论文部分内容阅读
相干变化检测(Coherent Change Detection，CCD)技术利用合成孔径雷达(Synthetic Aperture Radar, SAR)的相位相干性信息对场景中散射强度差异不明显的微小变化区域进行检测，具有重要的研究价值与广泛的应用前景。然而，当今许多应用场景目标众多，情况复杂，场景中存在的一些诸如弱散射强度导致的低信噪比区域以及植被受风吹影响引起非感兴趣变化的区域使得检测结果中存在各种去相干因素造成的虚警干扰，严重影响变化检测精度。本文以解决SAR CCD结果中的虚警干扰问题为目标，建立目标与目标变化的SAR观测模型，分别从SAR的多时相，多极化，多波段观测模式获取观测数据，开展针对各种观测模式的CCD方法研究。本文的主要贡献与创新成果如下: 1)提出了一种基于概率图模型的多时相SAR相干变化检测方法。该方法首先建立真实变化与多时相相干变化差异图像之间的概率图模型，并据此确定变化场景分类。在此基础上通过估计先验概率与条件概率，计算感兴趣目标变化区域的后验概率，从而将目标变化区域与其它虚警干扰区域按照不同时间段内相干性变化的差异形成良好的区分，并最终去除虚警干扰区域的影响。为了兼顾该方法的运算效率与变化检测性能，本文通过改进场景变化区域分类方案，并选取适当的参与计算的相干变化差异图像数量，使得在保证方法检测精度的同时，有效地降低了方法运算量。实验结果表明，该方法对各种表现为时间去相干特性的非感兴趣变化干扰，以及低信噪比虚警干扰、强散射点旁瓣去相干干扰具有良好的去除效果。 2)提出了一种结合极化相干信息的体散射约束多极化SAR相干变化检测方法。该方法针对场景中低信噪比与体散射低相干虚警干扰区域，首先利用图像间的极化相干信息构建加权迹相干统计量，之后采用图像内通道间极化相干信息构建体散射约束项，并结合其它辅助约束项共同构建极化CCD检验统计量对场景进行变化检测，从而使得结果中既对目标变化区域形成有效检测，又去除了场景中以低信噪比区域及植被体散射低相干区域为主的虚警干扰。在建立体散射约束项过程中，采用优化M步采样点分类方式的改进型期望最大化(Expectation-Maximization，EM)算法估计体散射与表面散射的广义极值(Generalize extreme value，GEV)分布的模型参数，使得算法迭代收敛速度更快，参数估计结果更准确，有助于检测性能的提升。实测数据结果验证了该方法的有效性。 3)提出了一种基于不同频率观测下相干性表征差异的多波段SAR相干变化检测方法。该方法首先获取场景在不同波段下的相干变化差异图像，然后利用适用于估计相干变化检验统计量分布参数的改进型EM算法对目标在各波段下的相干变化差异表征分别进行自适应分类处理，之后依据少量监督样本分别在各个波段中确定分类的变化状态，最后利用Dempster-Shafer (DS)证据理论方法处理，获取多波段融合CCD结果。该结果中去除了每个波段各自产生的低相干虚警干扰，提高了变化检测精度，并通过实测数据验证了方法的有效性。