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。