第二章 基于差异图的构造SAR图像变化检测方法
SAR图像变化检测的过程可以简单概述为3步：1.构造差异图，2.对差异图进行分析与处理，3.生成变化检测结果图并分析。构造差异图作为第一步，是开端，起着至关重要的作用。对于差异图的构造方法，众多学者纷纷研究，并提出许多算法。目前广泛运用的算法主要为差值法和比值法。
2.1 变化检测技术存在的问题
变化检测技术在图像处理领域中是一个活跃的研究热点，影响其检测效果的因素主要有以下几点： ?
图像配准
许多遥感图像的应用都需要求对图像进行配准，列如变化检测、图像融合、图像镶嵌、基于两幅图像提取DEM等。配准是将两幅遥感图像上的同名点准确配准的过程，优势图像之间是相对配准的，此时像素地标可能是未知的。有时配准过程中将会出现大量虚警现象，这造成的原因可能是由于没有经良好的精准配准处理而导致的图像错位造成的。目前，在导致图像变化检测的精度出现错误率的原因中，对于图像配准的精准度方面的研究成果与分析，还是比较少的。Dai 和 Khorran[21]关于此方面做了一个相关研究：采用一个多频谱图像，对其连续进行自我变化处理，然后采用基于差值的图像变化检测处理，并同时分析其与图像配准的精确度的相关性。他们得出的结论是：好的变化检测结果需要高精度的配准算法，如1/5个像素的配准精度获得的变化检测的错误率小于10%，也就是说配准精度越高得到的变化检测效果越好。 ?
阈值的选择
为判断区域是否发生了变化现象，许多变化检测方法会通过构造阈值的方法，来区分变化区域和非变化区域以得出。目前构造阈值的主要方法有两种：第一种为交互式方法，第二种是通过采用一些统计检测量来自动地获取阈值的方法。前
者是通过人为自己调节阈值的选取直到取值得到满意或者进行检测时采取经验值处理；后者为非监督变化检测阈值获取方法，这是变化检测技术未来研究发展的一个重要方向。虽然目前阈值的获取方法有多种，但是最优获取阈值依然是目前在变化检测方法研究领域中一个重点，也是需要攻克的难点。 ?
辐射校正
辐射值的改变可能是由于感兴趣的变化导致的，也有可能是其他一些随机原因造成的。后者包括的因素主要有大气状况、辐射的角度大小以及地区土壤的湿度等因素。在进行变化检测时，要确定一个条件，那就是前者的造成的改变要比后者造成变化要大。如果后者造成的变化较大，走就必须要求进行辐射的校正。在进行辐射校正时，一般会对多时相遥感图像的非变化区域进行辐射校正，但在目前实际的应用中，大家会利用一幅遥感图像作为参考图来实现辐射校正。在基于合成孔径雷达图像的图像变化检测中，我们可以将两幅图的灰度值进行匹配，来缩小图像之间的灰度差值。 ?
性能评估
目前对变化检测算法的性能评价并没有一个统一的衡量标准，根据不同的应用需求大体分为定性评价和定量评价两种。定性评价也称为视觉评价，大家通过计算机卷帘或闪烁显示技术实现，适合于人眼的直接观察。定量评价在实际应用中具有很大难度，究其原因是较难获取真实的地物变化信息。其中多余变化检测进行效果评价时 对地表数据获取真实情况是其中一个难度。在不同时间或不同情况下，对于一幅图像的评价，一个人的判断可能获得不同的结果。 ?
感兴趣变化在具体应用中的定义
对于不同的情况，或不同的实际应用，每个人都有可能得到对变化区域的不同定义，变化的区域可能是由非变化的区域或是变化的区域定义得来。定义变化的区域不同，对不同的SAR图像变化监测可能构成不同的影响。
2.2 SAR图像的预处理
在进行对SAR 图像的一些操作时，如果直接用原图操作，可能对后续步骤造成不好的影响，所以在进行变化检测前，需要对图像进行相应的预处理措施，主要是因为合成孔径雷达进行多时相成像时可能是在不同条件下得到，而且影响合成孔径雷达成像效果的因素包括受一定的斑点、噪声等影响，这些不良因素对于进行下一步的SAR图像变化检测算法构成大量的困难以及会降低图像的效果质量。
造成SAR 成像出现的斑点噪声等不良效果是由于SAR使用采用一些相干信号而导致的，这是成像系统自身所自带的。SAR 图像的斑点噪声不良现象表现为图像上的亮度起伏不定，这会让人感觉图像很乱，而且探测目标的边缘表现不够清晰。因此，降低图像固有斑点和噪声的措施在图像变化检测中是非常重要的。现在的相干斑的抑制技术可以大致分为两种，一种为多视技术，另一种为对 SAR 图像空间的滤波技术。前者技术在以前的 SAR 处理采用率较高，利用空间的分辨率来抑制相干斑是此方法的重要特点，此方法需要将空间的分辨率减小到之前的1/ N，且相干斑抑制变为之前的1N。此方法主要基于所有的像素点的像素
值完全相等的思想，缺点在于忽略SAR图像边缘结构的信息，而后者技术在SAR图像处理中则是基于在尽量保证以不减小空间分辨率作为前提下，加强抑制相干斑。Lee 滤波、Frost 滤波、Kuan 滤波是比较经典的几种SAR图像滤波方法。
除滤波外，对图像进行高精度配准，在SAR图像变化检测中也是非常重的。在实际应用中，许多变化检测方法都要求高精度的图像配准，否则较低的配准精度对导致出现大量虚警现象。图像配准是图像变化检测中一步，但是不可忽略，应该说这也是人们需要研究的一个重要领域，因为配准的精度高低会影响SAR图像变化检测的效果。在图像配准方法中，基于图像特征点来进行图像配准是最为广泛的方法。但是这类方法的缺点往往无法很好地确定特征点的位置，主要由SAR 图像中斑点噪声影响严重造成。因此在 SAR 图像的配准过程中，我们往往会通过人为手动选取特征点的方法来对图像进行精度配准。
预处理有两种形式，有的预处理方法需针对两幅图像进行，而某些方法以其
中一幅图像为基准，只对另外一幅图像进行处理。
SAR 图像的灰度匹配主要是指通过对SAR原始图像的灰度进行变换，消除由传感器扰动，成像距离差异等随机原由所带来的影响。在光学图像中一般采取的方法主要有强度归一化、同态滤波和图像回归法。而在SAR图像变化检测中，主要适用的方法为第一种和第三种。 ?
强度归一化
在 1973 年，Ulstad[22]提出这种方法用来消除数字图像中差异现象。对成像距离进行等变化操作会对灰度直方图进行平移、伸缩，结果会使多时相两幅图像的均值和方差变得不相同，而通过此强度归一化方法可使得两幅图像会具有相同的均值以及相同的方差。设图像对为I1和I2,I1?x,y?,I2?x,y?和分别表示两幅图像中对应同一点?x,y?处的幅度值，利用I1?x,y?和I2?x,y?进行强度归一化得：
I2????I1??I2???I2?????I1???I2?
(2-1)
其中?,?分别为I1和I2的方差和均值。 ?
图像回归法
此方法假设将检测图像的像素值映射为参考图像与像素值相对应的一个线性函数，之后可以通过最小二乘方法来估计此线性函数。这种方法主要对应于不同时间段内图像的像素间的方差和均值存在差别的时候进行处理。具体公式如下： Dxij?xij?t2??xij?t1? (2-2) xij?t1??axij?t1??b (2-3) 式中a，b是线性函数中参数且待测定。一般的处理方法是选择一些已经确定像素值没有变化的点，再利用这些点来估计参数值a，b。
??2.3 基于比值法的SAR图像变化检测算法
2.3.1 算法介绍
首先对两幅变化前后的SAR 图像分别进行滤波处理，消除噪声，尽可能的减少噪点对变化检测结果产生影响。
然后利用图像比值法生成初步的新像素矩阵。
假设I1?i,j?是第一幅变化前SAR 图像对应像素点?i,j?的灰度，I2?i,j?是第二幅变化后SAR图像对应像素点?i,j?的灰度。对应两幅图像，变化的部分像素差异波动较大，所以比值I1?i,j?/I2?i,j?与1距离就比较远；而对应不变的点，像素虽然不至于完全一致，但是比值应该接近1。这个特性就为此方法的实现奠定了良好的基础。
具体公式为
?I1I2? r?min??I,I????0,1?
?21?（2-4）
为了克服噪声，也可以采用一定大小的窗口进行平均后再进行比值运算，即
?n r?min??I1?i?1?I2,?I2i?1i?1nn? I?1? （2-5）
i?1?n比值操作后所得到差异图的统计分布如下面公式所示： p?rI1,I2???2N?1?!r??NrN?12N??N?1?!2??r?r??? （2-6)
其中,I1,I2表示在两个时刻同区域的均值图像强度，N表示SAR图像数据的等效数据。
然后对上一步得到的像素矩阵进行处理，对比值如进行取反操作，再乘以某一恰当的系数将像素值的差距拉大，便可得到一幅SAR图像变化图像。最后将实验所得的结果图跟已知参考SAR图像进行比对，获取变化区域及变化特征，并统计漏检和误检的像素点数量。 2.3.2 算法步骤
基于单边拟合策略的合成孔径雷达图像变化检测毕业设计_说明
