基于改进全连接条件随机场的SAR影像变化检测方法

基于改进全连接条件随机场的sar影像变化检测方法
技术领域
1.本发明涉及遥感变化检测领域，具体涉及一种基于改进全连接条件随机场的sar影像变化检测方法。


背景技术：

2.遥感变化检测技术是遥感领域的研究热点。近年来，条件随机场理论被引入到遥感变化检测任务中。然而，现有条件随机场变化检测主要是针对光学遥感影像，鲜有针对合成孔径雷达(synthetic aperture radar,sar)影像变化检测的研究。针对此问题，本发明基于全连接条件随机场，提出一种基于改进全连接条件随机场的遥感sar影像变化检测方法。本发明所提出方法综合考虑两期sar影像和三组差分影像，并利用改进全连接条件随机场利用空间上下文信息，能够得到更优的变化检测结果。


技术实现要素：

3.本发明所要解决的技术问题是提供一种基于改进全连接条件随机场的sar影像变化检测方法，得到sar影像优化的变化检测结果。
4.为解决上述技术问题，本发明所采用的技术方案是：
5.基于改进全连接条件随机场的sar影像变化检测方法，方法包括以下步骤:
6.step1、对两期sar影像进行预处理，包括影像配准和相对辐射校正；
7.step2、通过对数比、邻域比和非局部图技术生成step1中预处理后的两期sar影像的三组差分影像；
8.step3、利用模糊c均值聚类算法对step2中得到的三组差分影像进行模糊聚类，得到模糊隶属度矩阵，并生成初始变化检测图；
9.step4、创建一种全连接条件随机场，并利用step3中所获取的模糊隶属度计算该全连接条件随机场的一元势，基于两期sar影像和三组差分影像计算该全连接条件随机场的二元势；
10.step5、通过平均场推理算法对step4中的全连接条件随机场进行求解，得到最终变化检测图。
11.上述的step2中三组差分影像的生成步骤为：
12.step2.1、第一组差分影像通过对数比技术生成，记作di1，第二组差分影像通过邻域比技术生成，记作di2，第三组差分影像通过非局部图技术生成，记作di3；
13.step2.2、通过对数比技术生成di1的计算公式为：
14.di1(i)＝|log(x1(i) 1)-log(x2(i) 1)|
15.其中，x1和x2分别表示第一期和第二期sar影像，i表示影像的第i个像素，log表示自然对数算子；
16.step2.3、通过邻域比技术生成di2的计算公式为：
[0017][0018]
其中，i表示影像的第i个像素，ωi表示像素i的邻域，σ(i)表示邻域ωi中像素方差与平均值的比值，min和max分别表示取最小值和取最大值运算；
[0019]
step2.4、通过非局部图技术生成di3的计算公式为：
[0020]
di3(i)＝(d
fw
(i) d
bw
(i))/2
[0021]
其中，d
fw
(i)表示前向差异，d
bw
(i)表示后向差异。
[0022]
上述的step2.4中前向差异d
fw
(i)的计算方法为：
[0023]
step2.4.1、将sar影像x1和x2根据步长
△
p
划分为多个重叠正方块，并将x1对应的块影像记作x2对应的块影像记作然后根据k近邻技术构造的k近邻图其中表示图的顶点集，表示图的边集，表示边的权重集；表示块影像的第s块，表示图的顶点个数，即块影像的总块数，t表示的邻域块，表示根据k近邻技术得到的的邻域集，k表示邻域中包含的邻域块个数，dist()表示和块内像素平均值的欧氏距离，λ＝1；
[0024]
step2.4.2、将图映射到得到映射图其中
[0025]
step2.4.3、由step2.4.1中块影像根据k近邻技术构造的k近邻图其中其中再利用相似性准则计算与的结构差异:
[0026][0027]
其中表示邻域中第k近的邻域块位置，表示邻域中第k近的邻域块位置，dist()表示两个影像块内像素平均值的欧氏距离；
[0028]
step2.4.4、将step2.4.2中的影像块中的所有像素均赋值为结构差异对于任一像素i，定义为覆盖像素i的所有结构差异，从而可通过求平均值计算前向差异d
fw
(i)：
[0029][0030]
其中，表示覆盖像素i的结构差异个数；
[0031]
所述的step2.4中后向差异d
bw
(i)的计算方法同前向差异d
fw
(i)计算方法，不同之
处在于将第二期块影像的k近邻图映射到第一期块影像
[0032]
上述的step4的具体步骤为：
[0033]
step4.1、创建一种全连接条件随机场，该全连接条件随机场随机场能量函数如下：
[0034][0035]
其中ψi(xi)表示一元势，ψij(xi,xj)表示二元势；v表示像素集，由影像中所有像素构成，xi和xj表示像素i和j的类别标签；
[0036]
step4.2、一元势ψi(xi)的定义如下：
[0037]
ψi(xi)＝-log p(xi＝ck)
[0038]
其中log表示自然对数算子，p(xi＝ck)表示像素i被标记为类别ck的概率，ck∈{wu,wc},wu和wc分别表示未变化类和变化类，使用step3中得到的模糊隶属度来定义p(xi＝ck)：
[0039]
p(xi＝ck)＝ui(ck),
[0040]
其中ui(ck)表示通过模糊c均值得到的像素i属于类别ck的模糊隶属度，ck∈{wu,wc}；
[0041]
step4.3、通过step1中预处理后的两期sar影像、像素位置和step2中得到的三组差分影像三种特征来定义改进全连接条件随机场的二元势，两期sar影像记作i＝{x1,x2}，像素位置记作l，三组差分影像的综合矢量记作f＝{di1,di2,di3}，二元势具体定义如下：
[0042][0043]
其中，li和lj分别表示像素i和j的位置，ii＝{x1(i),x2(i)}，ij＝{x1(j),x2(j)}，fi＝{di1(i),di2(i),di3(i)}，fj＝{di1(j),di2(j),di3(j)}，上式中三项高斯核分别命名为外观核、平滑核和特征核，w1和w2分别是平滑核和特征核的权重系数，参数qa用来控制外观核的形状，qa和qb用来控制平滑核的形状，qa和q
t
用来控制特征核的形状，
[0044][0045]
本发明提供的一种基于改进全连接条件随机场的sar影像变化检测方法，通过考虑三组差分影像、两期原始sar影像和像素位置协同利用空间上下文信息，能够使得影像的空间相关性得到更有效的利用，能够得到更优的变化检测结果。
附图说明
[0046]
下面结合附图和实施例对本发明作进一步说明：
[0047]
图1为本发明实施的基本流程图；
[0048]
图2为本发明实施例的实验数据第一时期的sar影像；
[0049]
图3为本发明实施例的实验数据第二时期的sar影像；
[0050]
图4为本发明实施例的两期sar影像的变化参考图；
[0051]
图5为基于马尔科夫随机场技术的变化检测图；
[0052]
图6为基于传统条件随机场技术的变化检测图；
[0053]
图7为基于传统全连接条件随机场技术的变化检测图；
[0054]
图8为本发明的变化检测图。
具体实施方式
[0055]
为使本发明的目的、技术方案以及优点更加清楚，以下内容将结合根据本发明提供的附图，对本发明具体技术方案进行系统、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0056]
本实施例采用的实验影像由ers-2卫星获取的两时相sar图像组成，如图2和3所示，实验数据大小为256
×
256像素，影像对应区域是瑞士伯尔尼某地区；图4为两时相sar影像的变化参考图。
[0057]
如图1所示，为发明技术方案的流程图，基于改进全连接条件随机场的sar影像变化检测方法，方法包括以下步骤:
[0058]
step1、对两期sar影像进行预处理，主要包括影像配准和相对辐射校正等；
[0059]
step2、通过对数比、邻域比和非局部图技术生成step1中预处理后的两期sar影像的三组差分影像；
[0060]
step2.1、第一组差分影像通过对数比技术生成，记作di1，第二组差分影像通过邻域比技术生成，记作di2，第三组差分影像通过非局部图技术生成，记作di3；
[0061]
step2.2、通过对数比技术生成di1的计算公式为：
[0062]
di1(i)＝|log(x1(i) 1)-log(x2(i) 1)|
[0063]
其中，x1和x2分别表示第一期和第二期sar影像，i表示影像的第i个像素，log表示自然对数算子；
[0064]
step2.3、通过邻域比技术生成di2的计算公式为：
[0065][0066]
其中，i表示影像的第i个像素，ωi表示像素i的邻域，本发明实施例采用8邻域定义ωi，σ(i)表示邻域ωi中像素方差与平均值的比值，min和max分别表示取最小值和取最大值运算；
[0067]
step2.4、通过非局部图技术生成di3的计算公式为：
[0068]
di3(i)＝(d
fw
(i) d
bw
(i))/2
[0069]
其中，d
fw
(i)表示前向差异，d
bw
(i)表示后向差异；
[0070]
前向差异d
fw
(i)的计算方法为：
[0071]
step2.4.1、将sar影像x1和x2根据步长
△
p
划分为多个重叠正方块，并将x1对应的
块影像记作x2对应的块影像记作本发明实施例中
△
p
＝4，然后根据k近邻技术构造的k近邻图其中表示图的顶点集，表示图的边集，表示边的权重集；表示块影像的第s块，表示图的顶点个数，即块影像的总块数，本发明实施例中的总块数，本发明实施例中t表示的邻域块，表示根据k近邻技术得到的的邻域集，k表示邻域中包含的邻域块个数，本发明实施例中k＝71，dist()表示和块内像素平均值的欧氏距离，λ＝1；step2.4.2、将图映射到得到映射图其中
[0072]
step2.4.3、由step2.4.1中块影像根据k近邻技术构造的k近邻图其中其中再利用相似性准则计算与的结构差异:
[0073][0074]
其中表示邻域中第k近的邻域块位置，表示邻域中第k近的邻域块位置，dist()表示两个影像块内像素平均值的欧氏距离；
[0075]
step2.4.4、将step2.4.2中的影像块中的所有像素均赋值为结构差异对于任一像素i，定义为覆盖像素i的所有结构差异，从而可通过求平均值计算前向差异d
fw
(i)：
[0076][0077]
其中，表示覆盖像素i的结构差异个数；
[0078]
所述的step2.4中后向差异d
bw
(i)的计算方法同前向差异d
fw
(i)计算方法，不同之处在于将第二期块影像的k近邻图映射到第一期块影像
[0079]
通过差分影像di1的生成过程可知，di1考虑两期sar影像的像素级差异。通过差分影像di2的生成过程可知，di2考虑两期sar影像的局部邻域差异，通过差分影像di3的生成过程可知，di3通过非局部图技术，考虑两期sar影像k个非局部影像块的结构差异，因此，本发明所提出的技术方案同时考虑了两期sar影像三种层次的差分影像：像素级、局部邻域级、非局部邻域级；
[0080]
step3、利用模糊c均值聚类算法对step2中得到的三组差分影像{di1,di2,di3}进行模糊聚类，得到模糊隶属度矩阵u＝{ui(ck)}，其中ui(ck)ui(ck)表示通过模糊c均值得到的像素i属于类别ck的模糊隶属度，ck∈{wu,wc}，wu和wc分别表示未变化类和变化类，然后利用最大隶属度原则生成初始变化检测图，对给定像素i，其类别标签xi通过下式获取：
[0081][0082]
step4、创建一种全连接条件随机场，并利用step3中所获取的模糊隶属度计算该全连接条件随机场的一元势，基于两期sar影像和三组差分影像计算该全连接条件随机场的二元势；
[0083]
具体步骤如下：
[0084]
step4.1、创建一种改进的全连接条件随机场，该改进全连接条件随机场随机场能量函数如下：
[0085][0086]
其中ψi(xi)表示一元势，ψij(xi,xj)表示二元势；v表示像素集，由影像中所有像素构成，xi和xj表示像素i和j的类别标签；
[0087]
step4.2、一元势ψi(xi)的定义如下：
[0088]
ψi(xi)＝-log p(xi＝ck)
[0089]
其中log表示自然对数算子，p(xi＝ck)表示像素i被标记为类别ck的概率，ck∈{wu,wc},wu和wc分别表示未变化类和变化类，使用step3中得到的模糊隶属度来定义p(xi＝ck)：
[0090]
p(xi＝ck)＝ui(ck),
[0091]
其中ui(ck)表示通过模糊c均值得到的像素i属于类别ck的模糊隶属度，ck∈{wu,wc}；
[0092]
step4.3、通过step1中预处理后的两期sar影像、像素位置和step2中得到的三组差分影像三种特征来定义改进全连接条件随机场的二元势，两期sar影像记作i＝{x1,x2}，像素位置记作l，三组差分影像的综合矢量记作f＝{di1,di2,di3}，二元势具体定义如下：
[0093][0094]
其中，li和lj分别表示像素i和j的位置，ii＝{x1(i),x2(i)}，ij＝{x1(j),x2(j)}，fi＝{di1(i),di2(i),di3(i)}，fj＝{di1(j),di2(j),di3(j)}，上式中三项高斯核分别命名为外观核、平滑核和特征核，w1和w2分别是平滑核和特征核的权重系数，参数qa用来控制外观核的形状，qa和qb用来控制平滑核的形状，qa和q
t
用来控制特征核的形状，本发明实施例中，w1和w2分别设置为2和7；qa,qb,q
t
分别设置为20，50，70，
[0095][0096]
通过改进全连接条件随机场能量函数的构建过程可知，本发明所提出技术方案通过考虑三组差分影像、两期原始sar影像和像素位置协同利用空间上下文信息，能够使得影
像的空间相关性得到更有效的利用
[0097]
step5、通过平均场推理算法对step4中的改进全连接条件随机场进行最优化求解，最终判定各像素是否发生变化，输出所有像素类别标签，得到最终的变化检测图。
[0098]
本发明首先通过对数比、邻域比和非局部图技术生成两期sar影像三组差分影像；接着，利用模糊c均值聚类算法对三组差分影像进行模糊聚类，得到模糊隶属度矩阵，并生成初始变化检测图；然后提出一种改进的全连接条件随机场，并利用所获取的模糊隶属度计算改进全连接条件随机场的一元势，基于两期sar影像和三组差分影像计算改进全连接条件随机场的二元势，最后通过平均场推理算法对改进全连接条件随机场进行优化求解，得到最终变化检测图。
[0099]
本发明所提出的技术方案同时考虑了两期sar影像三种层次的差分影像：像素级、局部邻域级、非局部邻域级，能够更有效的利用两期sar影像的差异信息；并通过考虑三组差分影像、两期原始sar影像和像素位置协同利用空间上下文信息，能够使得影像的空间相关性得到更有效的利用，因此，本发明所提出的变化检测技术能够得到更优的变化检测结果。
[0100]
图5-8分别给出基于马尔科夫随机场技术(markov random field，mrf)、传统条件随机场技术(conditional random field，crf)、传统全连接条件随机场技术(fully-connected crf，fccrf)和本发明实施例的变化检测结果图；表1给出上述变化检测图的定量统计指标，包括漏检错误，虚检错误，总体错误的像素数和百分比，以及kappa系数。
[0101]
表1变化检测图的定量统计指标
[0102][0103]
从图5-8和表1可知，本发明的变化检测结果明显优于其他三种场模型的变化检测结果；由表1的定量评价指标可以看出，本发明的检测的结果具有最低的漏检错误、总体错误和最高的kappa系数；例如，本发明的kappa系数为0.94，比其他三种技术高5％以上。