SAR图像变化检测的多尺度方法研究

合集下载

基于小波变换的多尺度SAR图像比对

基于小波变换的多尺度SAR图像比对
浙 江 大 学 C D C 国家 重点 实 验 室 . 州 3 0 2 A & G 杭 10 7
Sa e aoaoyo A & C Z ea g U iesyHagh u 3 0 2 .hn tt K y L brtr fC D e G,hj n nvrt, nzo 10 7 C ia i i
E m i x gn j. uc - al i a @z e . :e ud n
XI E Z a fiGENG W e - o g. ut - c ls AR ma e o p rs n a e O wa ee ta so m fa u e Co p tr h o- e , i- n M l s ae S l a i i g c m a io b s d n v lt r n f r e tr s. m u e
图像 , 自动 快 速 地 确 定 感 兴趣 的 区域 ( O ) 作 出标 识 。 R I并 实验 结 果表 明 , 方 法 能准 确 地 进 行 S 该 AR 图像 比 对 和 R I 识 , 有 实 际 O 标 具
应 用价 值 。
关键 词 : 成 孔 径 雷 达 (A ; 波 变换 ; 舍 S R) 小 多尺 度 图像 特 征 匹配 ; 图像 比 对
S R i gso a e o o et tdfrn t e h xei na d t i i tsta ti me o a efr cuaey A mae fsme rg n cl c d a ie t i . e epr t a n c e ht hs t d cn pr m acrtl i l e e m T me l a d a h o
维普资讯
26 4
20 。3 3p t nier e n
A piao s计 算 机 工 程 与 应 用 p l tn ci

单极化SAR影像变化检测方法

单极化SAR影像变化检测方法

虚警率指的是将未发生变化的 像素误判为变化的像素的比例 ,而漏警率则是将实际发生变 化的像素漏判为未变化的像素 的比例。这两个指标用于衡量 方法的稳健性和敏感性。
变化检测方法的运行时间在实 际应用中也是一个需要考虑的 因素。我们对所提出的方法和 基准方法的运行时间进行了比 较,以评估其效率。
结果展示与分析
SAR影像中的噪声(如斑点噪声)对变化检测产生干扰,可能导致误检 或漏检。
03
地表复杂性和动态性
地表特征复杂多变,如城市区域的建筑密度、植被区域的生物量变化等
,对SAR影像变化检测算法提出更高要求。
02
单极化SAR影像预处理
辐射定标
消除系统误差
辐射定标的目的是消除传感器本身产生的系统误差,确保数据的准确性和可靠性 。
实验设置
我们采用了两种常用的变化检测方法作为基 准方法,分别是基于像素的方法和基于对象 的方法。为了验证我们所提出的方法的有效 性,我们将它与这两种基准方法进行了比较 。实验中的参数设置均根据相应方法的建议 进行调整,以确保公平的比较。
评价标准
准确率
虚警率和漏警率
运行时间
准确率是衡量变化检测结果与 真实变化之间一致性的重要指 标。我们计算了整体准确率以 及各类变化的准确率,以全面 评估方法的性能。
特征提取总结:特征提取是单极化 SAR影像变化检测中的关键环节,它 能够提取出影像中的关键信息,并降 低数据的维度。在本文中,我们介绍 了多种常用的特征提取方法,包括纹 理特征、形状特征和统计特征等,并 探讨了它们在变化检测中的应用。通 过这些方法,我们能够更高效地表示 和比较不同时相的SAR影像,进而检 测出地表的变化。
建立物理模型
通过辐射定标,可以建立SAR影像像素值与地物后向散射系数之间的物理模型, 为后续的变化检测提供可定量的依据。

SAR图像处理及地面目标识别技术研究

SAR图像处理及地面目标识别技术研究

SAR图像处理及地面目标识别技术研究SAR图像处理及地面目标识别技术研究随着雷达技术的不断发展,合成孔径雷达(SAR)图像处理及地面目标识别技术引起了广泛关注。

SAR是一种主动雷达,它通过发送脉冲信号并接收返回的回波来获取目标的图像信息。

相比于光学影像,在遥感和军事领域,SAR具有天气无关性及全天候工作的优势,可以提供高分辨率、高质量的图像。

然而,由于复杂的雷达物理过程和大量的干扰,SAR图像处理及地面目标识别面临着许多挑战。

SAR图像处理涉及到对原始数据进行预处理和图像增强,以提高图像质量和目标识别的准确性。

预处理包括多普勒校正、多视图融合和地面杂波抑制等步骤。

在SAR图像中,由于目标和地面散射的不同,会引起多普勒频移现象。

多普勒校正可以通过对SAR数据进行频率分析和相位校正,来消除多普勒频移的影响。

多视图融合技术结合了不同角度和视角的SAR图像,可以提供更全面、更丰富的目标信息。

地面杂波抑制是对SAR图像中的背景杂波进行滤波处理,以凸显目标的边缘和细节。

在SAR图像增强中,常用的方法包括滤波、多尺度变换和图像去噪。

滤波是常用的降噪方法,它可以通过去除图像中的高频噪声,使图像更加清晰。

常见的滤波方法有中值滤波、均值滤波和小波变换滤波等。

多尺度变换可以将SAR图像分解为不同尺度的频带,以获取图像的多尺度信息,从而提高目标的识别能力。

图像去噪技术的目的是减少图像中的噪声,以提高目标的清晰度和辨识度。

去噪方法常用的有小波去噪、自适应邻域滤波和非局部平均去噪等。

地面目标识别是SAR图像处理的一个核心任务,它主要包括目标检测、目标分割和目标识别等过程。

目标检测是在图像中找出可能的目标区域,常用的方法有基于像素值、基于纹理和基于形状的目标检测算法。

目标分割是将图像中的目标与背景进行分离,以便更好地进行识别和分析。

目标识别是将分割后的目标与数据库中的目标进行匹配,从而实现目标的自动识别和分类。

目标识别的方法较为复杂,常用的有基于特征、基于模型和基于机器学习的目标识别算法。

在多尺度Contourlet域中的SAR图像正则化超分辨

在多尺度Contourlet域中的SAR图像正则化超分辨
16 2 1 ,6 3 8 0 0 4 ()
C m ue n en g ad A pi t n 计算机工程与应用 o p trE  ̄n e n n p l ai s co
在 多尺度 C no r t 中的 S o tul 域 e AR图像正则化超 分辨
王 强 , 彭国华 , 陈 晓
Ke r s s p r r s l t n r c n t ci n S y wo d : u e - e ou i e o sr t ; AR ma e r g lrz t n; o tu lt t n f r t n o u o i g ; e u a ia i C n o r r so mai o e a o
p s d a p o c n t i p p rc n p o e y rt e e te ma n if r t n o r i a ma e a d i s p ro o t e o h r t o me h d . o e p r a h i h s a e a r p d e r v h i n o ma i fo g n i g n s u e rt h t e w பைடு நூலகம் t o s i o i l i
WA G Q a g P N u - u , H N X a N in ,E G G o h a C E io
西北工业 大学 理学院 , 西安 7 07 10 2
S h o f S in e No twe t r oy e h ia i e s y Xi a 0 2, h n c o l o ce c , r h sen P lt e n c Un v ri , ’ n 7 0 7 C i a l t 1 E— i: h n io 3 8 6 .o mal e e x a 0 1 @1 3c r n

SAR图像目标检测研究综述

SAR图像目标检测研究综述

2、基于时域的方法:这类方法主要通过滑动窗口等方式,对SAR图像进行时域 分析。这类方法可以更好地抑制斑点噪声,但是计算复杂度较高。
三、典型SAR图像目标检测方法 介绍
1、基于SWT(Sliding Window Technique)的方法:这是一种常用的时域分 析方法,通过在SAR图像上滑动一个窗口,对窗口内的像素进行统计和阈值判 断,以检测目标。
1、传统方法
基于滤波的方法是SAR图像目标检测的常用方法之一。该方法主要通过滤波器 对图像进行平滑处理,以减小图像的噪声和干扰,然后利用图像的统计特征进 行目标检测。基于边缘的方法则通过检测图像边缘来提取目标信息。该方法主 要利用图像边缘的突
变特性来识别目标,但容易受到噪声干扰。小波变换是一种有效的信号处理方 法,在SAR图像目标检测中主要用于提取图像的多尺度特征,提高目标的识别 精度。
另外,如何将SAR图像目标检测与其他图像处理任务(如图像分割、目标跟踪 等)相结合,进一步提高SAR图像的应用价值,也是未来的一个研究方向。
总之,SAR图像目标检测是一个富有挑战性和应用价值的研究领域。未来的研 究应不断探索和创新,结合新的技术和方法,进一步提高SAR图像目标检测的 性能和鲁棒性,为实际应用提供更为可靠的解决方案。
4、训练策略调整:我们采用了分阶段训练的方法。首先,我们使用大量的无 标签数据进行预训练,以增强网络对SAR图像背景和噪声的适应性。然后,我 们使用有标签数据进行微调,以使网络能够更准确地检测和识别舰船目标。
5、后处理改进:在目标检测任务中,后处理是关键的一部分。我们提出了一 种新的非极大值抑制(NMS)策略,该策略考虑到了SAR图像中舰船目标的空 间关系和形状特征。此外,我们还引入了一种新的目标标签修正算法,以解决 因SAR图像的分辨率和角度问题导致的目标识别错误。

SAR图像变化检测

SAR图像变化检测

城市扩张监测
通过对比不同时期的SAR图像, 监测城市扩张的区域和速度,为 城市规划和建设提供决策依据。
建筑物变化检测
利用SAR图像变化检测技术,快 速准确地识别建筑物的新建、拆 除或改建,有助于城市管理部门
及时了解城市更新情况。
土地利用变化分析
通过对SAR图像的变化进行监测 和分析,研究土地利用类型的改 变,如农业用地转变为城市用地 等,有助于规划合理的土地利用
可靠性高
SAR图像不易受光学图像的干 扰,如阴影、反光等,因此在 地物识别和变化检测中具有较 高的可靠性。
安全性高
SAR图像的获取通常采用无人 机或卫星平台,相较于传统的 光学成像方式更为安全和便捷

SAR图像的应用领域
01
02
03
04
军事侦察
SAR图像在军事侦察领域具有 广泛应用,可用于目标识别、
SAR图像变化检测
目 录
• SAR图像概述 • SAR图像变化检测算法 • SAR图像变化检测应用 • SAR图像变化检测面临的挑战 • SAR图像变化检测的未来展望
01 SAR图像概述
SAR图像的特点
高分辨率
SAR图像具有高分辨率特性, 能够提供丰富的地物细节信息

穿透性强
SAR图像能够穿透云层和阴影 区域,不受光照条件限制,具 有全天候成像能力。
03
高频SAR图像的处理和传输也面临一些挑战,如数据量庞 大、处理复杂度高、实时性要求高等。因此,需要进一步 发展高效的数据处理技术和传输方案,以满足高频SAR图 像变化检测的需求。
THANKS FOR WATCHING
感谢您的观看
阴影和遮挡问题
阴影区域
由于地形遮挡和太阳角度的影响,SAR图像中可能会出现阴影区 域,这些区域可能隐藏了重要的变化信息。

SAR图像处理方法与研究应用前景

SAR图像处理方法与研究应用前景

SAR图像处理方法与研究应用前景SAR图像几何校正 (2)概述 (2)SAR图像的几何特征 (2)SAR 图像几何纠正方法 (3)SAR图像斑点噪声 (3)概述 (3)斑点模型 (4)去除斑点噪声算法比较 (5)相干斑抑制技术的性能评估 (7)SAR图像分类技术 (7)雷达图像分类概述 (7)SAR图像分类传统技术 (8)SAR图像分类新方法 (8)采用新信息、新特征 (8)应用新理论 (10)SAR图像分割 (12)图像分割说明 (12)图像分割方法 (12)SAR图像特征信息提取 (13)特征提取说明 (13)特征提取方法 (13)SAR图像中目标的识别 (14)目标识别说明 (14)目标识别方法 (14)SAR图像融合 (15)图像融合概述 (15)SAR图像融合方法 (15)SAR图像恢复 (17)图像恢复说明 (17)图像恢复方法 (17)SAR图像解译 (17)SAR图像处理存在的问题 (17)图像处理现存的问题 (17)微波遥感有待进一步研究的问题 (18)SAR图像处理新进展 (19)SAR图像研究的应用 (20)引用领域 (20)SAR图像处理研究与应用的前景 (21)SAR图像几何校正概述雷达图像是斜距投影,原始图像的几何失真大,做定量的几何分析比较困难,因此,为了更好地利用雷达图像,必须对此进行几何校正。

星载SAR图像通常分为地距产品和斜距产品。

地距产品是系统中加入延时补偿装置以实现改正斜距投影,而斜距产品则没有加以改正。

地距产品是系统加以延时而产生的,它没有考虑到地形的变换所引起的变形,知识对由于斜视产生的时间延迟加以改正。

从某种意义上讲,它破坏了系统成像的几何关系。

如果利用构想方程来纠正,纠正的精度较差;如果把它当作中心投影并按多中心投影的几何关系来加以纠正,精度会高一些,这时因为地距产品影像与地形的关系接近于中心投影的几何关系。

但是它没有从根本上解决由于斜视对地形变化所产生的影像变化,所有纠正精度不很理想。

SAR成像算法及其应用研究

SAR成像算法及其应用研究

SAR成像算法及其应用研究合成孔径雷达(SAR)通过合成大孔径天线或雷达模拟大孔径天线等技术获得极高的分辨率和距离测量精度,成为遥感、军事、海洋、气象、地球物理和石油勘探等领域不可或缺的高精度雷达。

SAR的成像算法是SAR成像的核心,它直接影响SAR成像系统的分辨率和图像质量。

本文将对SAR成像算法进行探究,并简单介绍其应用研究。

一、SAR成像算法SAR成像算法包括多普勒校正、相位解调、像元赋权等一系列的信息处理过程。

其中,多普勒校正的目的是对地物进行正确的距离测量;相位解调则是生成复合数据,提取目标的信息;像元赋权则决定了目标在合成孔径雷达观测中的光滑性质。

SAR成像算法可以分为傅里叶变换和波束形成两类。

傅里叶变换方法主要用于解决点目标的成像问题,如快速傅里叶变换(FFT)算法、极化编码算法等;波束形成方法则主要用于解决区域目标的成像问题,如扫描成像算法、斜视SAR成像算法等。

1. 快速傅里叶变换(FFT)算法快速傅里叶变换算法是目前SAR成像中最为常用的算法之一。

该算法主要用于处理单个点目标,其基本思想是对雷达信号进行傅里叶变换,将时域数据转换为频域数据,并利用频域信号的峰值位置计算目标的距离。

然后再反变换回时域,从而得到目标图像。

FFT算法具有高效、简单、精度高等优点,在实际应用中得到了广泛的应用。

2. 极化编码算法极化编码算法是一种非常适合处理点状目标的快速SAR成像算法。

在该算法中,先将多次停波的SAR信号进行脉冲压缩,对合成孔径的平面分别进行FFT,然后进行极化编码,以提高信号噪声比。

最后进行逆傅里叶变换,得到点目标的图像。

实际应用中,极化编码算法可以用于飞机、卫星、地球观测卫星等的SAR成像。

3. 扫描成像算法扫描成像算法是一种非常适合处理区域目标的SAR成像算法。

扫描成像算法主要通过扫描合成孔径雷达的波束,将二维信息变为一维信息,然后进行数据处理和图像重建。

扫描成像算法可以分为空时扫描和频移扫描两种形式。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。


n ! ! 而根据 Edgewo rth 级数展开原理 可知 , 如果一 个分布偏 离标准正态分布 不远 , 则 该分 布函数 可以 用标 准正态 分布 和多项式进行逼近 [ 12] , 因此变 量 Y 的 分布可 以用 公式 ( 2) 逼近 : f ( y ) = G ( y ) ( 1 + v( y ) ) ( 2) ! ! 其中 : 1 1 1 2 v (y) = H ( y) + H (y) + H ( y ) ( 3) 6 3 3 24 4 4 72 3 6 ! ! G ( y ) 表示标准正态分布 , 3 , 4 为变量 Y 的 3 阶和 4 阶 累计量 , H 3 , H 4 , H 6 为 H er m ite多项式。 由此我们得到 任意一 个离 高斯分 布不 远的 概率分 布都 可以通过和其均值方差相等的 标准高斯分布 进行逼近 拟合 , 即利用 Edgewo rth 展式和图 像本身的统计特性来表 示任意一 副 SAR 图像的统计分布。 聚合交叉熵 ( K u llback- Le ib ler D ivergence) 用 来度 量同 一个随机变量的 不同 分布的 差异 , 描 述了 因为 错用分 布密 度而增加的 信息量。 当两个 随机 分布相 同时 , 其 聚合 交叉 熵为 0。当两个随机分布的差别增加时 , 其聚合交叉熵也增 加。它在信息 理论、统 计物 理学、经 济统 计分 析、形 态分 析、模式识 别、语 音识 别 等领 域已 经 得 到了 广 泛的 应 用。 设 定两幅 SAR 的分布为 X 和 Y, 则其概率密度函数为 fX ( x ) 和 f Y ( x ) , 此时交叉熵为 : f (x ) K (Y | X ) = log X f ( x ) dx ( 4) fY ( x ) X ! ! 将用 Edge w orth 展 式表示 的不 同 SAR 图 像概 率密 度函 数 , 见公式 ( 5) 、 ( 6 ) 代入 交叉 熵 的计 算公 式 , 就 可 以得 到两幅图像的差异表 示 , 见公 式 ( 7) 。 f ( y ) = G ( y ) ( 1 + v( y ) ) ( 5) f (y) = G ( y) ( 1 + u (y) ) ( 6) f (y) f (y) ) f ( y ) log dy = f ( y ) ) log dy f (y) G (y) G (y) ) G (y) ) dy + f ( y ) ) log + f ( y ) ) log dy ( 7) G (y) f (y)
第 35 卷增刊 2010年 4 月
测绘科学 Sc ience o f Survey ing and M app ing
V o l 35 Suppl A pr
SAR 图像变化检测的多文

中国科学院电子学研究所 , 北京 ! 100190; 中国科学院空间信息处理与应用系统技术重点实验室 , 北京 ! 100190 ; 中国科学院研究生院 , 北京 ! 100039; ∀微 波成像技术国家级重点实验室 , 北京 ! 100190) #摘 ! 要 ∃ SAR 图像的变化检测技术是其应用于动态监测的核心 , 不 同尺度的 SAR 图 像会表示 出不同细节 程度的 图像特征 , 为了得到更精 确有效的变化检测结果 , 必须在图像 处理过程中 引入尺度 概念 。 本文以 EKLD 法和 比值 法为主对比研究 了图像尺度空间和样本窗口尺度对变换检测方法的影响 , 在此基础上 提出一种 多尺度渐进 的变化 检测方法 , 实现了对 SAR 图像变化检测快 速而精 确的处 理 。 通过实 验表 明该方 法在 准确率 和算 法效率 上具 有优 势 , 有一定的实用价值 。 #关键词 ∃ SAR; 多尺度 ; EKLD; 变化检测 #中图分类号 ∃ P208! ! ! ! #文献标识码 ∃ A ! ! ! ! #文 章编号 ∃ 1009 2307( 2010) 07 0136 04
137
L ( x, y, ) = G ( x, y, ) ) I ( x, y ) ! ! 其中 G ( x, y, ) 是 尺度 可变 的高 斯函 数 , ( x, y ) 是图 像的空间坐标 , 而 是尺度坐标 , 即 : 1 - (x 2+2y 2) e 2 2! 2 ! ! I ( x, y ) 为原始图像函 数。通过改 变尺度 参数 , 就可 以得到不同尺度 下的 序列图 像 , 这些 不同 尺度 的序列 图像 就反映了图像 特征的变化情况。图 1 是尺度参数 分别取 1 至 4 时所得的尺度空间。 选择比值法和 EKLD 法对 G auss 尺度空间的图像进行变 化检测 , 并改变 算法 应用过 程中 样本窗 口的 大小 , 实 验结 果见图 2 和图 3。 1) 高 斯尺度空间序列图像 G ( x, y, ) =
1! 引言
SAR 作为一 种主 动 遥感 手 段 , 具 有 固定 的 重访 周 期 , 不受天气和云雨的影响 , 因此星 载 SAR 图像 特别适 合于对 地面各类地物和 感兴 趣目标 进行 动态监 视 , 如 各类植 被和 农作物的长 势监测、 灾难检 测 , 以及 军事 上战略 目标 的动 态监视等 , 而 这些 问题 的核 心就 是 SAR 图 像的 变 化检 测。 只有检测方 法有效 才能 保证 动态监 测、监视 的效 果 , 因此 SAR 图像的变化检测方法成为制 约星载 SAR 广泛应 用的瓶 颈问题之一。 国内外研究人员 对 SAR 图 像变化 检测的 算法进 行了深 入而广泛的 研 究 , 如 Jordi 将聚 合 交 叉熵 计 算方 法 引入 到 SAR 图像变化 检测 中 , 取 得了 初步 的 结果 [ 1, 2] 。 Cyr il 提出 了采用模糊隐马尔可夫 链的方 法进行 SAR 变化检 测 , 它先 对两幅配准的数 据进 行对数 比值 , 然 后基 于统 计的方 法引 入模糊隐马尔可夫链 , 并在类 别链中同时加入 D irac和 L eb esgue测量 [ 3] 。国内方面近几年有基于二 阶灰度统 计特性的 SAR 图像变化检测 [ 4] , 还有基于分形维 数的 SAR 图 像变化 检测等 [ 5] 。这些方法 都取得 了一 定的效 果 , 推 进了变 化检 测算法的发展 , 但 是这些 方法 都没有 考虑 到图 像的多 尺度 特征在图像处理解译中 的影响 , 不同尺度 的 SAR 图 像会表 示出不同细节程 度的 图像特 征。为了 准确 而高 效地提 取变 化区域 , 本文着 重研 究了变 化检 测算法 中的 尺度 概念 , 首 先以 EKLD 变化检测 方法 为例 , 说 明选 择变 化检 测方 法也 需考虑到算法本 身的 尺度稳 定性 , 而 后提 出一 种多尺 度渐 进的方法用于快速处 理 SAR 图像的变化检测。
2! 遥感图像的尺度特性
% 尺度 & 是一个 被广泛使用的词语 , 在不同研究领域内 有具体不同 的含义。 广义来 讲 , 尺度 是指 在研究 某一 物体
作者 简 介 : 詹 芊 芊 ( 1983 ), 女 , 博 士在读 , 研究 方 向 为 基于 SAR 图 像 统计特性的变化检测。 E m a i:l rena_ zhan@ ho t m a il com 收稿日期 : 2010 01 28 基 金 项 目 : 国 家 863 计 划 ( 编 号 : 2006AA 12Z149)
图 1! 高斯尺度空间序列 图像 2) 高 斯尺度为 1 的变化 检测
图 2! 高斯尺度为 1 时比值法和 EK LD 法在样本窗口 改变下的变化检测结果 3) 高 斯尺度为 2 的变化 检测
或现象时采用的 空间 或时间 单位 , 也 可指 某一 现象或 过程 在空间和时间上 所涉 及的范 围和 发生频 率 , 包 括时间 上的 尺度和 空 间上 的 尺 度 , 在 图 像 处理 当 中 主 要 涉及 空 间 尺 度 [ 6] 。世界上物体的一个 共同 内在特 性是 它们 仅在特 定的 尺度上才是有意 义的 实体 , 在 不同的 尺度 上物 体的展 现形 式是不同的。这说 明尺度 的概 念和多 尺度 描述 方式是 至关 重要的 , 多尺度 更满 足人类 视觉 的易读 性和 认知要 求 , 并 能在有限的图面上尽可 能多的反映相对重要的物体 [ 7] 。 随着对图像 处理精 确度 要求的 不断 提高 , 尺 度空 间理 论首先从计算机 视觉 领域发 展起 来 , 属于 图像 解译过 程的 前端。最早期的工作由 R osen feld 和 Thurston 在 1971 年开展 于边缘检测 中 , 他们 尝试在 不同 尺度上 应用 算子 , 由 此发 现了尺度的优 势。类似 的还有 K linger ( 1971), U hr( 1972 ), H anson 和 R ise m an( 1974) 以及 T an i m o to和 P avlid is( 1975 ), 他们都专注于用 不同 尺度的 分辨 率来表 示图 像 , 即多 个方 法的降采样 [ 8] 。在 SAR 图像中 , 尺度 和分辨 率是密 切相关 的 , 空间分辨率的 大小反 映了 空间细 节水 平以 及和背 景环 境的分离能 力 , 大尺 度时分 辨率 较低 , 小 尺度时 分辨 率较 高 [ 9] 。通常情况 下 , 尺度增 大时 所表 达的信 息减 少 , 但并 不是呈简单的比 例变 化。在某 一空间 尺度 上认 为变化 的区 域在另一尺度上可能就 认为无明显变化。 尺度对于变 化检测 结果 的重要 影响 已毋庸 置疑 , 但以 往的观点都着重 于分 析图像 的多 尺度表 述 , 并 未考虑 过尺 度和所用变化检 测方 法之间 的联 系。首先 考虑 样本窗 口尺 度 , SAR 图像所具有的统 计特 性使单 一的 像素 点并不 具有 实际意义 , 解译和 处理图 像都 建立在 一定 数量 像元的 集合 上 , 因此我们在应用各种检测算 法时都会取 一个样本窗 口 , 以窗口包含的像 素为 一整体 运行 算法 , 样 本窗 口遍历 整个 图像后得到最终 的变 化检测 结果。因 此样 本窗 口的大 小作 为一种尺度会直接 影响到 算法 的准确 性从 而决 定变化 检测 结果的优劣。第二 个会改 变变 化检测 方法 效果 的是经 过分 辨率尺度 降低 后 的图 像 , 改 变图 像 分辨 率的 方 法有 很 多 , 都可以得到一系 列分 辨率尺 度不 同的图 像 , 有 的改变 图像 的大小有的则保 持不 变 , 方法 原理不 同得 到图 像的效 果也 不同。以下研究将 从变化 检测 方法对 于这 些尺 度变化 是否 具有稳定性展开。
相关文档
最新文档