(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 202111658949.7 (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 7/11(2017.01) (54)发明名称 一种基于分解的两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两目标模糊 变化检测方法， 属于遥感图像检测技术领域。 所 述方法对SAR图像进行变化检测时， 将变化检测 任务分解为保留细节和去除噪声两个子问题。 通 过对保留细 节和去除噪声两个目标的分析， 使用 log‑mean算子得到了更高质量的保留细节差分 图像。 利用同态滤波和显著性检测， 获得更加有 效的去噪差分图像。 使用FLICM构建不同的目标 模型， 同时利用MOEA /D方法对这两个目标同时进 行优化。 新的隶属度更新方法充分考虑了不同目 标之间的平衡， 生成了更优的最终变化检测图。 通过在四个不同数据集上进行实验证明了本申 请方法在复杂噪声干扰的SAR图像中具有更强大 的检测性能。 权利要求书2页 说明书9页 附图2页 CN 114331897 A 2022.04.12 CN 114331897 A 1.一种基于分解的两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 ‑mean算子获得保留细节差分图像， 使用同态 滤波与显著性检测相结合的方式， 获得去噪差分图像； 步骤三： 分析保留细节差分图像和去噪差分图像中所包含的信息， 从去 除噪声和保留 细节两个角度构建两目标变化检测模型， 使用基于局部空间信息的模糊聚类目标函数分别 作为两目标的代价 函数； 步骤四： 通过不同的权重分配， 权衡目标对最终分析结果的影响， 使用基于分解的多目 标演化计算方式对两个目标进行优化； 步骤五： 结合基于分解的多目标权重分配方式， 使用新的模糊隶属度 更新公式， 通过种 群迭代自主调节每个像素 的隶属度值， 从而确定每个像素点的分类属 性， 得出变化检测结 果图像。 2.根据权利要求1所述的方法， 其特征在于， 将步骤一获得的预处理的两张SAR图像表 示为X1＝{P1(a， b)|1≤a≤H， 1≤b≤W}， 和X2＝{P2(a， b)|1≤a≤H， 1≤b≤W}， 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； 所述步骤二中使用l og‑mean算子获得保留细节差分图像， 包括： DIdetail＝mean(|l og(X2+1)‑log(X1+1)|) 其中， mean()代 表均值滤波操作， l og代表对数比算子 。 3.根据权利要求2所述的方法， 其特征在于， 所述步骤二中使用同态滤波与显著性检测 相结合的方式， 获得去噪差分图像， 包括： 同态滤波通过对数比率算子将乘性噪声转换为加性噪声， 然后将图像信号从时域转换 到频域进行处 理； 滤除噪声后， 重构信号， 并使用其指数获得初始去噪图像； 利用对数比算子对初始去噪图像进行差分运 算， 获得初始去噪差分图像DI(x)； 利用显著性检测来 寻找图像中的显著性区域： 利用伽马矫正对DI(x)进行图像增强， 之后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)与对数谱L(f)： L(f)＝log(F(f)) 使用一个3 *3的局部均值滤波器h(f)和L(f)来获得图像的均值对数光谱A(f)： A(f)＝h(f)*L(f) 之后根据下式获得光谱残差R(f)： R(f)＝L(f)‑A(f) 然后进行逆傅里叶变换， 从而获得显著性区域； 依据显著性区域 来选择是否保留位置在x处区域的像素值： 从而得到去除噪声的差分图像DIdenoise。 4.根据权利要求3所述的方法， 其特征在于， 所述步骤三中， 构建两目标变化检测模型， 使用基于局部空间信息的模糊聚类目标函数分别作为两目标的代价 函数为f(v)：权　利　要　求　书 1/2 页 2 CN 114331897 A 2其中， N为图像中像素点的个数； C为分类的数量； xi为第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表示第i个 像素对第k个 类的隶属度； 其中， 和 分别代表去除噪声差分图像DIdenoise和保留细节差分图像DIdetail中第i个 像素点的值， 和 则是对应计算得到 的模糊因子； w1为去除噪声差分图像DIdenoise的权 重； w2为保留细节差分图像DIdetail的权重； vj为第j个类的聚类中心。 5.根据权利要求4所述的方法， 其特征在于， 所述步骤四中对两个目标进行优化时， 成 本函数mi ngws(v|wi)定义如下： wt代表对第t个目标赋 予的权重， t＝1， 2； 第一个目标为去除噪声， 第二个目标为 保留细 节。 6.根据权利要求5所述的方法， 其特征在于， 所述方法在对两个目标进行优化时， 使用 MOEA/D算法来对成本函数中的聚类中心v进行 更新。 7.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 114331897 A 3