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

杨祥立, 徐德伟, 黄平平, 杨文. 融合相干/非相干信息的高分辨率SAR图像变化检测[J]. 雷达学报, 2015, 4(5): 582-590. doi: 10.12000/JR15073
引用本文: 杨祥立, 徐德伟, 黄平平, 杨文. 融合相干/非相干信息的高分辨率SAR图像变化检测[J]. 雷达学报, 2015, 4(5): 582-590. doi: 10.12000/JR15073
Yang Xiang-li, Xu De-wei, Huang Ping-ping, Yang Wen. Change Detection of High Resolution SAR Images by the Fusion of Coherent/Incoherent Information[J]. Journal of Radars, 2015, 4(5): 582-590. doi: 10.12000/JR15073
Citation: Yang Xiang-li, Xu De-wei, Huang Ping-ping, Yang Wen. Change Detection of High Resolution SAR Images by the Fusion of Coherent/Incoherent Information[J]. Journal of Radars, 2015, 4(5): 582-590. doi: 10.12000/JR15073

融合相干/非相干信息的高分辨率SAR图像变化检测

doi: 10.12000/JR15073
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)

详细信息
    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

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

Funds: 

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] 王志豪, 李刚, 蒋骁.  基于光学和SAR遥感图像融合的洪灾区域检测方法 . 雷达学报, 2020, 9(3): 539-553. doi: 10.12000/JR19095
    [2] 黄平平, 任慧芳, 谭维贤, 段盈宏, 徐伟, 刘方.  基于地基雷达图像的无监督变化检测 . 雷达学报, 2020, 9(3): 514-524. doi: 10.12000/JR20004
    [3] 黄平平, 段盈宏, 谭维贤, 徐伟.  基于融合差异图的变化检测方法及其在洪灾中的应用 . 雷达学报, 2020, 9(): 1-16. doi: 10.12000/JR20118
    [4] 李春升, 于泽, 陈杰.  高分辨率星载SAR成像与图像质量提升方法综述 . 雷达学报, 2019, 8(6): 717-731. doi: 10.12000/JR19085
    [5] 孙显, 王智睿, 孙元睿, 刁文辉, 张跃, 付琨.  AIR-SARShip-1.0:高分辨率SAR舰船检测数据集 . 雷达学报, 2019, 8(6): 852-862. doi: 10.12000/JR19097
    [6] 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
    [7] 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
    [8] 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
    [9] 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
    [10] 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
    [11] 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
    [12] 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
    [13] 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
    [14] 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
    [15] 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
    [16] 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
    [17] 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
    [18] 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
    [19] 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
    [20] 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
  • 加载中
计量
  • 文章访问数:  1730
  • HTML全文浏览量:  358
  • PDF下载量:  1295
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-06-10
  • 修回日期:  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

doi: 10.12000/JR15073
    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)

    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

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

杨祥立, 徐德伟, 黄平平, 杨文. 融合相干/非相干信息的高分辨率SAR图像变化检测[J]. 雷达学报, 2015, 4(5): 582-590. doi: 10.12000/JR15073
引用本文: 杨祥立, 徐德伟, 黄平平, 杨文. 融合相干/非相干信息的高分辨率SAR图像变化检测[J]. 雷达学报, 2015, 4(5): 582-590. doi: 10.12000/JR15073
Yang Xiang-li, Xu De-wei, Huang Ping-ping, Yang Wen. Change Detection of High Resolution SAR Images by the Fusion of Coherent/Incoherent Information[J]. Journal of Radars, 2015, 4(5): 582-590. doi: 10.12000/JR15073
Citation: Yang Xiang-li, Xu De-wei, Huang Ping-ping, Yang Wen. Change Detection of High Resolution SAR Images by the Fusion of Coherent/Incoherent Information[J]. Journal of Radars, 2015, 4(5): 582-590. doi: 10.12000/JR15073
参考文献 (22)

目录

    /

    返回文章
    返回