(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111680475.6 (22)申请日 2021.12.3 0 (71)申请人 中国科学院空天信息创新研究院 地址 100190 北京市海淀区北四环西路19 号 (72)发明人 余小萍　姜文　岳昔娟　苑方艳　 李柏鹏　陈正超　张昆仑　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 代理人 李世阳 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/84(2022.01)G06K 9/62(2022.01) (54)发明名称 多时相SAR影 像变化检测方法 (57)摘要 本公开提供一种多时相SAR影像变化检测方 法， 包括： 构建第一时相双极化SAR影像的第一协 方差矩阵与第二时相双极化SAR影像的第二协方 差矩阵之间的相似矩阵； 根据所述相似矩阵计算 所述第一时相双极化SAR影像与所述第二时相双 极化SAR影像之间的差异图； 对所述差异图进行 初始分割， 得到所述差异图中各个像素的初始标 记， 其中， 所述初始标记用于区分所述差异图中 的变化类及未变化类； 根据所述初始标记， 基于 广义高斯分布和各个像素在八邻域方向上与最 邻近像素的上下文关系对所述差异图中的变化 类及未变化类的初始标记进行优化， 以得到变化 二值图。 权利要求书3页 说明书7页 附图1页 CN 114299397 A 2022.04.08 CN 114299397 A 1.一种多时相SAR影 像变化检测方法， 包括： 构建第一时相双极化SAR影像的第一协方差矩阵与第二时相双极化SAR影像的第二协 方差矩阵之间的相似矩阵； 根据所述相似矩阵计算所述第一时相双极化SAR影像与所述第二时相双极化SAR影像 之间的差异图； 对所述差异图进行初始分割， 得到所述差异图中各个像素的初始标记， 其中， 所述初始 标记用于区分所述差异图中的变化类及未变化类； 根据所述初始标记， 基于广义高斯分布和各个像素在 八邻域方向上与最邻 近像素的上 下文关系对所述差异图中的变化类及未变化类的初始标记进行优化， 以得到变化 二值图。 2.根据权利要求1所述的多时相SAR影像变化检测方法， 其中， 所述构建第一时相双极 化SAR影像的协方差矩阵与第二时相双极化SAR影 像的协方差矩阵之间的相似矩阵包括： 根据所述第一时相双 极化SAR影像对应的共极化通道的后向散射信 息和交叉极化通道 的后向散射信息构建所述第一协方差矩阵； 根据所述第二时相双 极化SAR影像对应的共极化通道的后向散射信 息和交叉极化通道 的后向散射信息构建所述第二协方差矩阵； 根据所述第一协方差矩阵与所述第二协方差矩阵构建所述相似矩阵。 3.根据权利要求2所述的多时相SAR影 像变化检测方法， 其中， 所述相似矩阵R为： 其中， Sxx为共极化通道的后向散射信息， Sxy为交叉极化通道的后向散射信息， *表示复 数共轭计算； < ·>表示窗口取平均计算， | ·|表示复数取模计算， 表示矩阵的共轭转置， C1 为所述第一协方差矩阵， C2为所述第二协方差矩阵。 4.根据权利要求1所述的多时相SAR影像变化检测方法， 其中， 所述根据所述相似矩阵 计算所述第一时相双极化SAR影 像与所述第二时相双极化SAR影 像之间的差异图包括： 求解所述相似矩阵的最大 特征值和最小特 征值； 根据所述最大特征值和所述最小特征值计算所述第 一时相双极化SAR影像与所述第二 时相双极化SAR影 像之间的相似性测度； 根据所述相似性测度得到所述差异图。 5.根据权利要求 4所述的多时相SAR影 像变化检测方法， 其中， 所述相似测度SIM为： 其中， λmax、 λmin分别为所述相似矩阵的最大 特征值和最小特 征值。 6.根据权利要求1所述的多时相SAR影像变化检测方法， 其中， 所述对所述差异图进行 初始分割， 得到所述差异图中各个 像素的初始标记包括： 基于广义高斯分布模型对所述差异图中的变化类和未变化类进行统计建模， 得到所述权　利　要　求　书 1/3 页 2 CN 114299397 A 2变化类和未变化类的统计特性； 基于所述统计特性， 采用Kittler ‑Illingworth阈值选取准则确定阈值对所述差异图 进行分割， 得到各个 像素的初始标记。 7.根据权利要求6所述的多时相SAR影 像变化检测方法， 其中， 根据 构建所述广义高斯分布模型， 其中， Xl为所述差异图的灰度影像的灰阶， Xl＝0， 1， 2， ...， L‑1， L为所述灰度影像的最大像素值， mi为所述差异图中变化类或未变化类像素的 均值， βi为广义高斯分布模型的形状参数， σi为差异图中变化类或未变化类的标准差， Γ (·)为伽玛函数， ωi为变化类或为变化类， i表示变化类或未变化类的编号， c表示变化类， u表示未变化类； 其中， 所述Kittler ‑Illingworth阈值选取准则以满足代价函数最小为准则， 在灰阶范 围[0， L‑1]确定阈值， 根据确定阈值获取 所述mi、 σi和βi。 8.根据权利要求7所述的多时相SAR影像变化检测方法， 其中， 根据所述初始标记， 基于 广义高斯分布和各个像素在八邻域方向上与最邻近像素的上下文关系对所述差异图中的 变化类及未变化类的初始标记进行优化包括： 根据所述初始标记， 基于广义高斯分布及各个像素在 八邻域方向上与最邻 近像素的上 下文关系构建所述差异图的马尔科 夫随机场模型能量 函数； 求解最小化的马尔科夫随机场模型能量函数， 得到所述差异图中各个像素的最优标 记， 根据所述 最优标记输出变化 二值图。 9.根据权利要求8所述的多时相SAR影像变化检测方法， 其中， 所述马尔科夫随机场模 型能量函数为： Dp(fp)＝ln(G(Xl|fp))， 其中， P表示所述差异图中所有像素的集合， p表示像素编号， q表示第p个像素在八邻域 方向上最邻近像素的编号， N为第p个像素与最邻近像素组成的集合， fp表示第p个像素的初 始标记， ， fq表示第q个 像素的初始标记， φ为平 滑参数， λ为平衡因子 。 10.根据权利要求8所述的多时相 SAR影像变化检测方法， 其中， 所述求解最小化的马尔 科夫随机场模型能量 函数包括： 随机从所述差异图中选择一像素， 在该像素的类别标记为变化类的情况下， 依据初始权　利　要　求　书 2/3 页 3 CN 114299397 A 3