SAR图像变化检测综述(2)

相关分析法，斑点的时相去相关提供了地表在结构或介电特性上可能的变化信息，并且这种变化检测不依赖于定标精度。实际应用中，通常使用一般的强度图像来计算斑点相关系数，不考虑相位信息。

3.3分类法

分类后比较法，在70年代末开始应用于Landsat卫星影像的变化检测。分类后比较法是对每幅图像单独进行分类，然后对图像的分类结果图进行比较，以确定变化的类别和区域。如果对应像素的分类类别相同，则认为该像素没有发生变化，否则认为该像素发生了变化。使用分类法的优点主要有：(1)可以给出区域变化的类型、位置、数量等有关地物性质信息；

(2)受图像配准的影响要小。此方法的主要缺点是它受分类器的影响很大，不同的分类器能够决定变化检测的精度高低。

同时分类法，将多时相图像构成一副复合影像进行分类，得到的分类结果图中的每一类代表一种变化类型。此方法能够减少分类时间，但是难于标记变化类别，而且分类更加复杂，对训练样本的选取相当高。

随着计算机技术的发展，解决复杂问题的各种数学方法与专家知识被逐渐加入。人工神经网络、向量机、专家智能等方法成为热点。

4 国内外研究现状

近几十年来，SAR变化检测技术被越来越多的国内外学者所关注。国外，SAR变化检测技术方兴未艾，国内，该技术正处于起步阶段[9]。

4.1 国外现状

国外，Vilasenor [10]利用两幅重轨ERS-1 SAR影像对阿拉斯加北坡地区进行了变化检测，验证了雷达后向散射强度的差值比较可以作为变化检测的一种方法。Rignot[11]等人根据多视SAR强度影像服从Gamma分布的假设，从理论上证明了比值法更适合多时相SAR影像的变化检测。Bazi[12] [13] [14][15]、Bruzzone[16]等在多时相SAR比值图像的阈值变化检测算法上展开一系列研究。针对直接代数运算法没有考虑到象元的空间上下文信息，误检和漏检现象严重，近几年来出现了在此基础上的基于上下文空间关系的变化检测，主要从两个方面进行改进。一方面，单尺度上利用差异图像的上下文关系进行进一步的优化得到变化图, Bruzzone[17]

SAR图像变化检测综述

首先利用 Markov随机场对差值图像进行分析，并求得最优的变化检测结果。文献

[18][19][20][21][22]都是基于马尔科夫随机场进行上下文分析。文献[23][24]利用神经网络进行上下文分析；另一方面，利用差异图像的小波多尺度信息进行优化得到变化图，如Bovolo[25],Inglada[26],Celik.T[27][28]利用多尺度小波信息进行变化信息的优化。

Fung [29],Gong [30]等先后将主成份变换应用于变化检测中。Qiu[31]等人将分块主分量分析(Multi-Block PCA)法应用于图像变化检测。

Rignot[11]等人利用ERS-1的重轨影像进行了不同方法的变换检测，得出，对于单视影像或者是视数较小的多视影像，基于去相关的变换检测方法效果最好。Corri[32]通过计算三幅多时相影像两两之间的相关系数进行变化检测，并提出一种对建筑物变化敏感的检测方法。Hyung Sup [33]等利用多时相JERS-1SAR数据，进行了多种方法的变化检测，认为去相关法对于检测物体属性的变化是非常有用的方法。Takashi[34]等用相关系数法以及标准偏差系数法进行了比较，发现，相关系数法提取的区域要小于标准差系数的区域，对于大面积区域，更适合用标准差系数法来进行变化检测。

Roger[35]等利用Seasat和SIR-B不同时相图像，用最小距离分类器得到了森林主要变化类型的大小和范围。White [36]对基于模型与基于神经网络方法进行了比较，认为神经网络训练得当，则此方法优于基于模型的方法。Fabio [37]等提取出后向强度、相关参数以及纹理参数特征，进行神经网络监督分类，进行变化检测。Welismiller[38]等采用同时分类法进行了德克萨斯地区海岸带环境变化检测。

White[36]针对SAR图像的斑点噪声以及配准问题，提出基于图像分割的方法，并利用神经元网络进行对象识别，在此基础上进行变化检测。Craves[39]对多时相ERS-SAR数据进行了分割，分割后的图像叠加起来进行检测。日本L．Zhu [40]利用分水岭分割实现建筑物提取，在此基础上进行变化检测。瑞典的Hongtao Hu [41]等利用面向对象分割方法，然后进行特征选择，利用神经网络分类提高分类精度，最后进行变化检测。Francesca [42]对多时相SAR影像进行分割，分割后的图像利用距离测度确定变换图像，进一步设定阈值进行变化检测。

4.2 国内现状

熊博莅[43]在差值图像基础上对阈值的自动选择算法进行了研究.王超等[44]利用radasat-1数据对蚌埠市进行比值法变化检测。金亚秋[45][46] [47]、廖明生[48],江利明[49],宋妍[50]，王桂婷[51]， 申邵洪[52]采用马尔科夫随机场模型描述SAR比值差异图像的空间上下文信息，进行了基于该模型的变化检测。张路[53]利用顾及上下文关系的贝叶斯理论进行变化区域提取。王桂婷等[54],李杰等[55]进行了基于小波变换的多尺度融合检测方法。

张辉等[56][57]将向量化后的两SAR图像组成的矩阵进行主分量分解,利用分解后的次分量表征为图像的变化部分。

廖明生[58]利用多时相SAR影像的比值以及相关系数组成二维图像进行变化检测，此方法比用单一方法检测更加有效。

王永平等[59]对SAR图像进行聚类分析，对聚类后的图像引入M距离进行变化检测。黄勇等[60]对原图像进行分块，利用每一块内的纹理特征和灰度特征进行非监督变化检测。黄玉琴[61]把地统计学纹理应用到SAR图像分类中，得到城市覆盖区的专题信息。赵小杰[62]计算出不同的纹理特征，用K近邻法进行聚类后再进行变化检测，并与比值法以及差值法比较，得出该方法适合城区变化检测的结论。

黄勇[63] [64]首先对两幅SAR图像进行似然比分割，利用距离函数进行变化检测。蔡纯[65]

SAR图像变化检测综述

在模拟退火分割基础上，进行了区域似然比的变化检测。文献[66]用模糊知识分类器进行对象分类,进行分类后比较。Hong Chi[66]用模糊知识分类器进行对象分类,进行分类后比较。 种劲松等 [67][68]利用纹理差值变化检测方法，采用最小错误率的贝叶斯方法对北京地区Radarsat多时相数据进行变化检测。张军团 [69]着重研究了二阶灰度特征，提出了基于二阶统计特性的SAR图像变化检测算法，在目标与背景强度差距大的情况取得很好的变化检测效果。

变化检测的各种方法各有优缺点，各有适用范围，实际应用中，哪种好坏没有定论。区域不同、需要不同，方法的选择也不同。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说医药卫生SAR图像变化检测综述(2)在线全文阅读。