(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 202111681937.6 (22)申请日 2021.12.31 (71)申请人 江南大学 地址 214122 江苏省无锡市滨湖区蠡湖大 道1800号 (72)发明人 方伟　席超　陆恒杨　孙俊　 吴小俊　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 代理人 张勇 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/10(2006.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于分解的SAR图像多目标模糊变化检 测方法 (57)摘要 本发明公开了一种基于分解的SAR图像多目 标模糊变化检测方法， 属于遥感监测技术领域。 该方法从保留细节与去除噪声两个目标点出发， 针对不同的目标生成不同的差分图像， 分别使用 FCM与FLICM模糊聚类代价函数来构造不同的目 标函数， 通过MOEA/D的方式对多目标任务进行优 化， 最后采用新的隶属度更新公式， 通过种群迭 代的方式， 以不同的权重分配来计算每个像素点 最后关于不同类别的隶属度值。 通过实验证明本 申请方法对SAR图像具有更好的检测效果。 同时 本申请针对保留细节和去除噪声两个目标进行 了更加细致的分析， 针对两目标选取了两个相互 冲突的目标函数以进一步提高其区分能力， 提高 了对斑点噪声的鲁棒 性。 权利要求书2页 说明书8页 附图3页 CN 114331909 A 2022.04.12 CN 114331909 A 1.一种基于分解的SAR图像多目标模糊变化检测方法， 其特 征在于， 所述方法包括： 步骤一： 获取在同一 地理区域的两个不同时期的SAR图像， 并对图像进行 预处理； 步骤二： 对预处理后的图像分别使用log算子获得保留细节差分图像， 使用小波滤波与 基于频域的显著性检测相结合的方式， 获得去噪差分图像； 步骤三： 针对保留细节差分图像和去噪差分图像采用两个相互冲突的目标函数， 使用 基于分解的多目标演化计算 算法同时优化两个目标； 步骤四： 构造初始均匀权重向量， 对保留细节和去 除噪声两个目标分配不同的权重配 比， 使用多目标演化计算方法更新模糊聚类中心值； 步骤五： 结合分解的思想， 使用新设计的模糊隶属度更新公式来更新像素的隶属度值， 从而得到最终的分类结果， 获得变化检测图像。 2.根据权利要求1所述的方法， 其特征在于， 所述步骤三中， 针对保留细节差分图像， 目 标函数如下： 其中， N为图像中像素点的个数； C为分类的数量， C＝{1， 2}， 分别代表变化和未发生变 化的类； xi为保留细节差分图像中第i个像素点的值； vk为第k个类的聚类中心； Gki为模糊因 子； m代表模糊系数； uki表示保留细节差分图像中第i个 像素对第k个 类的隶属度。 3.根据权利要求2所述的方法， 其特征在于， 所述步骤三中， 针对去噪差分图像， 目标函 数如下： 其中， 为去除噪声差分图像中第i个 像素点的值； 为对应计算得到的隶属度因子 。 4.根据权利要求3所述的方法， 其特 征在于， 所述隶属度因子 的计算公式为： 其中dij为像素点i和像素点j之间的欧氏距离； Ni为去除噪声差分图像中以像素点i为 中心的不包 含自身的相邻像素点； 为去除噪声差分图像中第j个 像素点的值。 5.根据权利要求4所述的方法， 其特征在于， 所述步骤五中新设计的模糊隶属度 更新公 式为： 其中， w1代表对保留细节的目标 赋予的权 重， w2代表对去除噪声目标 赋予的权 重。 6.根据权利要求5所述的方法， 其特征在于， 所述步骤一中预处理后的两张不同时期的 SAR图像分别记为X1＝{P1(a， b)|1≤a≤ H， 1≤b≤W}和X2＝{P2(a， b)|1≤a≤ H， 1≤b≤W}；权　利　要　求　书 1/2 页 2 CN 114331909 A 2其中， P(a， b)代 表坐标(a， b)处的像素值； H和W分别表示原 始SAR图像的高度和宽度； 所述步骤二中对预处 理后的图像使用l og算子获得保留细节差分图像DIdetail， 包括： DIdetail＝|log(X2+1)‑log(X1+1)| 其中， log代表对数比算子 。 7.根据权利要求6所述的方法， 其特征在于， 所述步骤二中对预处理后的图像使用小波 滤波与基于频域的显著性检测相结合的方式， 获得去噪差分图像， 包括： 对预处理后的图像进行小 波变换， 将图像信号从时域变换到小 波域； 通过贝叶斯阈值法滤除噪声， 然后将经过阈值处理 的小波系数进行重构得到两张不同 时期的SAR图像分别对应的初始去噪图像； 对两张不同时期的SAR图像分别对应的初始去噪图像进行差分， 得到初始去噪差分图 像DI(x)； 使用伽马变换对初始去噪差分图像DI(x)进行图像增强； 对增强后的初始去噪差分图像DI(x)进行傅里叶变换， 得到其振幅谱F(f)， 从而获得其 对数频谱L(f)： L(f)＝log(F(f)) 使用一个3*3 的局部平均滤波器h(f)与对数谱L(f)做卷积， 得到图像均值对数频A(f) 谱： A(f)＝h(f)*L(f) 根据下式通过L(f)和A(f)得到谱残差R(f)： R(f)＝L(f)‑A(f) 之后对R(f)进行傅里叶逆变换， 得到空间域的显著性图S(x)： S(x)＝g(x)*F‑1[exp(R(f)+P(f) )]2 其中g(f)代表一个高斯滤波器， 用来平 滑显著性图像， 而P(f)代 表图像的相位 光谱； 最后使用OTSU算法获得显著性区域， 保留显著性区域内的像素值， 而将非显著区域的 值置零， 从而得到最终的去噪差分图像DIdenoise。 8.根据权利要求7所述的方法， 其特征在于， 所述步骤三中使用基于分解的多目标演化 计算算法同时优化两个目标时， 成本函数mi nF(v|wt)定义如下： min F(v|wt)＝w1f1(v)+w2f2(v) 其中， w1代表对保留细节的目标 赋予的权 重， w2代表对去除噪声目标 赋予的权 重。 9.根据权利要求1所述的方法， 其特 征在于， 步骤一中对SAR图像进行 预处理包括： 对SAR图像进行几何配准和辐射校正得到共注册的具有相同的尺寸大小的两张SAR遥 感卫星图像。权　利　要　求　书 2/2 页 3 CN 114331909 A 3