SAR图像变化检测.docx
《SAR图像变化检测.docx》由会员分享，可在线阅读，更多相关《SAR图像变化检测.docx（8页珍藏版）》请在冰豆网上搜索。
SAR图像变化检测
题目SAR图像变化检测
学院电子工程学院
专业智能科学与技术
学号
学生姓名
教师姓名
SAR图像变化检测
1.引言
图像检测，是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。
地理学中指将遥感图像进行分类的技术。
图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程,也叫图像再认。
在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。
只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。
图像识别是人工智能的一个重要领域。
2．算法原理简介
首先对两幅实验用SAR图像进行滤波处理，消除噪声，尽可能的减少噪点对变化检测结果的影响。
然后利用图像比值法生成初步的新像素矩阵。
假设P1（i,j）是第一幅实验用SAR图像对应像素点（i，j）的灰度，P2（i,j）是第二幅实验用图对应像素点（i,j）的灰度。
对应两幅图像，变化的部分像素差异较大，所以比值P1（i,j）/P2（i,j）距离1就比较远；而对应不变的点，像素虽然不至于完全一致，但是比值会在1的附近。
这个特性就为此方法的实现奠定了良好的基础。
然后对上一步得到的像素矩阵进行处理，例如进行取反操作（这个要看实际需要），乘以某一恰当的系数将像素值的差距拉大。
便可得到一幅SAR图像变化图像。
最后将实验所得的结果跟参考进行比对，得到差异，并统计漏检和误检的像素点数量。
3.具体算法步骤：
步骤1：
读入变化前后的实验用用SAR图像
步骤2：
将两幅图像的像素矩阵相比，得到新的像素矩阵
步骤3：
对上步所得像素矩阵进行取反，将系数等简单的处理，得到变化检测的图像
步骤4：
对上步得到的新图像以及参考进行模糊C均值分类，对参考和新图像进行比较
步骤5：
对参考和实验结果进行相减操作，得到误差图像
步骤6：
统计漏测点和误测点的数量并输出
步骤7：
结束
4.算法程序
functionUntitled2
clc
clearall
closeall
I1=imread（'1999.04.bmp'）;
I2=imread（'1999.05.bmp'）;
I3=imread（'1999.05.bmp'）;
I1=rgb2gray（I1）;
I2=rgb2gray（I2）;
I3=rgb2gray（I3）;
I1=medfilt2（I1,[3,3]）;
I2=medfilt2（I2,[3,3]）;
I3=medfilt2（I3,[3,3]）;
[N,L]=size（I1）;
I=（I1./I2）.*256;%±ÈÖµ´¦Àí¼°À ´ó²î¾à
I=imcomplement（I）;%È¡·´²Ù×÷
IM=I;
I11=fcm2（I）;
IM=I3;
I22=fcm2（I3）;
k=0;
[T,J]=cuowu（I11,I22,N,L）;
k=T+J;
disp（sprintf（'½á¹û©¼ì%d¸öÏñËص㣬Îó¼ì%d¸öÏñËصã',T,J））;
disp（sprintf（'½á¹ûͼÏñ¹²ÓÐ%d¸öÏñËØ£¬ÆäÖÐÓë²Î¿¼Îó²îÏñËظöÊýΪ%d',N*L,k））;
k=k/（N*L）*100;
disp（sprintf（'´Ë·½·¨Óë²Î¿¼Í¼ÏñµÄÎó²îÂÊ%2.4f¸ö°Ù·Öµã',k））;
I4=I11-I22;%Îó²îͼÏñ
figure
（1）
subplot（221）
imshow（I1）;
title（'beforechange'）;
subplot（223）
imshow（I2）;
title（'afterchange'）;
subplot（222）
imshow（I3）;
title（'reference'）;
subplot（224）
imshow（I）;
title（'result'）;
figure
（2）
subplot（121）
imshow（I11）;
title（'result_fcm2'）;
subplot（122）
imshow（I22）;
title（'reference_fcm2'）;
figure（3）
imshow（I4）;
title（'·ÖÀàºó½á¹ûÓë²Î¿¼µÄÎó²î'）;
functionIMMM=fcm2（IM）%·ÖÀàÊýΪÁ½ÀàµÄÄ£ºýC¾ùÖµ¾ÛÀà
%IMÊÇÊäÈëµÄԴͼÏñ
%IX2ÊÇ·ÖÀà½á¹û
[maxX,maxY]=size（IM）;
IM=double（IM）;
IMM=cat（2,IM,IM）;
%³õʼ»¯¾ÛÀàÖÐÐÄ£¨2Àࣩ
cc1=8;
cc2=230;
IMM=cat（3,IM,IM）;
ttFcm=0;
while（ttFcm<30）
ttFcm=ttFcm+1;
c1=repmat（cc1,maxX,maxY）;
c2=repmat（cc2,maxX,maxY）;
c=cat（3,c1,c2）;
ree=repmat（0.000001,maxX,maxY）;
ree1=cat（3,ree,ree）;
distance=IMM-c;
distance=distance.*distance+ree1;
daoshu=1./distance;
daoshu2=daoshu（:
:
1）+daoshu（:
:
2）;
%¼ÆËãÁ¥Êô¶Èu
distance1=distance（:
:
1）.*daoshu2;
u1=1./distance1;
distance2=distance（:
:
2）.*daoshu2;
u2=1./distance2;
%¼ÆËã¾ÛÀàÖÐÐÄz
ccc1=sum（sum（u1.*u1.*IM））/sum（sum（u1.*u1））;
ccc2=sum（sum（u2.*u2.*IM））/sum（sum（u2.*u2））;
tmpMatrix=[abs（cc1-ccc1）/cc1,abs（cc2-ccc2）/cc2];
pp=cat（3,u1,u2）;
fori=1:
maxX
forj=1:
maxY
ifmax（pp（i,j,:
））==u1（i,j）
IX2（i,j）=1;
elseifmax（pp（i,j,:
））==u2（i,j）
IX2（i,j）=2;
end
end
end
%ÅнáÊøÌõ¼þ
ifmax（tmpMatrix）<0.0001
break;
else
cc1=ccc1;
cc2=ccc2;
end
end
fori=1:
maxX
forj=1:
maxY
ifIX2（i,j）==2
IMMM（i,j）=255;
else
IMMM（i,j）=0;
end
end
end
end
%ͳ¼Æ´íÎóµãÊý
function[T,J]=cuowu（I11,I22,N,L）
T=0;J=0;
fori=1:
N
forj=1:
L
if（I11（i,j）==0&&I22（i,j）==255）%©¼ì
T=T+1;
elseif（I11（i,j）==255&&I22（i,j）==0）%Îó¼ì
J=J+1;
end
end
end
end
end
5.实验结果
6.实验结果分析
结果漏检44545个像素点，误检49个像素点
结果图像共有90601个像素，其中与参考误差像素个数为44594
此方法与参考图像的误差率49.2202个百分点
7.参考资料
[1]陈传波，金先级.数字图像处理北京机械工业出版社
[2]李金基，焦李成，张向荣，杨咚咚.基于两时相图像联合分类的SAR图像变化检测.红外与毫米学报.
[3]王伟平，周海银，胡永刚，王炯琦.基于聚类分析的SAR图像变化检测.传感器与微系统.
升级会员 