基于广义gamma模型的kl变化信息提取及非监督ki阈值分割的变化.doc

广义Gamma模型及自适应KI阈值分割的SAR图像变化检测高丛珊12  张红1  王超1  ,北京  ,北京  100049摘 要: 基于SAR图像的杂波统计特性,利用广义Gamma模型对降噪配准后的SAR图像统计特征进行拟合,获取了辐射值与局部纹理等特征信息;采用信息论中交叉熵的概念,量化不同时相SAR图像统计特征间的差异程度;利用KS与KL检验相结合,自动选取对差异图拟合情况最好的模型,从而实现基于该模型的KI阈值分割。通过对天津市北辰区以南地区的两幅Radarsat图像,以及北京市顺义区的两幅ASAR图像的实验表明,所提出的方法不仅有效地避免了水面波纹变化所产生的大量虚警,并能有效地检测出传统方法所不能识别的,区域内均值不变,仅纹理发生变化的情况。关键词: 广义Gamma,K-L散度,KI法则,SAR,,SAR图像越来越多地应用到变化检测工作中。但SAR成像机理的特殊性和数据处理的复杂性,给变化检测带来了诸多困难。尤其是其固有的斑噪、数据获取侧视角度等因素,严重影响了检测结果。因此,该领域自20世纪90年代起,针对SAR图像变化检测主要4四个环节(图1),开展了一系列的研究。其中,以差异图提取与阈值分割的环节最为核心。图1  SAR图像变化检测主要流程差异图提取方面,考虑到乘性斑噪的影响,Rignot(1993)指出比值法较差值法更适用,且对数变换能有效压缩比值图像的变化范围,均值对数比(MRD)因其简单高效的特点,得到了广泛应用。但其对区域内均值不变、纹理改变的情况不够敏感,Carvalho(2001)提出了基于小波变换的差异图提取法;Inglada(2003)引入了信息论中交叉熵(KL)的概念,以计算多时相SAR图像概率密度函数(PDF)间的距离;Mercier(2007)用边沿级数逼近对KL计算进行了优化。目前,仅高斯、皮尔森、瑞利等模型被应用到差异图提取工作中,而实际的地面情况往往十分复杂,简单的模型已不能满足需求,其优化问题成为了该领域的热点。阈值分割方面,传统方法主要分为:最大类间方差法(OSTU)、最大熵法(THC)、最小误差法(KI)等。其中,以OSTU法效率最高,但实验证明该方法在图像目标与背景的面积比很小时失效(Kittler&Illingworth,1986),变化检测方面,变化区域的面积往往有限,该方法不适用;THC法虽可通过圈定阈值选取范围,避免OSTU中目标与背景比例过小的问题,但范围的设定过分依赖先验知识,使结果易随选择的熵准则不同产生很大差异,故普遍性不广;KI法则是Bayes最小错误概率理论的延伸,其代价函数与决策函数随所选拟合模型的不同而变化。其中以Moser(2006)提出的基于广义高斯模型的KI法最为著名。本文将广义Gamma分布模型与信息论中KL散度的概念结合到一起,有效地量化了二时相SAR图像的统计特征差异;并采用了一种KS与KL结合的评价方法,实现对差异图最优拟合函数的自动选取,从而改进了传统KI阈值分割方法。通过对天津市北辰区以南的Radarsat-1和Radarsat-2图像,及北京顺义区的两幅Envisat-ASAR图像进行实验,验证了基于广义Gamma模型的KL差异图提取方法能较准确地量化地表辐射值与局部纹理等特征的变化程度,且通过本文改进的KI阈值分割步骤可获得较之传统变化检测方法,更为理想的效果。(图2)。,使传统的差值、比值等方法检测效果不理想。通过求取SAR图像一定区域内的统计分布模型,来削弱其影响;使用两个分布函数之间的差异来表征两幅图像间的差异。SAR图像统计建模技术按其建模过程可粗略分为参量模型和非参量模型(Oliver,2004)。非参量模型建模灵活,适合对未知的复杂概率密度函数进行参数估计,但需大量的样本数据,从而带来了操作复杂、计算耗时等问题。在实际应用中,参量模型更为适用。基于SAR图像乘性斑噪的特点,大多数现有的、广泛应用的统计分布模型,都是由乘积模型发展而来的(图3)。由于SAR图像斑点噪声分量的统计分布是确定的,其统计模型只需考虑表征地物真实RCS起伏的统计分布即可。本文选用的广义Gamma分布(式1)是一个3参数统计分布模型,其中,a是形状参数;b是尺度参数;c是能量参数。形状参数a与能量参数c决定了杂波分布的特性。图2  算法主要流程采用广义Gamma分布,可以比Rayleigh和Gamma分布更精确地描述拖尾严重的情况,而且可以利用广义Gamma函数随不同的参数估计结果,近似拟合多种