融合相干/非相干信息的高分辨率SAR图像变化检测

杨祥立 徐德伟 黄平平 杨文

引用本文:
Citation:

融合相干/非相干信息的高分辨率SAR图像变化检测

    作者简介: 杨祥立(1991-),男,2014年获得中南民族大学工学学士学位,现于武汉大学电子信息学院信号处理实验室攻读硕士学位。主要研究方向为合成孔径雷达图像变化检测。E-mail:xiangliyang@whu.edu.cn徐德伟(1989-),男,2012年获得华南理工大学工学学士学位,现于武汉大学电子信息学院信号处理实验室攻读硕士学位。主要研究方向为合成孔径雷达图像变化检测。E-mail:xdwatz@whu.edu.cn黄平平(1978-),男,2010年获中国科学院电子学研究所博士学位,现任内蒙古工业大学雷达技术研究所所长,副教授。主要研究方向为合成孔径雷达信号处理和微波遥感应用。E-mail:cimhwangpp@163.com杨文(1976-),男,2004年获武汉大学工学博士学位;现任教于武汉大学电子信息学院,教授,博士生导师,主要从事信号处理,图像分析和遥感信息处理方面的研究工作。E-mail:yangwen@whu.edu.cn.
    通讯作者: 杨文, yangwen@whu.edu.cn
  • 基金项目:

    国家自然科学基金(61271401, 61461040),内蒙古自治区科技计划项目(20140155)和内蒙古高等学校青年科技英才支持计划项目(NJYT-14-B09)

Change Detection of High Resolution SAR Images by the Fusion of Coherent/Incoherent Information

    Corresponding author: Yang Wen, yangwen@whu.edu.cn
  • Fund Project: The National Natural Sciences Foundation of China (61271401, 61461040), and the Program for Young Talents of Science and Technology in Universities of Inner Mongolia Autonomous Region (NJYT-14-B09)

  • 摘要: 该文运用Dempster-Shafer(D-S)证据理论融合高分辨率SAR影像的相干/非相干差异特征进行变化检测。首先使用简单线性迭代聚类(SLIC)分割算法完成多时相SAR影像联合多尺度分割。然后在各个分割尺度上提取适宜的强度差异特征及相干差异特征,通过Mean算子融合多尺度差异特征并得到多特征差异图。最后运用D-S证据理论完成多特征差异图融合得到变化检测结果。实验表明该方法可得到较为稳健的变化检测结果。
  • [1] 李春升, 杨威, 王鹏波. 星载SAR成像处理算法综述[J]. 雷达学报, 2013, 2(1): 111-122.Li Chun-sheng, Yang Wei, and Wang Peng-bo. A review of spaceborne SAR algorithm for image formation[J]. Journal of Radars, 2013, 2(1): 111-122.
    [2] Evans T L and Costa M. Landcover classification of the lower nhecolandia subregion of the brazilian pantanal wetlands using ALOS/PALSAR, RADARSAT-2 and ENVISAT/ASAR imagery[J]. Remote Sensing of Environment, 2013, 128: 118-137.
    [3] 田维, 徐旭, 卞小林, 等. 环境一号C卫星SAR图像典型环境遥感应用初探[J]. 雷达学报, 2014, 3(3): 339-351.Tian Wei, Xu Xu, Bian Xiao-lin, et al.. Applications of environmental remote sensing by HJ-1C SAR imagery[J]. Journal of Radars, 2014, 3(3): 339-351.
    [4] 尤红建, 付琨. 合成孔径雷达图像精准处理[M]. 北京: 科学出版社, 2011: 1-27.
    [5] Refice A, Capolongo D, Lepera A, et al.. SAR and InSAR for flood monitoring: examples with COSMO/SkyMed data[C]. IEEE Geoscience and Remote Sensing Symposium, Melbourne, VIC, 2013: 703-706.
    [6] Federica B, Luigi T, Claudio P, et al.. Shoreline detection: capability of COSMO-SkyMed and high-resolution multispectral images[J]. European Journal of Remote Sensing, 2013, 46: 837-853.
    [7] 浮瑶瑶, 柳彬, 张增辉, 等. 基于词包模型的高分辨率SAR图像变化检测与分析[J]. 雷达学报, 2014, 3(1): 101-110.Fu Yao-yao, Liu Bin, Zhang Zeng-hui, et al.. Change detection and analysis of high resolution synthetic aperture radar images based on bag-of-words model[J]. Journal of Radars, 2014, 3(1): 101-110.
    [8] 周启鸣. 多时相遥感影像变化检测综述[J]. 地理信息世界, 2011, (2): 28-33.Zhou Qi-ming. Review on change detection using multi-temporal remotely sensed imagery[J]. Geomatics World, 2011, (2): 28-33.
    [9] Liao M, Jiang L, Lin H, et al.. Urban change detection based on coherence and intensity characteristics of SAR imagery[J]. Photogrammetric Engineering Remote Sensing, 2008, 74(8): 999-1006.
    [10] Gong M, Li Y, Jiao L, et al.. SAR change detection based on intensity and texture changes[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2004, 93(7): 123-135.
    [11] Dierking W and Skriver H. Change detection for thematic mapping by means of airborne multitemporal polarimetric SAR imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(3): 618-636.
    [12] Lefort A, Grippa M, Walker N, et al.. Change detection across the Nasca pampa using spaceborne SAR interferometry[J]. International Journal of Remote Sensing, 2004, 25(10): 1799-1803.
    [13] Bazi Y, Bruzzone L, and Melgani F. An unsupervised approach based on the generalized Gaussian model to automatic change detection in multitemporal SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(4): 874-887.
    [14] Achanta R, Shaji A, Smith K, et al.. SLIC superpixels compared to state-of-the-art superpixel methods[J]. IEEE Transactions on Pattern Analysis Machine Intelligence, 2012, 34(11): 2274-2282.
    [15] Dekker R J. Texture analysis and classification of ERS SAR images for map updating of urban areas in The Netherlands[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(9): 1950-1958.
    [16] Su X, Deledalle C A, Tupin F, et al.. SAR image change detection by likelihood ratio test in multi-temporal time series[C]. IEEE International Geoscience and Remote Sensing Symposium, Melbourne, VIC, 2013: 3439-3442.
    [17] Bazi Y, Bruzzone L, and Melgani F. Automatic identification of the number and values of decision thresholds in the log-tatio image for change detection in SAR images[J]. IEEE Geoscience and Remote Sensing Letters, 2006, 3(3): 349-353.
    [18] Smarandache F and Dezert J. Advances and Applications of DSmT for Information Fusion[M]. New Mexico: American Research Press, 2004: 3-31.
    [19] Golino G, Graziano A, Farina A, et al.. Comparison of identity fusion algorithms using estimations of confusion matrices[C]. IEEE 17th International Conference on Information Fusion, 2014: 1-7.
    [20] Kittler J. Minimum error thresholding[J]. Pattern Recognition, 1986, 19(1): 41-47.
    [21] Kuttikkad S and Chellappa R. Non-Gaussian CFAR techniques for target detection in high resolution SAR images[C]. IEEE International Conference on Image Processing, 1994, 1: 910-914.
    [22] Delon J, Desolneux A, Lisani J L, et al.. A nonparametric approach for histogram segmentation[J]. IEEE Transactions on Image Processing, 2007, 16(1): 253-261.
  • [1] 浮瑶瑶柳彬张增辉郁文贤 . 基于词包模型的高分辨率SAR 图像变化检测与分析. 雷达学报, 2014, 3(1): 101-110. doi: 10.3724/SP.J.1300.2014.13134
    [2] 郑瑾尤红建 . 基于Radon 变换和Jeffrey 散度的SAR 图像变化检测方法. 雷达学报, 2012, 1(2): 182-189. doi: 10.3724/SP.J.1300.2012.10068
    [3] 徐真王宇李宁张衡张磊 . 一种基于CNN的SAR图像变化检测方法. 雷达学报, 2017, 6(5): 483-491. doi: 10.12000/JR17075
    [4] 冷英李宁 . 一种改进的变化检测方法及其在洪水监测中的应用. 雷达学报, 2017, 6(2): 204-212. doi: 10.12000/JR16139
    [5] 程江华高贵库锡树孙即祥 . 高分辨率SAR 图像道路交叉口检测与识别新方法. 雷达学报, 2012, 1(1): 100-108. doi: 10.3724/SP.J.1300.2012.20024
    [6] 王思雨高鑫孙皓郑歆慰孙显 . 基于卷积神经网络的高分辨率SAR图像飞机目标检测方法. 雷达学报, 2017, 6(2): 195-203. doi: 10.12000/JR17009
    [7] 赵军香梁兴东李焱磊 . 一种基于似然比统计量的SAR相干变化检测. 雷达学报, 2017, 6(2): 186-194. doi: 10.12000/JR16065
    [8] 冀广宇董勇伟卜运成李焱磊周良将梁兴东 . 基于目标相干性表征差异的多波段SAR相干变化检测方法. 雷达学报, 2018, 7(4): 455-464. doi: 10.12000/JR18020
    [9] 廖明生魏恋欢汪紫芸TimoBalz张路 . 压缩感知在城区高分辨率SAR层析成像中的应用. 雷达学报, 2015, 4(2): 123-129. doi: 10.12000/JR15031
    [10] 孙翔宋红军王宇李宁 . 基于高分辨率全极化SAR图像的取向角校正方法. 雷达学报, 2018, 7(4): 465-474. doi: 10.12000/JR18026
    [11] 张月婷仇晓兰丁赤飚雷斌付琨 . 高分辨率SAR图像桥梁目标仿真与特性分析. 雷达学报, 2015, 4(1): 78-83. doi: 10.12000/JR14139
    [12] 窦方正刁文辉孙显张跃付琨 . 基于深度形状先验的高分辨率SAR飞机目标重建. 雷达学报, 2017, 6(5): 503-513. doi: 10.12000/JR17047
    [13] 唐江文邓云凯王宇赵硕李宁 . 高分辨率滑动聚束SAR BP成像及其异构并行实现. 雷达学报, 2017, 6(4): 368-375. doi: 10.12000/JR16053
    [14] 贾颖新王岩飞 . 超高分辨率机载SAR 宽带激励源设计与实现. 雷达学报, 2013, 2(1): 77-85. doi: 10.3724/SP.J.1300.2012.20100
    [15] 邢孟道孙光才李学仕 . 用于高分辨率宽测绘带SAR系统的SAR/GMTI处理方法研究. 雷达学报, 2015, 4(4): 375-385. doi: 10.12000/JR15096
    [16] 洪峻雷大力王宇费春娇 . 宽带宽方位波束对高分辨率SAR辐射定标的影响分析. 雷达学报, 2015, 4(3): 276-286. doi: 10.12000/JR15015
    [17] 许成斌周伟丛瑜关键 . 基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别. 雷达学报, 2015, 4(3): 367-373. doi: 10.12000/JR14093
    [18] 温雪娇仇晓兰尤红建卢晓军 . 高分辨率星载SAR起伏运动目标精细聚焦与参数估计方法. 雷达学报, 2017, 6(2): 213-220. doi: 10.12000/JR17005
    [19] 王超王岩飞刘畅刘碧丹 . 基于参数估计的高分辨率SAR运动目标距离徙动校正方法. 雷达学报, 2019, 8(1): 64-72. doi: 10.12000/JR18054
    [20] 喻洋皮亦鸣 . 太赫兹高分辨率雷达杂波测量与分析. 雷达学报, 2015, 4(2): 217-221. doi: 10.12000/JR14123
  • 加载中
计量
  • 文章访问数:  930
  • HTML浏览量:  250
  • PDF下载量:  1284
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-06-10
  • 录用日期:  2015-08-21
  • 刊出日期:  2015-10-28

融合相干/非相干信息的高分辨率SAR图像变化检测

    通讯作者: 杨文, yangwen@whu.edu.cn
    作者简介: 杨祥立(1991-),男,2014年获得中南民族大学工学学士学位,现于武汉大学电子信息学院信号处理实验室攻读硕士学位。主要研究方向为合成孔径雷达图像变化检测。E-mail:xiangliyang@whu.edu.cn徐德伟(1989-),男,2012年获得华南理工大学工学学士学位,现于武汉大学电子信息学院信号处理实验室攻读硕士学位。主要研究方向为合成孔径雷达图像变化检测。E-mail:xdwatz@whu.edu.cn黄平平(1978-),男,2010年获中国科学院电子学研究所博士学位,现任内蒙古工业大学雷达技术研究所所长,副教授。主要研究方向为合成孔径雷达信号处理和微波遥感应用。E-mail:cimhwangpp@163.com杨文(1976-),男,2004年获武汉大学工学博士学位;现任教于武汉大学电子信息学院,教授,博士生导师,主要从事信号处理,图像分析和遥感信息处理方面的研究工作。E-mail:yangwen@whu.edu.cn
  • 1. (武汉大学电子信息学院 武汉 430072)
  • 2. (内蒙古工业大学雷达技术研究所 呼和浩特 010051)
基金项目:  国家自然科学基金(61271401, 61461040),内蒙古自治区科技计划项目(20140155)和内蒙古高等学校青年科技英才支持计划项目(NJYT-14-B09)

摘要: 该文运用Dempster-Shafer(D-S)证据理论融合高分辨率SAR影像的相干/非相干差异特征进行变化检测。首先使用简单线性迭代聚类(SLIC)分割算法完成多时相SAR影像联合多尺度分割。然后在各个分割尺度上提取适宜的强度差异特征及相干差异特征,通过Mean算子融合多尺度差异特征并得到多特征差异图。最后运用D-S证据理论完成多特征差异图融合得到变化检测结果。实验表明该方法可得到较为稳健的变化检测结果。

English Abstract

参考文献 (22)

目录

    /

    返回文章
    返回