英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

高分辨率SAR图像中更改

检测的相似度测量的自适应技术

摘要：

本文提出了一种用于在高几何分辨率（VHR）合成孔径雷达（SAR）图像中进行变化检测的新型自适应技术，其利用信息理论相似性度量来建模概率密度函数（pdfs）的时间演化。通过利用多时空图像共享的小均匀区域（即多时间“包”）上的像素的空间上下文信息，在本地基础上自适应地估计用于表征pdf的图像统计。对不同订单统计的联合分析使得该方法稳健且适合于检测后向散射和纹理变化的两个阶跃变化。使用包裹可以对被调查场景中的复杂对象和变化区域的边界进行建模，并更改细节。实验结果证实了该方法的有效性。

关键词：

变化检测，SAR图像，分割，多时间均匀性，统计学相似性度量。

1、引言和背景

近年来，在遥感领域越来越多的关注一直致力于改变SAR图像的检测。这主要是由于中等分辨率SAR传感器（例如ERS-1和2，Envisat ASAR，Radarsat-1）获得的大量SAR数据的可用性。由于最近推出的卫星安装在具有度量精度的新一代VHR SAR传感器（即Cosmo-SkyMcd和TerraSAR-X卫星）上，这种注意力进一步增加。当Cosmo-SkyMcd星座将完成时，四颗卫星将保证几个小时的重新访问时间。这需要具有有效的自动变化检测技术，其能够分析在不同时间在相同地理区域上获取的VHR SAR图像对。

在遥感文献中，SAR图像的大多数变化检测技术根据上下文不敏感分析产生变化检测图（仅在图像的足够的直流斑点之后才考虑像素值）获得的两幅图像区域在不同的时间。这些技术通过根据数学运算符[差异或（对数比）算子]比较多时间后向散射值来计算变化指标，并通过阈值变化指标[1]导出最终变化检测图。有时上下文信息被包含在该过程中，通过考虑每个像素的局部邻域中的模式的行为，具有预定义的形状和大小[2]-[4]，两种方法，无论是上下文不敏感还是上下文-在对VHR图像中存在的空间上下文信息和复杂变化的适当建模中显示出一些限制。因此，使用这些技术获得的变化检测图在均匀区域的高精度和几何细节的良好保存之间没有获得良好的权衡。

为了克服上述限制，有必要开发能够正确利用VHR SAR图像的特定属性并对场景中存在的复杂对象/区域进行建模的先进的上下文敏感变换检测方法。在本文中，我们提出了一种新技术，通过考虑小均匀区域来提取像素的空间上下文信息，并提取利用信息理论相似性度量的复杂对象的信息。

2.自适应变更检测技术

提出的自适应上下文敏感技术基于以下三个步骤：a）根据多时间包裹的生成对多时间VHR SAR图像的几何进行自适应建模[5]； b）基于包裹的相似性度量的定义；和c）变化检测图生成。

2.1。多时间包裹的自适应生成令X₁和X₂分别是在时间t ₁和t ₂在同一地理区域上获得的两个共同注册的VHR强度SAR图像。让我们解决根据时空分割标准自适应地建模像素邻域的问题。

令H（Z）为均匀性谓词，Z为均匀性评估所涉及的空间相邻像素集合。考虑不同的空间，时间和后向散射属性（应该根据所采用的特定分割算法进行适当选择），定义均匀性谓词H（.）。令P（X₁，X₂）是与图像X₁和X₂相关联的一组宗地[5]。 P（X₁，X₂）是N个不相交区域p_s的分区（即，P（X₁，X₂）= {p₁，hellip;，p_N}，具有p_s X1₁和p_s X1₂，使得 _s，r = 1,2,hellip;,N:

1.p_s中的像素连接；

其中X_i（p_s）表示属于包裹ps的图像X_i的部分（i = 1,2）。条件（1）-（3）确保X₁和X₂中的所有像素分布在N个连接和非重叠区域中。条件（4）确定两个原始图像中的包裹的均匀性（即时域中的几何均匀性），条件（5）表示每个包裹的最大值（即，相邻包裹的对不能合并而不放松均匀性标准）。

上述条件可以根据联合应用于时空域的不同分割策略来实现。值得注意的是，在运营级别，可以根据用于单个图像分割的标准算法的简化过程导出多时间包裹。特别地，为了满足空间和时间均匀性，可以分别对X和X2应用空间分段，并根据逻辑OR运算符合并分割结果[5]。换句话说，几何多时间均匀性谓词被定义为应用于两次收购的空间均匀性谓词的逻辑组合。

在本文中，我们使用了区域增长算法。根据以下迭代过程实现所需的分割图：

i）定义所考虑图像的初始分区（通常第一次迭代中的分段数量等于场景中的像素数）；

ii）对于每对相邻段p_s和p_r，进行评估H[X_i(p_s)cup;X_i(p_r)]；

iii）如果H[X_i(p_s)cup;X_i(p_r)]低于给定阈值t合并p_s和p_r，否则不是；

iv）迭代步骤ii）和iii）直到不再有合并是可能的，即直到不存在满足均匀性标准的相邻对。

使用所描述的区域生长过程导致满足最大特性的分割图，因为最终区域是可能的最大值t。因此，即使通过单日期分段的逻辑OR获得的包裹图也满足该属性。

关于空间均匀性谓词，在文献中提出了几个标准。正如我们正在处理SAR图像中改变检测方法一样，为了考虑到破坏这种数据的斑点噪声的乘法性，采用了空间域的以下同质性谓词[6]：

其中n_s和n_r，以及micro;_s和micro;_r分别是两个区域的尺寸和平均值，p_s和p_r候选在给定的迭代中是均匀的，micro;_{s r}是两个片段的平均值。 在方程（1）中的均匀性标准表示段之间的距离度量：其值越小，段越近。

根据所选择的t值，可以获得不同分辨率级别对存在于场景中的对象的信息进行建模的不同分割图（并且因此包裹图）。特别地，t的值越大，约束的限制越少。因此，分割过程导致较大的区域。 t的适当值的选择取决于具体的变化检测问题。然而，一般来说，优选的是获得过分割以确保避免分割。

2.2。基于包裹的相似性度量的定义在第二步中，比较两个图像X₁和X₂（其由多个时间包裹建模），以便计算另外的图像，其中改变被突出显示。近来在文献中有希望的统计学相似度测度（例如，Kullback-Lcibler发散，归一化信息距离，相互信息，变化信息，混合信息等）已被成功应用于突出显示多时间中/高分辨率SAR图像中的变化信息。在本文中，即使可以考虑采取其他措施，我们将注意力集中在Kullback-Leibler（KL）分歧上。特别地，我们对如上一节所述计算的强度图像的包裹表示进行评估。

Kullback-Leibler分歧是统计分布之间的距离的度量，并给出了两个概率密度函数（pdfs）的形状差异的指示。由于KL分歧是在pdf之间计算的，因此它与本比较所涉及的pdf的估计过程所涉及的样本数量本质上无关。这是一个重要的属性，当执行包裹分析作为宗地的大小（因此，用于pdf估计的样本数量）可能会在考虑的分区显着不同。

令X ₁（p_s）和X₂（p_s）分别是与图像X₁和X₂中的包裹p_s相关的像素相关联的两个随机变量，并且令f_x1(ps)（x）和f_x2(ps)（x）为相应的概率密度函数。那么基于包裹的KL分歧定义为：

为了根据方程（2）进行多时间图像的比较，应该知道pdfs以下可以证明，以非参数方式模拟统计分布的形式的有效方法是使用给定顺序截断的无限Edgeworth系列扩展。使用Edgeworth系列扩展获得的KL分歧的近似值被截断为4的顺序如下：

是X_i的标准化版本，而K_xi,n是随机变量X_i(i=1,2)的阶数n的累积量。值得注意的是，方程（3）中的累积量在包裹基础上进行评估。为了简化符号，省略了来自parcel p_s的累积量的依赖。

使用Edgeworth系列扩展，可以使用更高阶的比较步骤统计。这导致变化指标对斑点噪声的存在具有更高的鲁棒性[7]。此外，它允许一个更好地基于仅基于低阶统计作为均值和方差的变化指标进行变化[7]该特征在处理VHR SAR图像时特别适用，其中段可能覆盖纹理区域。虽然这里考虑了四分之一的次序，但是在KL分散的计算中可以容易地包含更高阶的统计量。

基于包裹的KL分歧是不对称的。其基于包裹的对称版本可以定义为：

最后说明，为了保证统计参数的估计是可靠的，应该引入P（X₁,X₂）中包裹大小的下限。在这种情况下，可以预期所提出的措施的自适应性能可靠地估计pdf的形状。此外，它充分捕捉了所考虑的多时间图像的几何。

2.3变更检测图生成

在最后一步中，根据应用于基于KL包裹的对称散度的阈值过程，将包裹分配给一个类（changeomega;_c或no-change，omega;_n）来计算最终变化检测图：

在实践中，如果两个分布不同，则假设发生变化，否则包裹不变。阈值T可以自动或手动识别。

3.实验结果

为了评估提出的技术的有效性，对多时间SAR图像进行了几项实验。考虑的数据集是由越南卡蒂亚国家公园在5月份（图1a）和9月（图l.b）1999年获得的两个ERS-2强度中分辨率SAR图像的600times;600像素组成的部分。我们使用中分辨率图像来测试这个技术，因为VHR图像在实验时不可用。在两个收购日期之中，沿江大面积的洪水现象感兴趣。我们的实验的目标是检测这些领域。

我们通过考虑针对阈值t的不同值获得的五种不同的基于包裹的表示，将所提出的技术应用于考虑的数据集。因此，每个宗地图包含不同分割级别的空间上下文信息。将用于对数强度图像（Tab.Ia）的所提出的技术获得的结果与根据基于标准像素的程序（Tab.Lb）获得的结果（即对数比图像的阈值）进行比较[1]并且实现了在具有固定大小的方形窗口（Tab.Ie）上计算的D [X₁（p_s）|X₂（p_s）]阈值。考虑了不同的窗口大小。定量结果报告在表1通过将变化检测图与参考图进行比较，根据手动试错阈值处理获得。这样的地图是手动定义的，由60765个改变的像素和299235个不变的像素组成。

从Tab可以看出。我提出的技术比基于像素的标准方法和在方形滑动窗口上计算的对称KL发散都更好。更详细地说，关于基于像素的标准技术，它将虚警的数量减半，减少了三分之一的漏报警；对于方形窗口的情况，它将虚假警报减半，并略微减少错过的警报。变化检测图的视觉比较（参见图2）指出，正如预期的那样，所提出的技术也导致均匀和边界区域的高保真度。更详细地，它显示了比使用固定大小的平方窗方法获得的最佳图的更精确的变化细节建模，以及比基于像素的方法更好地表示均匀面积。值得注意的是，通过以全分辨率分析变化检测图，提到的效果更加明显。 （对于空间限制，图2中报告的地图的大小大大减小）。

4。结论

在本文中，我们提出了一种用于VHR SAR图像中的变化检测的技术，其根据多时间图像的包裹表示自适应地对每个像素的时空背景进行建模。 所提出的技术根据基于Kullback-Liebler分歧的鲁棒统计相似性度量来比较每个包裹中包括的像素的统计分布。 所提出的方法导致在对几何细节和复杂对象进行建模时具有高精度的变化检测图。 根据这些性质，基于包裹的Kullback-Liebler距离本质上适用于VHR SAR图像的分析。 数值结果（在中等分辨率SAR图像获得的这个阶段）证实了提出的方法的有效性。

作为未来的发展，我们计划将实验分析扩展到由Cosmo-SkyMcd卫星星座获得的新一代VHR SAR图像。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27596]，资料为PDF文档或Word文档，PDF文档可免费转换为Word