基于條件隨機(jī)場(chǎng)的SAR圖像變化檢測(cè)算法研究.pdf

1、SAR圖像變化檢測(cè)是通過(guò)定量和定性地分析同一地區(qū)不同時(shí)相的SAR圖像，以確定地物變化特征的過(guò)程。該技術(shù)在災(zāi)害評(píng)估、環(huán)境監(jiān)測(cè)、森林監(jiān)測(cè)和戰(zhàn)場(chǎng)態(tài)勢(shì)分析等國(guó)民經(jīng)濟(jì)和國(guó)防建設(shè)領(lǐng)域有著非常廣泛的應(yīng)用。隨著SAR成像技術(shù)的發(fā)展，SAR圖像變化檢測(cè)成為國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)。
　　本論文以同一地區(qū)不同時(shí)相獲取的星載 SAR圖像為基礎(chǔ)，以條件隨機(jī)場(chǎng)（CRF）理論為依據(jù)，展開(kāi)了對(duì)SAR圖像變化檢測(cè)算法相關(guān)技術(shù)問(wèn)題的研究。具體研究?jī)?nèi)容如下：
　　

2、1．本文將CRF模型引入到變化檢測(cè)中，提出了一種基于CRF模型的SAR圖像變化檢測(cè)算法。CRF模型由一元?jiǎng)菽芎瘮?shù)與二元?jiǎng)菽芎瘮?shù)兩部分組成，CRF模型利用支持向量機(jī)（SVM）得到的類條件概率構(gòu)造基于SAR圖像紋理特征的一元?jiǎng)菽芎瘮?shù)，此勢(shì)能函數(shù)利用SVM將圖像紋理特征進(jìn)行融合，映射到高維空間，從而解決了非線性問(wèn)題，有效地提高了模型精度；利用多級(jí)邏輯模型構(gòu)造二元?jiǎng)菽芎瘮?shù)，具有優(yōu)越的邊界保持性。CRF模型直接對(duì)后驗(yàn)概率進(jìn)行建模，在建模過(guò)程中能夠

3、有效地捕獲圖像的紋理信息和空間鄰域信息，且無(wú)需對(duì)模型作任何近似。仿真結(jié)果表明，該算法在抑制圖像噪聲的同時(shí)能夠很好地保持圖像的邊界信息，獲得較高的檢測(cè)精度。
　　2．在SAR圖像變化檢測(cè)中，SAR圖像的紋理特征信息、空間鄰域信息和SAR圖像統(tǒng)計(jì)特性起著至關(guān)重要的作用，針對(duì)已有SAR圖像變化檢測(cè)算法中僅僅利用SAR圖像的這三種信息中的某一種或兩種，本文提出了一種基于貝葉斯融合的混合條件隨機(jī)場(chǎng)（HCRF）模型的 SAR圖像變化檢測(cè)算法，

4、采用貝葉斯融合準(zhǔn)則將SAR圖像數(shù)據(jù)的統(tǒng)計(jì)分布特性融入CRF模型中，因此，HCRF模型由一元?jiǎng)菽芎瘮?shù)、二元?jiǎng)菽芎瘮?shù)和統(tǒng)計(jì)分布特性三個(gè)部分組成。HCRF模型的一元?jiǎng)菽芎瘮?shù)與二元?jiǎng)菽芎瘮?shù)的構(gòu)建方法與CRF模型構(gòu)建方法相同，統(tǒng)計(jì)分布特性利用廣義伽馬模型進(jìn)行建模，利用條件迭代估計(jì)算法進(jìn)行參數(shù)估計(jì)，最后根據(jù)條件迭代模式得到最終的變化檢測(cè)結(jié)果。HCRF模型具有捕獲SAR紋理特征信息、空間鄰域信息和統(tǒng)計(jì)特性這三種信息的能力。實(shí)驗(yàn)結(jié)果表明，與其他算法相比