基于條件隨機場的SAR圖像變化檢測算法研究.pdf

1、SAR圖像變化檢測是通過定量和定性地分析同一地區(qū)不同時相的SAR圖像，以確定地物變化特征的過程。該技術在災害評估、環(huán)境監(jiān)測、森林監(jiān)測和戰(zhàn)場態(tài)勢分析等國民經(jīng)濟和國防建設領域有著非常廣泛的應用。隨著SAR成像技術的發(fā)展，SAR圖像變化檢測成為國內外學者的研究熱點。
　　本論文以同一地區(qū)不同時相獲取的星載 SAR圖像為基礎，以條件隨機場（CRF）理論為依據(jù)，展開了對SAR圖像變化檢測算法相關技術問題的研究。具體研究內容如下：
　　

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

3、有效地捕獲圖像的紋理信息和空間鄰域信息，且無需對模型作任何近似。仿真結果表明，該算法在抑制圖像噪聲的同時能夠很好地保持圖像的邊界信息，獲得較高的檢測精度。
　　2．在SAR圖像變化檢測中，SAR圖像的紋理特征信息、空間鄰域信息和SAR圖像統(tǒng)計特性起著至關重要的作用，針對已有SAR圖像變化檢測算法中僅僅利用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場（HCRF）模型的 SAR圖像變化檢測算法，

4、采用貝葉斯融合準則將SAR圖像數(shù)據(jù)的統(tǒng)計分布特性融入CRF模型中，因此，HCRF模型由一元勢能函數(shù)、二元勢能函數(shù)和統(tǒng)計分布特性三個部分組成。HCRF模型的一元勢能函數(shù)與二元勢能函數(shù)的構建方法與CRF模型構建方法相同，統(tǒng)計分布特性利用廣義伽馬模型進行建模，利用條件迭代估計算法進行參數(shù)估計，最后根據(jù)條件迭代模式得到最終的變化檢測結果。HCRF模型具有捕獲SAR紋理特征信息、空間鄰域信息和統(tǒng)計特性這三種信息的能力。實驗結果表明，與其他算法相比