论文部分内容阅读
随着SAR图像分辨率的不断提高,其被越来越多地应用到,如震后灾害评估、海啸受灾状况评估、城镇动态监测,乃至湿地生态面积缩减状况监测等的变化检测工作中。然而,外部环境的影响,SAR数据固有的斑噪、获取数据的侧视角度等,都严重影响着SAR图像变化检测的结果,致使现有的变化检测算法不再适用。因此,本文针对实际应用的需求,经过详细的国内外文献调研,以单极化多时相大场景高分辨率星载SAR图像为数据源,围绕从不同时相SAR图像中准确获取变化区域信息这一最终目标,将变化检测整体流程分为目标区域提取、差异图提取,以及差异图阈值分割三个步骤,并开展了一系列的研究工作。具体内容主要包括以下几个方面:
(1)考虑到变化检测任务的目的性与方向性(如城镇的动态监测、湿地面积的生态评估、洪涝灾害的危害程度检测等),通过对目前国内外SAR图像变化检测领域内的相关文献调研,本文从实际应用需求出发,在进行变化区域提取的具体操作之前,预先进行了检测目标区的提取操作。该操作以快速有效作为出发点,进而提出了一种将变差函数纹理特征提取与最大类间方差阈值分割相结合的目标区域提取方法。该算法在计算效率明显提高的基础上,可获得不亚于传统经典算法的结果。
(2)考虑到高分辨率SAR图像中实际地物分布的复杂性与多变性,本文选用了可以根据不同参数估计结果,使用统一公式,近似拟合不同统计分布的广义Gamma模型,来进行不同时相SAR图像的地面实际情况拟合,并首次将该模型与基于KL距离的变化测度模型结合到了一起,用以量化不同时相SAR图像间的变化程度,进而提取差异图。
(3)出于变化区域与未变化区域的面积比例往往过小的考量,本文选择了可以有效克服这一限制的传统KI阈值分割作为雏形,并运用通过估计获取的概率分布取代原式中的对数似然函数作为改进。其中,概率分布的选取则是通过基于KS检验的自适应最优拟合模型评估原则来实现的,经实验验证,该方法对不同分布情况的差异图,都能够有效提取实际变化区域。
(4)为验证本文所提出的各环节算法的有效性,本文在实验部分,根据光学参考图像与实地验证所获得的统计信息,分别使用ROC曲线与Kappa系数评定等算子性能评估方法,将实验结果与目前主流的相关算法运行结果进行了比较。从而证实了本文所提出的各方法性能均明显占优。