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。该技术在灾害评估、环境监测、森林监测和战场态势分析等国民经济和国防建设领域有着非常广泛的应用。随着SAR成像技术的发展,SAR图像变化检测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星载SAR图像为基础,以条件随机场(CRF)理论为依据,展开了对SAR图像变化检测算法相关技术问题的研究。具体研究内容如下：1.本文将CRF模型引入到变化检测中,提出了一种基于CRF模型的SAR图像变化检测算法。CRF模型由一元势能函数与二元势能函数两部分组成,CRF模型利用支持向量机(SVM)得到的类条件概率构造基于SAR图像纹理特征的一元势能函数,此势能函数利用SVM将图像纹理特征进行融合,映射到高维空间,从而解决了非线性问题,有效地提高了模型精度；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。CRF模型直接对后验概率进行建模,在建模过程中能够有效地捕获图像的纹理信息和空间邻域信息,且无需对模型作任何近似。仿真结果表明,该算法在抑制图像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。2.在SAR图像变化检测中,SAR图像的纹理特征信息、空间邻域信息和SAR图像统计特性起着至关重要的作用,针对已有SAR图像变化检测算法中仅仅利用SAR图像的这三种信息中的某一种或两种,本文提出了一种基于贝叶斯融合的混合条件随机场(HCRF)模型的SAR图像变化检测算法,采用贝叶斯融合准则将SAR图像数据的统计分布特性融入CRF模型中,因此,HCRF模型由一元势能函数、二元势能函数和统计分布特性三个部分组成。HCRF模型的一元势能函数与二元势能函数的构建方法与CRF模型构建方法相同,统计分布特性利用广义伽马模型进行建模,利用条件迭代估计算法进行参数估计,最后根据条件迭代模式得到最终的变化检测结果。HCRF模型具有捕获SAR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。实验结果表明,与其他算法相比较,本文所提出的算法能全面有效地融合图像的信息,抗噪性能优越,鲁棒性好,边界保持性好,能得到令人满意的变化检测结果。