智能信息处理新理论,新技术专题研讨大报告

课程：智能信息处理新理论，新技术专题研讨

题目：

学号：

姓名：

SAR图像变化检测方法综述

摘要

图像的变化检测是指通过分析在不同时间来自同一地区的两副或多幅图像，检测出该地区的地物随时间发生的变化信息。本文主要用遥感图像的变化检测为例来进行说明，遥感图像的变化检测已经广泛地应用于如森林资源的动态监测、土地覆盖和利用的变化监测、农业资源调查、城市规划布局、环境监测分析、自然灾害评估、地理数据更新以及军事侦察中战略目标(如道路、桥梁、机场)等的动态监视等许多领域。

本文对常见的变化检测方法进行了概括性的介绍与优缺点评述，详细的介绍

了各个方法的特点，并分析了当前变化检测方法中存在的普遍问题；并在此基础上，实现了一种基于模糊贴近度的变化检测方法，通过计算相应像素点之间的模糊贴近度，得到了差异图，并用FCM对其聚类，得到了目标图像的变化检测结果。 关键词：变化检测 遥感 模糊贴近度

1.引言

随着社会与科技的发展，人类不断增强的开发资源与改造自然的能力，自然

界的变化和人类的各种活动每天都在改变着地表景观及其土地利用形式。世界人口的快速增长及城市化的发展，加快了这种变化的速度。这些变化对地球资源和生态环境产生了深远的影响，已经引起了广泛关注。土地利用与土地覆盖变化研究已经成为全球变化研究中的前沿与热点。变化检测，正是这样一种可以精确的检测出上述变化情况的技术，已被广泛应用于社会经济中的诸多领域，例如城市规划建设、自然灾害的检测和评估、水系检测、地理数据更新以及军事中道路、桥梁等战略目标的动态监视等等，尤其是在最近的各种自然灾害中更是发挥着不可替代的作用。

一般来说，图像的变化检测指的是以一幅时相的图像作为参考，检测出其它

时相图像相对参考图像的差异，一般分为以下三个方面的内容：1）判断图像区域内的感兴趣目标是否随时间发生了变化；2）确定变化区域的具体位置；3）对变化检测结果进行评估，计算一些性能指标。

由于遥感图像对地物的观测具有实时、覆盖范围广、多光谱等特点，从不同

时间怕爱舍的遥感图像中检测出地物德尔变化信息成了变化检测的研究热点。所谓遥感图像的变化检测，就是对同一地点在不同时期拍摄的多幅遥感图像，采用图像处理和模式识别等手段进行分析，从而检测出该地区的地物变化信息，这类变化检测的问题也被称为同源SAR图像变化检测。

2.遥感图像变化检测技术现状

随着遥感图像获取技术的快速发展，利用遥感图像进行变化检测得到了广泛

的应用，研究者们从不同角度研究了很多变化检测方法和理论模型。

根据目标对象可将变化检测方法分为基于像素级的变化检测、基于特征级的

变化检测和基于目标级的变化检测三类；根据目标检测方法的不同可以分为阈值法、聚类法、水平集法和图切法；根据是否需要训练样本这一准则，变化检测方法可以分为有监督的变化检测方法和无监督的变化检测方法。其中。有监督的变化检测方法是基于有监督的图像分类方法，需要提前获得地表数据以便提取训练样本，对分类器进行训练，从而进行变化检测，但是一般情况下地表的精确数据

是难以获取的，因此这种方法在实际应用受到了很大的限制。无监督的变化检测方法通过比较不同时相的几幅图像（一般是两幅），产生一幅差异图像，再对此差异图进行分割（聚类法、阈值法等）得到最终的检测结果。该方法可以在不需要提前确定地表真实情况下准确的检测出变化区域，因此得到了广泛的研究与应用。

3.常见SAR图像变化检测方法

同源图像变化检测是指针对同一地区在不同时刻用相同传感器拍摄的多幅

图像，利用模式识别等相关手段对其进行处理和分析，找出该地区地表变化信息的技术；顾名思义，异源图像变化检测是指针对同一地区在不同时刻用不同类型的传感器拍摄的多幅图像，利用模式识别等相关手段对其进行处理和分析，找出该地区地表变化信息的技术。由此可见，同源和异源图像变化检测之间必然存在着千丝万缕的关系，因此，研究同源图像变化检测方法对解决异源图像变化检测问题有极大的帮助。本章将简要阐述同源图像变化检测的一般处理流程，并对现有的一些检测方法进行综述。

3.1 变化检测方法的一般处理流程

常规图像变化检测流程一般包括以下几个方面：数据预处理、变化区域提取、

后处理、结果评价。

3.1.1 变化检测的数据预处理

（1）图像配准

在成像过程中，由于受到传感器结构差异等内部因素和入射角变化、地形起

伏等外部因素的影响，多时相图像之间必然会存在一定的几何畸变。因此，在进行变化检测工作之前，必须要对图像进行及和配准，以提高检测结果的可靠性。一个良好的配准结果是进行变化检测处理与分析的必要前提，也是从图像数据中提取有用信息的必要条件。

（2）图像校正

由于受到光照条件、大气条件、传感器本身特性、人为因素等不同程度的影

响，在使用多时相图像进行变化检测时，必须进行辐射校正。辐射校正分绝对辐射校正和相对辐射校正。但是绝对辐射校正需要事先确定传感器角度、太阳高度角等参数，获取这些数据资料十分困难，处理的过程也较为复杂，因此不易实现。

在现有的变化检测方法中，大都只进行相对辐射校正。

（3）图像滤波

由于技术限制，在自然环境中拍摄的影像常常含有许多噪声，而且传感器在

成像过程中会产生随机分布在图像各处的斑点，与一些微小的地表目标混合在一起，这样就会破坏实际图像的纹理结构，给图像的解译带来诸多困难。因此，在进行变化检测前，一般要对图像进行简单的均值滤波或中值滤波来消除一些噪声的影响。本文实验用到的数据集均为已经经过配准及校正的图像，所以预处理过程直接从图像滤波开始。

3.1.2 变化区域提取

提取出多时相图像的变化区域是变化检测的最终目的。目前最常用的变化区

域提取方法是先比较后分类法，即先结合已有的多时相图像构造差异图像，常见方法有差值法、对数比值法、差值比融合法、邻域相似度法等，然后再进行分类，常见的处理方法有图像阈值化分割法和聚类法。这种提取方法简便易行，但对图像数据预处理要求较高，对噪声较为敏感。差异图的构造和分类都会影响到最终检测结果的精度。找到可以有效的构造差异图以及合适的分割方法是这类方法研究的关键。

3.1.3 检测结果的后处理

初步的变化检测结果中一般都会存在一些孤立的像素点，因此需要对检测结

果（二值图像）进行再次处理，消除部分伪变化信息以及处理过程中产生的噪点。主要方法包括区域生长法、形态学处理、滤波处理等[1]。

3.1.4 检测结果评价

如何衡量一种变化检测方法的可靠性，就需要用到一些性能指标。本文采用

的是基于像素级的定量的变化检测性能评价指标，即把结果图的像素值与参考图逐一作对比，像素值没有发生变化的点的个数为实际未变化的像素数，像素值发生变化的点的个数为实际变化的像素数。

定量评价检测结果的性能指标有三个：虚检数FA（即实际没发生变化却被

检测出变化的像素点个数之和）、漏检数MA（即实际发生了变化却未被检测出变化的像素点个数之和）、总错误数OE（即虚检数和漏检数之和）。根据总错误数还可以得到检测准确率。

根据表3.1可以定义变化检测结果的评价指标：

表3.1 变化检测结果评价指标

其中，

虚检数：FA=Uc，

漏检数：MA=Cu，

总错误数：OE=FA+MA= Uc+ Cu，

错误率：R=OE/总像素个数。

在计算上述评价指标时，需要用到事先做好的变化检测参考图作为参考。本

论文中所采用的数据集都是含有参考图的，主要是为了验证所提出方法的有效性与可行性，而在实际中由于勘测条件、数据采集等的限制往往难以获得真实的参考图，在这种情况下就只能通过目视判读等直观方法来进行定性分析。

3.2 现有的同源图像变化检测方法

经过几十年的发展，学者们提出了许多非常好的变化检测方法。本文根据作

者自己的理解，从算法的角度将目前的变化检测方法分为四类：（1）基于代数运算的变化检测；（2）基于图像变换的变化检测；（3）基于图像分类的变化检测；

（4）基于特征描述的变化检测。下面将简单的一一介绍这几种方法。

3.2.1 基于代数运算的变化检测方法

基于代数运算的变化检测方法主要包括差值法、比值法、差值比值融合法等。

（1）图像差值法

图像差值法是最原始、最简单常用的一种方法，其基本原理是将经过配准的

两时相图像中对应的像素值直接相减，从而得到一幅新的差异图，理论上差值为0或非常接近0 的表示非变化区域，其余为变化区域。

（2）图像比值法

图像比值法类同于差值法，它是将将经过配准的两时相图像中对应的像素值

相减，从而得到一幅新的差异图，理论上差值为1或非常接近1 的代表非变化

区域，其余为变化区域，考虑到斑点噪声的影响，现在一般用对数比值法代替比值法。差值法和比值法一样都直观、简便易行、检测速度快，但这种方法过于简单，在实际中很容易造成大量有用信息的流失，因此一般都需要对其进行改进后使用。

（3）图像差值比值融合法

差值法能较好的保留变化区域的几何边缘信息，而比值法能有效地提高变化

区域和非变化区域的对比度，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），将两者的优点结合起来，从而进一步提高检测结果的准确性。

3.2.2 基于图像变换的变化检测方法

基于图像变换的变化检测方法主要包括主成分分析法、典型相关分析法等。

（1）主成分分析法

主成分变换应用与图像中的主要作用是数据压缩、特征选取和图像增强等。

有学者就曾提出一种基于主分量分析的图像变化检测方法，首先对两幅不同时相图像进行主成分分解，再用矩阵的次分量成分表示图像的变化区域。一般来说，第一主分量摆阔了原始信息的绝大部分内容，其他各主分量包括的信息逐步减少，相当于相关程度比较低的波段之间的差异。因此合成几个变化后的主分量就可以突出变化区域的信息。

（2）典型相关分析法

典型相关分析法的实质是把差异总信息分配到几个互不相关的变量上，以在

最大限度的保持这一差异的总信息量不变的情况下，检测出图像之间发生的变化。

3.2.3 基于图像分类的变化检测方法

基于图像分类的变化检测方法主要包括分类后比较方法和多时相图像同时

分类方法。

（1）分类后比较方法

分类后比较方法的原理是对两个不同时相的图像进行分类，根据位置坐标在

已分类区域中逐个比较各个像素以确定变化信息。

（2）多时相图像同时分类方法

多时相图像同时分类法的原理是将两幅图像放到一个数据库中同时进行分

类，出现变化的类别的数据统计量（如标准偏差等）将很大，而非变化则正好相反，因此可以通过比较统计量来区分类别变化与否。

3.2.4 基于特征描述的变化检测方法

基于特征描述的变化检测方法的原理是利用图像的一些特征（如边缘特征、

结构特征、纹理特征等）进行变化检测分析，早期的变化检测方法只对图像灰度特征信息进行分析，但是灰度特征很受光照、辐射等因素的影响，不同时刻的图像灰度值往往存在偏差，相对于这些灰度特征，图像的纹理、边缘等特征更显的稳定，不容易受到上述因素的影响。

4.一种自己实现的基于模糊贴近度的变化检测方法

对已配准和校正的两时相SAR图像T1和T2，根据SAR图像的特点，采用

如下的相似度公式来构造差异图（difference image，简记:DI）：

DI(x)xNxminT1x,T2xmaxT1x,T2xxNx其中N(x)表示位置x上的一个邻域的位置指示集，即取其空间上的一个邻域，把由邻域元素构成的集合看作是模糊向量，用上式度量两模糊向量间的相似度。若得到上式的值越大，则该位置上的像素点越接近于未变化类，反之，为变化类。

根据上式计算出差异图，然后滤波，二聚类即可得到变化检测图。

Nx

图1 变化前 图2 变化后

图3 变化参考图 图4 变化图

由上图可得按照以上算法得出的效果图也是极好的。

5.遥感变化检测方法变化趋势

随着新的传感器不断出现，卫星数据产品不断增多，关于遥感图象变化检测

方法的研究形式也出现了新的变化趋势。

（1）遥感变化检测方法由传统的线型运算处理模式拓展到了非线型处理模式；

（2）从单一的多光谱遥感数据影像变化检测方式升级为综合利用多源影像相关数据进行变化检测方式；

（3）遥感变化检测模式由单纯考虑影像的像素DN值的运算演化为考虑像素内部组成，以及像素内物质的反射物理机制的复杂演算；

（4）遥感变化检测方法由单一的变化检测方式发展为复合式的变化检测技术。

6.参考文献

[1] 周品. MATLAB数字图像处理. 第一版. 北京: 清华大学出版社, 2012.

152-163

[2] 孙明. 数字图像处理与分析基础:MATLAB和VC++实现. 第一版. 北京: 电

子工业出版社, 2013. 92-95

[3] 刘冰. MATLAB神经网络超级学习手册. 第一版. 北京: 人民邮电出版社,

2014. 234-236

[4] 边肇祺，张学工. 模式识别. 第二版. 北京：清华大学出版社, 2010. 234-241

[5] 焦李成，公茂果，王爽等. 自然计算、机器学习与图像理解前沿. 西安：西

安电子科技大学出版社, 2008. 23-26

[6] M Gong, Y Liang, J Shi, et al. Fuzzy C-Means Clustering With Local

Information and Kernel Metric for Image Segmentation[J]. Image Processing IEEE Transactions on, 2013, 22(2):573 - 584.