多特征模糊融合的SAR影像变化检测

      摘要

针对利用SAR影像单特征变化检测精度低的问题，该文提出了一种基于模糊理论的多特征融合的变化检测方法。首先计算前后时相SAR影像的灰度、梯度和纹理特征的结构相似度，然后用Sigmoid型隶属函数描述相似度阈值附近的不确定性，计算像素分别属于变化类和非变化类的隶属度，最后根据最大隶属度原则将模糊量输出为确定量，得到融合后的变化检测图。通过两组真实SAR数据进行实验，结果表明，该方法明显优于传统的方法，也提高了基于单一特征变化检测结果的精度。

引用格式

赵静，黄国满， 赵争． 多特征模糊融合的ＳＡＲ 影像变化检测［Ｊ］． 测绘科学，２０１８，４３（７）：１１５-１２０．

正文

合成孔径雷达（synthetic aperture radar, SAR）是现代遥感领域的一项重要突破，成为变化信息获取的重要手段之一。SAR工作于主动式微波传感器，相对于光学遥感，具有全天时全天候的工作能力，不受云雨雾霾气候影响，SAR变化检测已经广泛应用于农业指导、地理测绘、资源环境、城市规划灾害监测和军事等领域。SAR图像变化检测技术可以解决很多实际问题，具有广阔的应用前景，成为近些年研究的热点^[1-4]。

目前，研究者们提出了许多SAR图像变化检测算法，这些算法总体上可以分为代数运算法、特征变换法、分类后比较法和相干比较法^[5]。图像代数运算法^[6]应用最普遍，主要包括图像差值法、图像比值法和对数比值法等；特征变换法^[7]包括主成分分析法、独立成分分析法和小波变换等；分类后比较法^[8-9]指先对图像分类，再对分类结果进行比较，但该方法对分类精度要求较高；相干比较法^[10]基于两幅SAR图像的相关性进行差异图提取，但该方法受干涉基线和时间去相干影响大。此外，由于MRF考虑了影像像元的空间上下文关系，许多学者将MRF理论引入SAR影像变化检测中^[11-12]，得到了很好的效果。

在已有的SAR变化检测算法中，大多都只是影像的某一特征进行研究，对不同特征进行融合检测的方法较少。然而在SAR影像中，相对于其灰度信息，影像的梯度、纹理等特征更加稳定，受时相影响较小。此外，不同的特征反映图像不同的侧面，如梯度特征反映区域内相邻像元的灰度变化程度，纹理特征描述图像灰度分布的空间结构。

本文提出一种基于结构相似度的多特征模糊融合的SAR影像变化检测方法，该方法通过计算多个特征（灰度、梯度与纹理）的结构相似性以及隶属度，进行融合与判别，得到最终变化结果。通过不同特征及其不同组合方式的对比实验表明，多特征融合的方法能有效改善了单一特征检测缺点，提高变化检测的精度。

本文基于信息融合的思想，利用模糊理论将SAR图像不同特征的变化检测结果进行融合，利用不同特征之间的互补性，得到比单一特征更为准确的检测结果。但本方法阈值选择时的自动化程度不高，在后续工作中，将结合新的客观定量指标针对本文方法中涉及的参数选择问题进行分析研究，用自动获取结构相似度阈值代替经验值，以增强本文方法的实用性。此外，还将采用更多类型的信息如边缘信息、不同的纹理信息、决策级信息等进行SAR图像变化的融合检测，以期获得更为理想的变化检测效果。

编辑：邓国臣