本发明专利技术公开了一种基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，首先对两个时相遥感影像作对数比值图和均值比值图，然后采用平稳小波变换对对数比值图和均值比值图进行融合构造差异影像，最后通过渐进直推式支持向量机对差异影像进行二分类(变化类和非变化类)，获取最终的变化检测结果。本方法可以用来解决多时相SAR遥感影像变化检测精度不高和抗噪性差的问题，有效抑制了SAR遥感图像中的相干斑噪声，解决了单一类型差异影像检测精度低、适用范围窄的问题。
【技术实现步骤摘要】
本专利技术设及一种基于小波变换和SVM的SAR遥感影像变化检测方法，属于多时相 SAR遥感影像变化检测
技术介绍
遥感图像变化检测是指通过比较分析同一地理区域不同时相的遥感图像，获得该 地区运段时间的地物变化信息。近几年，遥感图像变换检测技术已广泛应用于众多领域，如 环境监测、农业研究，城镇变化调查、森林植被变化监测等。 合成孔径雷达(SAR)具有高分辨率、全天候、全天时的特点，可方便地获得同一地 区不同时间的图像。但是SAR图像固有的相干斑噪声严重影响了图像质量及后期应用。本文 采用基于小波变换的融合方法对差异图像进行处理，有效抑制了图像的背景噪声，使得图 像更有利于后续变化检测。 遥感图像变化检测方法通常可W分成有监督的变化检测和无监督的变化检测两 大类。有监督的变化检测方法需要获取大量真实的地物信息，通过大量已标记的样本去识 别其他未标记的样本。由于实际操作中，有标记的样本数量有限且获取困难，因此有监督方 法的实际操作很难实现。无监督的变化检测不需要额外的地物信息，直接通过两幅原始图 像进行比较，得到最终的遥感图像变化检测结果。无监督方法成熟，简单易操作，但是检测 效果不理想。在实际应用中，存在大量未标记的数据，如何有效利用运些未标记的数据的信 息来提高变化检测精度，一直是人们研究的热点。
技术实现思路
[000引为解决现有技术的不足，本专利技术的目的在于提供一种基于小波变换和支持向量机 的两时相的SAR遥感影像变化检测方法，通过使用的渐进直推式支持向量机运种半监督的 方法，不需要大量已知的地物信息，可操作性强，同时充分利用了大量未标记的样本数据， 提高了变化检测精度。 为了实现上述目标，本专利技术采用如下的技术方案： -种基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，包括如下步骤： [000引1)输入同一区域、不同时相的两幅SAR遥感影像，分别记为：Ii和12; 2)利用ENVI对Ii和12进行几何校正； 3)对Ii和12分别提取对数比值图Xi和均值比值图X2; 4)对步骤3)得到的对数比值图Xi和均值比值图X2进行小波变换，融合两幅影像的 低频系数和高频系数，反变换得到差异图像Xd; 5)依据已知的参考图像，随机选择60个已标记的样本点组成初始训练集； 6) W初始训练集为输入数据，利用PTSVM算法对训练集进行训练，得到一个分类超 平面； 7)利用步骤6)得到的分类超平面对步骤4)得到的差异影像Xd进行二分类，确定影 像的变化区域和非变化区域。 前述的基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，所述步骤2) 中几何校正的具体步骤如下： 26)显示基准影像和待校正影像； 27)启动几何校正模块； 28)采集地面控制点GCPs; 29)选择校正参数输出结果； 30)检验校正结果。 前述的基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，所述步骤3) 中用式（1)、（2)计算对数比值图Xi和均值比值图X2:式中，化（i，j)和化Q J)分别表示待检测图像Ii和12中W坐标Q J)为中屯、的3X3邻域窗口 内所有像素灰度值的平均值。 前述的基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，所述步骤4) 中的具体步骤如下： 41)分别对步骤3)得到的对数比值图Xi和均值比值图枯进行归一化处理：(3) ，式中，义r表示Xi归一化之后的图像，;表示X2归一化 (4) 之后的图像，Xlmax表示Xl中所有像素点的最大值，枯max表示枯中所有像素点的最大值；[002引42)对本?和馬'分别进行3层平稳小波变换，得到每幅图像的各层低频系数和高频 系数；其中高频系数包括水平分量、垂直分量和对角分量，低频系数包含源图像的近似特 性； 43)低频系数的融合规则为:CA = CAi/化CA2/2(5)，式中，CA是融合后的低频系数， CAi是对数比值图而第；层的低频系数，CA2是均值比值图砖第；层的低频系数； 44)高频系数的融合规则为:0/，(/V)=、记I門?处乎么;内 (6)，式 中，CH3(i，j)表示融合后的第立层的水平方向高频系数，CH3i(i，j)表示对数比值图軒第立 层的水平方向高频系数，C也2(i，j)表示均值比值图X;'第S层的水平方向高频系数，Ei(i，j) 表示WC出l(i，j)为中屯、的3X3窗口内的局部能量，巧(z?，/) = 完kw[Cパ3l(A)了，E2(i，j)表 示WCH32(i，j)为中屯、的3X補口内的局部能量，= 订，Ni,康示W坐 标(i J)为中屯、的3 X 3窗口内分所有点的集合； 45)对融合后的低频和高频系数进行平稳小波逆变换，重构得到差异影像XcL 前述的基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，所述步骤6) 具体步骤如下： 61)初始化惩罚因子C和初始化当前迭代次数i和迭代总次数G，使用基于归纳 式学习的SVM对初始训练集进行训练，得到一个初始模型； 62)根据初始模型，求出候选集4中的样本个数A，计算公式如下：[00创 A二min{Nl'N;) 巧），式中，、C分别为初始模型正负边界支持向量 数； 63)根据模型求出未标记样本数据到分界面的距离，并分别选择A个最接近分界面 的样本加入到候选集中； 64)计算候选集4±中样本点的阔值，计算公式如下： 65)更新训练集和未标记的样本集，当样本点到超平面的距离大于阔值时，将样本 点加入到混合训练集，并将数据从候选集中去除； 66)更新惩罚因子，计算公式如下：IiO)，式中，i表示 第i次迭代，为勺初始值； 67)根据新的训练集和惩罚因子重新训练，得到一个新的模型并更新当前迭代次 数i = i+l; 68)重复步骤3)到7)，直到当前迭代次数i大于G。 本专利技术所达到的有益效果:采用基于小波变换的融合方法构造差异影像，有效抑 制了 SAR遥感图像中的相干斑噪声，解决了单一类型差异影像检测精度低、适用范围窄的问 题，提高了变换检测方法的抗噪性;采用半监督的PTSVM方法确定差异影像的变化区域和非 变化区域，适用于已标记样本数量很少的情况，充分利用了大量未标记的样本，进一步提高 了变化检测方法的检测精度。【附图说明】 图1是本专利技术的实现流程示意图。 图2是拍摄时间为1997年5月的加拿大渥太华地区受雨季影响其地表SAR遥感图 像； 图3是拍摄时间为1997年8月的加拿大渥太华地区受雨季影响其地表SAR遥感图 像； 图4是加拿大渥太华地区的地物变化参考图； 图5是采用插值法对两幅不同时相的SAR遥感影像进行变化检测得到的变化检测 结果图； 图6是采用对数比值法对两幅不同时相的SAR遥感影像进行变化检测得到的变化 检测结果图； 图7是采用均值比值法对两幅不同时相的SAR遥感影像进行变化检测得到的变化 检测结果图； 图8是采用融合-EM法对两幅不同时相的SAR遥感影像进行变化检测得到的变化检 测结果图； 图9是采用本专利技术对两幅不同时相的SAR遥感影像进行变化检测得到的变化检测 结果图。【具体实施方式】 下面结合附图对本专利技术作进一步描述。W下实施例仅用于更加清楚地说明本专利技术 的技术方案，而不能W此来限制本专利技术的保护范围。参照图1，本专利技术的实本文档来自技高网...
【技术保护点】
一种基于小波变换和SVM的SAR遥感影像变化检测方法，其特征是，包括如下步骤：1)输入同一区域、不同时相的两幅SAR遥感影像，分别记为：I1和I2；2)利用ENVI对I1和I2进行几何校正；3)对I1和I2分别提取对数比值图X1和均值比值图X2；4)对步骤3)得到的对数比值图X1和均值比值图X2进行小波变换，融合两幅影像的低频系数和高频系数，反变换得到差异图像Xd；5)依据已知的参考图像，随机选择60个已标记的样本点组成初始训练集；6)以初始训练集为输入数据，利用PTSVM算法对训练集进行训练，得到一个分类超平面；7)利用步骤6)得到的分类超平面对步骤4)得到的差异影像Xd进行二分类，确定影像的变化区域和非变化区域。
【技术特征摘要】
【专利技术属性】
技术研发人员：石爱业，储艳丽，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。