1.一种基于迭代马尔科夫的合成孔径雷达影像变化检测方法，其特征在于由下述步骤组成：(1)构建对数比值差异图D

用对数比值方法将同一地区不同时刻的合成孔径雷达影像I1和合成孔径雷达影像I2构建对数比值差异图D：(2)确定先验概率和先验二值图

按下式确定初始化的先验概率

其中，l表示当前迭代次数，δ是参数，δ≠0，Df为归一差异图，T为将先验概率 经过最大类间方差法进行阈值分割得到的分割阈值，将初始化的先验概率 中大于阈值T的像素点置为1，小于阈值T的像素点置为0，得到先验二值图Tp；

(3)构建特征空间

采用3×3不重叠分块方法将差异图Df分成n个图像块，将图像块拉成列向量构建成自相关矩阵，并采用奇异值分解方法构建成K维特征空间：其中，λj是自相关矩阵的第j个特征值，k为像素点个数，k∈[1,2，…，8]，n为有限的正整数；

(4)确定特征数值的量化级

将特征空间中的像素点用K‑means聚类方法分为变化类C、非变化类UC以及混淆类MC三类，并通过下式计算变化类C与非变化类UC分布间的K‑L距离：DL(C,UC)＝K(C|UC)+K(UC|C)其中，K(C|UC)表示从变化类C到非变化类UC的KL散度，K(UC|C)表示从非变化类UC到变化类C的KL散度，DL(C,UC)表示变化类C与非变化UC之间的K‑L距离；将K‑L距离最大化，获得变化类C与非变化类UC分布间相应特征值的量化级；

(5)确定似然函数

l

将量化级采用直方图方法得到先验二值图Tp中变化类BC的似然函数P(Fi|BC)和非变化l类BUC的似然函数P(Fi|BUC)：

其中 表示像素i处的第k个特征属于变化类BC的条件概率， 表示像素i处的第k个特征属于非变化类BUC的条件概率， 是像素i处的第k个特征，ωk表示第k维特征的权重, 和 是第k维特征的变化部分和非变化部分的均值；

(6)确定变化类BC的后验概率

l

按下式确定差异图Df中各像素属于变化类BC的后验概率P(BC|fi)：：(7)确定后验概率对应的二值图

l

通过最大类间方差阈值法对后验概率P (BC|Fi)进行二值化，得到后验概率对应的后验二值图Ta；

(8)马尔科夫迭代融合

利用能量最小化原则，采用迭代方式融合先验二值图Tp和后验二值图Ta，得到融合后二值图Y；

(9)输出最终结果

按下式确定最终的先验概率 及先验二值图Tp：l＝l+1

Tp＝Y

重复步骤(5)‑(8)，直至到最大迭代次数lmax，停止迭代，输出变化检测结果图Y。

2.根据权利要求1所述的基于迭代马尔科夫的合成孔径雷达影像变化检测方法，其特征在于在步骤(8)中，所述的迭代方式融合先验二值图Tp和后验二值图Ta的方法为：

1)用先验二值图Tp和后验二值图Ta，将能量函数U1最小化，得到初始化二值图B0，能量函数U1如下：s

其中，bmn表示图像B0中像素点(m,n)的类标，A (m,n)表示二值图A中像素点(m,n)的邻S域，A(p,q)表示当前位置处属于A (m,n)中的像素点，T表示计算二值图A所使用的阈值，xpq表示二值图A所对应差异图在(p,q)位置处的强度值，γ是一个调节参数，γ＞0；

2)将能量函数U2(Bt,Bt‑1,Tp,Ta)最小化得到二值图Bt，能量函数U2如下：其中，t表示马尔科夫融合迭代次数，β表示平衡因子，β＞0， 表示二值图Bt‑1中(m,n)位置处的邻域， 表示当前位置处属于 中的像素点；

3)重复执行步骤2)，当二值图Bt‑1和二值图Bt中不同标记的像素个数小于给定的阈值Td或者达到最大迭代次数tmax时，停止迭代，Td的取值小于总体像素点个数，二值图Bt为融合后二值图Y。

3.根据权利要求2所述的基于迭代马尔科夫的合成孔径雷达影像变化检测方法，其特征在于：在(8)步骤的1)步骤中，所述的γ取值为(0，10]；在(8)步骤的2)步骤中，所述的β取值为(0，1]。

4.根据权利要求2或3所述的基于迭代马尔科夫的合成孔径雷达影像变化检测方法，其特征在于：在(8)步骤的1)步骤中，所述的γ取值为5。

5.根据权利要求2所述的基于迭代马尔科夫的合成孔径雷达影像变化检测方法，其特征在于：在(8)步骤的3)步骤中，所述的tmax取值为500。

6.根据权利要求1所述的基于迭代马尔科夫的合成孔径雷达影像变化检测方法，其特征在于：在步骤(9)中，所述的lmax取值为3。