摘要
針對利用SAR影像單特徵變化檢測精度低的問題，該文提出了一種基於模糊理論的多特徵融合的變化檢測方法。首先計算前後時相SAR影像的灰度、梯度和紋理特徵的結構相似度，然後用Sigmoid型隸屬函數描述相似度閾值附近的不確定性，計算像素分別屬於變化類和非變化類的隸屬度，最後根據最大隸屬度原則將模糊量輸出為確定量，得到融合後的變化檢測圖。通過兩組真實SAR數據進行實驗，結果表明，該方法明顯優於傳統的方法，也提高了基於單一特徵變化檢測結果的精度。
引用格式
趙靜，黃國滿， 趙爭． 多特徵模糊融合的ＳＡＲ 影像變化檢測［Ｊ］． 測繪科學，２０１８，４３（７）：１１５-１２０．
正文
合成孔徑雷達（synthetic aperture radar, SAR）是現代遙感領域的一項重要突破，成為變化信息獲取的重要手段之一。SAR工作於主動式微波傳感器，相對於光學遙感，具有全天時全天候的工作能力，不受雲雨霧霾氣候影響，SAR變化檢測已經廣泛應用於農業指導、地理測繪、資源環境、城市規劃災害監測和軍事等領域。SAR圖像變化檢測技術可以解決很多實際問題，具有廣闊的應用前景，成為近些年研究的熱點
[1-4]。目前，研究者們提出了許多SAR圖像變化檢測算法，這些算法總體上可以分為代數運算法、特徵變換法、分類後比較法和相干比較法[5]。圖像代數運算法[6]應用最普遍，主要包括圖像差值法、圖像比值法和對數比值法等；特徵變換法[7]包括主成分分析法、獨立成分分析法和小波變換等；分類後比較法[8-9]指先對圖像分類，再對分類結果進行比較，但該方法對分類精度要求較高；相干比較法[10]基於兩幅SAR圖像的相關性進行差異圖提取，但該方法受干涉基線和時間去相干影響大。此外，由於MRF考慮了影像像元的空間上下文關係，許多學者將MRF理論引入SAR影像變化檢測中[11-12]，得到了很好的效果。
在已有的SAR變化檢測算法中，大多都只是影像的某一特徵進行研究，對不同特徵進行融合檢測的方法較少。然而在SAR影像中，相對於其灰度信息，影像的梯度、紋理等特徵更加穩定，受時相影響較小。此外，不同的特徵反映圖像不同的側面，如梯度特徵反映區域內相鄰像元的灰度變化程度，紋理特徵描述圖像灰度分佈的空間結構。
本文提出一種基於結構相似度的多特徵模糊融合的SAR影像變化檢測方法，該方法通過計算多個特徵（灰度、梯度與紋理）的結構相似性以及隸屬度，進行融合與判別，得到最終變化結果。通過不同特徵及其不同組合方式的對比實驗表明，多特徵融合的方法能有效改善了單一特徵檢測缺點，提高變化檢測的精度。
本文基於信息融合的思想，利用模糊理論將SAR圖像不同特徵的變化檢測結果進行融合，利用不同特徵之間的互補性，得到比單一特徵更為準確的檢測結果。但本方法閾值選擇時的自動化程度不高，在後續工作中，將結合新的客觀定量指標針對本文方法中涉及的參數選擇問題進行分析研究，用自動獲取結構相似度閾值代替經驗值，以增強本文方法的實用性。此外，還將採用更多類型的信息如邊緣信息、不同的紋理信息、決策級信息等進行SAR圖像變化的融合檢測，以期獲得更為理想的變化檢測效果。
往期熱點文章
(查找往期消息：進入公眾號—號內搜)
閱讀更多 測繪科學 的文章
