(jīng)過配準(zhǔn)的兩時(shí)相圖像中對(duì)應(yīng)的像素值直接相減，從而得到一幅新的差異圖，理論上差值為0或非常接近0 的表示非變化區(qū)域，其余為變化區(qū)域。（2）圖像比值法圖像比值法類同于差值法，它是將將經(jīng)過配準(zhǔn)的兩時(shí)相圖像中對(duì)應(yīng)的像素值相減，從而得到一幅新的差異圖，理論上差值為1或非常接近1 的代表非變化區(qū)域，其余為變化區(qū)域，考慮到斑點(diǎn)噪聲的影響，現(xiàn)在一般用對(duì)數(shù)比值法代替比值法。差值法和比值法一樣都直觀、簡便易行、檢測(cè)速度快，但這種方法過于簡單，在實(shí)際中很容易造成大量有用信息的流失，因此一般都需要對(duì)其進(jìn)行改進(jìn)后使

13、用。（3）圖像差值比值融合法差值法能較好的保留變化區(qū)域的幾何邊緣信息，而比值法能有效地提高變化區(qū)域和非變化區(qū)域的對(duì)比度，因此有研究者提出可以采用一定的融合算法（比如小波融合等），將兩者的優(yōu)點(diǎn)結(jié)合起來，從而進(jìn)一步提高檢測(cè)結(jié)果的準(zhǔn)確性。3.2.2 基于圖像變換的變化檢測(cè)方法基于圖像變換的變化檢測(cè)方法主要包括主成分分析法、典型相關(guān)分析法等。（1）主成分分析法主成分變換應(yīng)用與圖像中的主要作用是數(shù)據(jù)壓縮、特征選取和圖像增強(qiáng)等。有學(xué)者就曾提出一種基于主分量分析的圖像變化檢測(cè)方法，首先對(duì)兩幅不同時(shí)相圖像進(jìn)行主成分分解，再用矩陣的次分量成分表示圖像的變化區(qū)域。一般來說，第一主分量擺闊了原始信息的絕大部分內(nèi)容，

14、其他各主分量包括的信息逐步減少，相當(dāng)于相關(guān)程度比較低的波段之間的差異。因此合成幾個(gè)變化后的主分量就可以突出變化區(qū)域的信息。（2）典型相關(guān)分析法典型相關(guān)分析法的實(shí)質(zhì)是把差異總信息分配到幾個(gè)互不相關(guān)的變量上，以在最大限度的保持這一差異的總信息量不變的情況下，檢測(cè)出圖像之間發(fā)生的變化。3.2.3 基于圖像分類的變化檢測(cè)方法基于圖像分類的變化檢測(cè)方法主要包括分類后比較方法和多時(shí)相圖像同時(shí)分類方法。（1）分類后比較方法分類后比較方法的原理是對(duì)兩個(gè)不同時(shí)相的圖像進(jìn)行分類，根據(jù)位置坐標(biāo)在已分類區(qū)域中逐個(gè)比較各個(gè)像素以確定變化信息。（2）多時(shí)相圖像同時(shí)分類方法多時(shí)相圖像同時(shí)分類法的原理是將兩幅圖像放到一個(gè)數(shù)據(jù)

15、庫中同時(shí)進(jìn)行分類，出現(xiàn)變化的類別的數(shù)據(jù)統(tǒng)計(jì)量（如標(biāo)準(zhǔn)偏差等）將很大，而非變化則正好相反，因此可以通過比較統(tǒng)計(jì)量來區(qū)分類別變化與否。3.2.4 基于特征描述的變化檢測(cè)方法基于特征描述的變化檢測(cè)方法的原理是利用圖像的一些特征（如邊緣特征、結(jié)構(gòu)特征、紋理特征等）進(jìn)行變化檢測(cè)分析，早期的變化檢測(cè)方法只對(duì)圖像灰度特征信息進(jìn)行分析，但是灰度特征很受光照、輻射等因素的影響，不同時(shí)刻的圖像灰度值往往存在偏差，相對(duì)于這些灰度特征，圖像的紋理、邊緣等特征更顯的穩(wěn)定，不容易受到上述因素的影響。4.一種自己實(shí)現(xiàn)的基于模糊貼近度的變化檢測(cè)方法對(duì)已配準(zhǔn)和校正的兩時(shí)相SAR圖像T1和T2，根據(jù)SAR圖像的特點(diǎn)，采用如下的相

16、似度公式來構(gòu)造差異圖（difference image，簡記:DI）：其中表示位置x上的一個(gè)鄰域的位置指示集，即取其空間上的一個(gè)鄰域，把由鄰域元素構(gòu)成的集合看作是模糊向量，用上式度量兩模糊向量間的相似度。若得到上式的值越大，則該位置上的像素點(diǎn)越接近于未變化類，反之，為變化類。根據(jù)上式計(jì)算出差異圖，然后濾波，二聚類即可得到變化檢測(cè)圖。 圖1 變化前 圖2 變化后 圖3 變化參考圖 圖4 變化圖由上圖可得按照以上算法得出的效果圖也是極好的。5. 遙感變化檢測(cè)方法變化趨勢(shì)隨著新的傳感器不斷出現(xiàn)，衛(wèi)星數(shù)據(jù)產(chǎn)品不斷增多，關(guān)于遙感圖象變化檢測(cè)方法的研究形式也出現(xiàn)了新的變化趨勢(shì)。（1）遙感變化檢測(cè)方法由傳統(tǒng)

17、的線型運(yùn)算處理模式拓展到了非線型處理模式； （2）從單一的多光譜遙感數(shù)據(jù)影像變化檢測(cè)方式升級(jí)為綜合利用多源影像相關(guān)數(shù)據(jù)進(jìn)行變化檢測(cè)方式；（3）遙感變化檢測(cè)模式由單純考慮影像的像素DN值的運(yùn)算演化為考慮像素內(nèi)部組成，以及像素內(nèi)物質(zhì)的反射物理機(jī)制的復(fù)雜演算；（4）遙感變化檢測(cè)方法由單一的變化檢測(cè)方式發(fā)展為復(fù)合式的變化檢測(cè)技術(shù)。 6. 參考文獻(xiàn)1 周品. MATLAB數(shù)字圖像處理. 第一版. 北京: 清華大學(xué)出版社, 2012. 152-1632 孫明. 數(shù)字圖像處理與分析基礎(chǔ):MATLAB和VC+實(shí)現(xiàn). 第一版. 北京: 電子工業(yè)出版社, 2013. 92-953 劉冰. MATLAB神經(jīng)網(wǎng)絡(luò)超級(jí)學(xué)習(xí)手冊(cè). 第一版. 北京: 人民郵電出版社, 2014. 234-2364 邊肇祺，張學(xué)工. 模式識(shí)別. 第二版.