基于三重馬爾科夫場(chǎng)的無(wú)監(jiān)督SAR圖像變化檢測(cè).pdf

1、變化檢測(cè)就是對(duì)同一地區(qū)不同時(shí)間獲得的圖像進(jìn)行處理，以確定該區(qū)域在此時(shí)間段內(nèi)所發(fā)生的變化。由于合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）對(duì)于光照和大氣條件不敏感，可以全天時(shí)、全天候?qū)δ繕?biāo)進(jìn)行監(jiān)測(cè)，所以基于SAR圖像的變化檢測(cè)在農(nóng)林勘探、環(huán)境監(jiān)測(cè)、災(zāi)害評(píng)估，資源利用等領(lǐng)域得到了廣泛的應(yīng)用。隨著SAR成像技術(shù)的發(fā)展，變化檢測(cè)在SAR圖像應(yīng)用研究中的地位越來(lái)越重要。但是，由于SAR本身成像特性的限制，在SAR圖像中

2、不可避免的存在著相干斑噪聲，如何抑制斑點(diǎn)噪聲并準(zhǔn)確地檢測(cè)出變化區(qū)域一直是SAR圖像變化檢測(cè)研究中的難點(diǎn)和重點(diǎn)所在。
　　傳統(tǒng)的變化檢測(cè)算法一般是首先求取不同時(shí)相兩幅圖像的差異圖像，然后將此差異圖像作為觀測(cè)數(shù)據(jù)，采用閾值法進(jìn)行處理。這種方法僅僅依賴于差異圖像中單個(gè)像素的灰度信息，由于SAR圖像中斑點(diǎn)噪聲的存在，使得檢測(cè)存在較大的檢測(cè)誤差。馬爾科夫隨機(jī)場(chǎng)（Markov Random Field,MRF）算法可以充分的利用相鄰像素之間的

3、空間上下文信息，大大的提高了檢測(cè)的精度，因此被廣泛的應(yīng)用于變化檢測(cè)當(dāng)中。MRF模型在建模時(shí)，認(rèn)為整幅圖像是同質(zhì)均勻的，這一假設(shè)使得計(jì)算變得簡(jiǎn)單化。但是，對(duì)于非平穩(wěn)圖像而言，這一假設(shè)不再成立而模型其對(duì)于不同的紋理區(qū)域仍然給予相同的參數(shù)，這是不合理的，因此對(duì)于具有多種同質(zhì)性的圖像，MRF算法的檢測(cè)效果較差。而三重馬爾科夫隨機(jī)場(chǎng)（Triplet Markov Field,TMF）模型很好的彌補(bǔ)了這一缺陷，在引入一個(gè)輔助場(chǎng)U的情況下可以更好地對(duì)

4、非平穩(wěn)圖像進(jìn)行建模。在TMF模型中，利用U場(chǎng)對(duì)圖像的同質(zhì)性進(jìn)行區(qū)分，對(duì)于不同的同質(zhì)性，分別進(jìn)行處理。U場(chǎng)的定義是三重馬爾科夫場(chǎng)建模的一個(gè)重點(diǎn)和難點(diǎn)，如何利用U場(chǎng)更有效的描述圖像的非平穩(wěn)特性同樣是我們研究的重點(diǎn)所在。此外，三重馬爾科夫場(chǎng)建模時(shí)常用的一階鄰域系統(tǒng)對(duì)于噪聲較大的SAR圖像而言，并不能很好的描述SAR圖像的非平穩(wěn)的特性，有必要采用一個(gè)更大的鄰域，以便于更好的利用圖像中的空間上下文信息。
　　本文提出了一種改進(jìn)的基于三重馬爾