基于改进全连接条件随机场的SAR影像变化检测.pdf

第 卷第 期自 然 资 源 遥 感.年 月 .:./.引用格式:董婷符潍奇邵攀等.基于改进全连接条件随机场的 影像变化检测.自然资源遥感():.(.():.)基于改进全连接条件随机场的 影像变化检测董 婷 符潍奇 邵 攀 高利鹏 武昌东(.三峡大学湖北省水电工程智能视觉监测重点实验室宜昌 .三峡大学计算机与信息学院宜昌 .西北工业大学软件学院西安)摘要:变化检测是遥感领域的重要研究方向 针对现有条件随机场变化检测技术的不足通过改进全连接条件随机场()提出一种全新的合成孔径雷达()影像变化检测方法 首先对生成 差分影像的对比算法进行总结将其划分为像素级、邻域级和超邻域级 个层级 然后选取对数比、邻域比和改进非局部图 种典型对比算法生成 组互补差分影像 最后通过扩展 二元势函数的高斯核个数对 进行改进并利用改进后 模型生成变化检测图 所提出变化检测技术能够综合利用 期 影像的原始影像、组互补差分影像和影像全局空间信息 另外本文通过提出一种简单有效的参数确定策略使得 能够全自动进行变化检测 组真实 影像数据的实验结果表明本文方法可行有效关键词:遥感 非监督变化检测 影像 差分影像 条件随机场中图法分类号:文献标志码:文章编号:()收稿日期:修订日期:基金项目:国家自然科学基金项目“模糊拓扑空间下高分辨率遥感影像多尺度融合变化检测方法研究”(编号:)和“基于倾斜摄影和浮动车轨迹数据的精细化城市车道提取方法”(编号:)共同资助第一作者:董 婷()女博士副教授主要从事模式识别、遥感图像处理、技术等研究:.通信作者:邵 攀()男博士副教授主要从事遥感图像处理、变化检测、人工智能等研究:.引言遥感变化检测是通过分析在同一位置不同时刻获取的遥感影像来识别和检测地表覆盖变化信息的过程是开展对地观测应用的关键技术被广泛应用于灾害评估、城市研究和资源监测等众多领域具有广阔的应用前景 合成孔径雷达()利用脉冲压缩技术和合成孔径原理成像具有全天时、全天候和穿透能力强等优势使得 影像成为实施变化检测任务的重要数据源特别是在恶劣天气情况下近年来 影像变化检测研究受到了广泛关注 影像变化检测一般包含 个主要步骤:影像预处理 生成差分影像 分析差分影像 影像预处理步骤包括降噪、配准和几何纠正等操作其目的是使 期 影像在空间域和波谱域具有可比性为后续步骤做准备 生成差分影像步骤通过对比 期 影像提取其差异信息本质上是生成一个能够表征 期 影像之间差异的数值矩阵 变化检测领域中有许多生成 影像差分影像的对比算法如比值法、对数比法()、均值比法、邻域比法()、主成分分析法()、非局部图法和改进非局部图法()等 为集成不同差分影像的优势一些学者采用融合技术来生成差分影像 等提出小波融合法通过对均值比和 差分影像实施小波融合来获取融合差分影像 等提出加权平均法通过加权平均差值和 差分影像来生成融合差分影像 等提出剪切波融合法利用剪切波理论来融合差值和 差分影像 生成差分影像后需对其进行分析将像素划分为变化类和未变化类生成变化检测图 分析差分影像本质上是一个影像分割过程可采用不同的技术实现 最常用的分析差分影像方法是阈值法首先通过某种阈值选择技术确定一个全局最优阈值然后以阈值为界将像素划分为 类 阈值法具有简单、容易实现等优势但其对阈值选择比较敏感且未考虑影像空间上第 期董 婷等:基于改进全连接条件随机场的 影像变化检测下文信息有时不能取得理想的变化检测结果 为克服阈值技术不足一些其他机器学习算法被引入差分影像分析比如聚类法、水平集法、模糊拓扑 和随机场理论等 马尔可夫随机场()是最流行的随机场模型之一在变化检测领域有着广泛应用 等通过将最大期望阈值技术与 集成来提高变化检测精度 等通过 融合不同阈值技术的变化检测结果来增强检测效果 等、等和 等从不同角度利用 来增强模糊聚类变化检测的性能 虽然 能够有效地利用差分影像的空间上下文信息提高变化检测精度但是 假设条件独立且主要考虑标记场而忽略观测场使得其对某些实际应用效果不理想近年来为克服 的不足一些学者将条件随机场()引入遥感变化检测 是对 的有效改进其无需条件独立假设且通过观测场构建空间邻域关系更加灵活方便 最早提出用于解决 维自然语言分割与标记问题 随后被扩展用于处理 维图像分类问题 等首次将 应用到遥感影像分类和变化检测任务 等通过将区域约束条件引入 来增强变化检测性能 等针对变化检测任务提出一种混合 模型 为利用影像更广范围的空间上下文信息等利用全连接条件随机场()进行变化检测 与 主要考虑差分影像像素的局部空间相关性不同 考虑影像的全局空间相关性 上述研究证明了利用 进行变化检测的有效性和可行性 然而现有基于 的变化检测存在以下不足:其主要针对光学遥感影像缺乏针对 影像变化检测的相关研究其在利用空间相关性时要么只考虑差分影像空间要么只考虑 期影像原始影像空间未能综合利用 种空间信息 其一般只考虑单个差分影像未能充分利用不同差分影像的互补信息为解决上述不足本文将 引入 影像变化检测通过改进 提出一种全新的 影像变化检测技术 首先对现有 差分影像生成算法进行总结将其划分为 个层级:像素级、邻域级和超邻域级 然后选取 种典型算法生成 组互补差分影像 最后提出一种改进的 模型()并用 进行变化检测 能够综合利用 期 影像的原始影像空间、组互补差分影像空间和影像的全局相关性 通过 组真实 影像数据的实验进一步证明所提出的 变化检测技术能够取得更优的变化检测结果 变化检测技术假设 和 是在同一位置不同时刻获取的 幅尺寸相同的 影像且已经过配准和相对辐射校正等预处理操作 变化检测技术包括 个主要步骤:生成互补差分影像集包含像素级、邻域级和超邻域级 种差分影像 改进 使其能够综合考虑 期 影像、组互补差分影像和全局空间信息得到 并利用 进行变化检测如图 所示图 变化检测方法流程.生成互补差分影像集根据对比层级不同本文将生成 影像差分影像的对比算法分为 类:像素级 以像素作为对比基础通过逐像素对比 期 影像生成差分影像比如差值法和加权平均法 邻域级 以邻域窗口作为对比基础通过综合对比邻域窗口内所有像素来求解邻域窗口中心像素的差异值比如均值比法和邻域比法 超邻域级 不是以一个邻域窗口作为对比基础而是以多个邻域窗口作为对比基础来生成差分影像比如非局部图法以邻域窗口的 最邻近图作为对比基础 图 给出现有主要 影像差分影像生成算法分类 像素级差分影像只考虑单个像素的差异容易产生噪声但包含的变化信息较为完整 邻域级差分影像通过考虑局部上下文信息能够有效抑制点状噪声但不能很好地抑制片状噪声 超邻域级差分影像通过多个邻域窗口考虑更高层级的空间上下文信息能够很好地抑制点状和片状噪声但容易造成漏检特别是对细自 然 资 源 遥 感 年节变化和线状变化 像素级、邻域级和超邻域级差分影像能够在一定程度上提供互补的变化信息故综合利用这 个层级的差分影像有望得到更优的变化检测结果图 主要 影像差分影像生成算法分类.基于上述分析本研究综合考虑 个层级的差分影像:首先利用像素级的、邻域级的 和超邻域级的 算法来生成 组互补的差分影像然后将其叠加得到三维差分影像特征 将由 得到的像素级差分影像记作 其计算公式为:()()()()式中()和()分别为第一期和第二期影像像素 的灰度值将由 得到的邻域级差分影像记作 其计算公式为:()()()()()()()()()()()()式中:为像素 的 邻域窗口()为 中像素方差与平均值的比值将由 得到的超邻域级差分影像记作 通过对前向差异()和后向差异()进行小波融合得到前向差异和后向差异的计算方式为:首先利用 最邻近技术构造 最邻近图图中顶点集由邻域窗口构成边集权重通过邻域窗口间的距离计算 然后基于 最邻近图之间的结构相似性来计算差异()和()都是以多个邻域窗口作为对比基础且计算方式相同只是前者从第一期影像开始计算后者从第二期影像开始为保持量纲一致性得到差分影像 和后将其取值范围通过线性变换统一到然后将 和 叠加得到三维差分影像特征 包含像素级、邻域级和超邻域级 种差分影像能够提供互补的变化信息.模型构建本文将 引入 影像变化检测并对其进行改进提出 变化检测技术 使用 组互补差分影像计算一元势函数提高一元势函数的准确程度 通过将二元势函数的高斯核个数从 个扩展至 个使其在利用空间相关性时能够同时考虑 期 原始影像、多个互补差分影像和影像的全局空间信息 模型通常通过将构建的后验概率模型转化为 能量函数来求解 本研究所提出的 模型的能量函数()包含 部分即()()()()式中:()为一元势函数()为二元势函数 为像素集由影像中所有像素构成 和 分别为像素 和 的类别标签.一元势函数一元势函数()用来建模标记场与观测场之间关系表示在不考虑影像空间相关性的条件下像素 被标记为类别 的成本通常被定义为:()()()式中()为像素 属于类别 的概率可通过不同的分类器获取 在变化检测问题中 和 分别表示未变化类和变化类模糊 均值()聚类具有无需分布假设、对不确定性鲁棒和能够适用多维数据等优势为分析多维差分影像提供了一种有力工具 本研究利用 估算()首先用 对三维差分影像特征 进行聚类得到变化类和未变化类的隶属度函数 然后用像素类别隶属度定义()即()()()式中()为通过 得到的像素 属于类别 的模糊隶属度.二元势函数二元势函数()通过建模影像的空间相关性来提高变化检测性能 传统 通常用 个高斯核函数的线性组合来定义二元势即()()()()()第 期董 婷等:基于改进全连接条件随机场的 影像变化检测式中:和 分别为像素 和 的空间位置坐标参数 和 分别为线性组合权重 参数 和 为正常数用来控制高斯核的形状和尺度()为标记兼容性函数如果 则()否则()和 分别为像素 和 的特征在不同的应用中和 具有不同的内涵 在本研究中和 分别为 期 影像特征即()()()()虽然式()所定义的二元势函数能够有效利用影像空间上下文信息但其只考虑一种特征矢量空间不便于同时利用 原始影像和差分影像 种特征空间 为解决此问题本研究对上述二元势进行改进将高斯核从 个扩展至 个使其能够同时考虑 期 原始影像、组互补差分影像和像素位置信息改进二元势的计算公式为:()()()()()()式中:和 分别为差分影像特征即 ()()()()()()为正常数遥感影像像素间通常具有很强空间相关性且真实世界中变化通常是空间连通的区域而不是孤立的点 二元势函数()用来建模此性质作用是鼓励相邻像素具有相同的类别本质上是来描述相邻像素 和 类别不一致的成本 从定义可知如果相邻像素 和 具有相同类别则()使得()即像素 和 的类别不一致成本为 改进后二元势能够同时考虑 期 影像的原始影像空间、互补差分影像空间和影像的全局空间信息还能够更有效地建模遥感影像的空间相关性取得更优的变化检测结果 一般通过最小化能量函数来生成变化检测图 与只考虑局部邻域像素对的 模型不同 考虑所有像素对之间的关系导致最小化其能量函数时计算量巨大 为解决此问题本研究采用高效平均场算法来最小化能量函数.参数分析与设置策略在 模型求解过程中参数设置是一个重要问题 所提出的 模型利用 求解一元势函数过程中无需设置参数故其所需设置参数均在二元势函数中 与式()给出的传统二元势函数相比本文改进后二元势函数将高斯核从 个扩展至 个涉及参数由 个(和)增加至 个(和)在现有图像分析和变化检测文献中 通常通过样本训练来确定其参数的取值然而训练样本的获取一般费时费力这在一定程度上影响 的实际应用 特别是在非监督变化检测任务中一般无训练样本可用针对上述问题本文给出具体参数设置策略以避免通过样本训练来确定参数取值:对于参数 和 研究表明当其取值为 时 能够取得比较理想的效果鉴于此本研究直接将参数 和 的值设置为 即令 对于高斯核调节参数 和 受仅考虑局部邻域像素对 模型处理此类问题的启发本研究将 和分别定义为 和 的平均值自适应地确定其取值 对于权重系数 一方面 模型对其比较敏感 另一方面其不同取值能够提供互补的变化检测结果一般 取值越大空间信息在能量函数()中所起作用越大则容易去除噪声但同时容易造成漏检取值越小空间信息在能量函数()中所起作用越小虽不易造成漏检但会降低去除噪声的能力 基于上述分析并受 等的启发本研究通过对多组 取值对应的变化检测结果进行融合来获取最终的变化检测结果以便降低参数 对变化检测结果的影响提高检测精度 本研究首先将 的取值分别设置为.和 生成 组互补的变化检测图然后利用经典融合技术投票法对所获取的 组变化检测图进行融合生成最终的变化检测图 实验数据为评估所提出变化检测技术的性能采用 组 影像变化检测研究中常用的实验数据进行实验分析 数据 和 分别是从黄河数据集选取的 种典型变化区域黄河沿岸(像素 像素)和农田区域(像素 像素)黄河数据集由 传感器分别于 年 月和 年 月获取的黄河河口附近 期 影像构成数据 由 卫星分别于 年 月和 年 月获取的美国旧金山附近地区的 幅 影像构成大小为 像素 像素 数据 由 卫星分别于 年 月和 年 月获自 然 资 源 遥 感 年取的瑞士伯尼尔附近地区的 幅 影像构成大小为 像素 像素 图 分别给出 组数据的 期影像及其变化参考图变化参考图是通过人工目视解译生成 在生成差分影像前已对 组数据进行配准和辐射校正操作并通过降斑各向异性扩散()操作对 期 影像进行降噪()数据 前期影像()数据 后期影像()数据 变化参考图()数据 前期影像()数据 后期影像()数据 变化参考图()数据 前期影像()数据 后期影像()数据 变化参考图()数据 前期影像()数据 后期影像()数据 变化参考图图 数据源.第 期董 婷等:基于改进全连接条件随机场的 影像变化检测 结果与分析.不同算法检测结果为验证所提出变化检测技术的有效性将其与 种先进算法进行比较:和 均值结合算法()和 ()其中 和 的变化检测结果通过以下方式获取:首先分别利用 和 生成 期 影像的差分影像然后通过 聚类得到各自的变化检测结果 后 组对比算法使用的差分影像由最常用的 对比算子生成 采用变化检测文献中常用的 种精度指标来定量评价变化检测技术的性能:虚检()、漏检()、总体错误()和 系数 组数据不同算法的变化检测结果如图 所示 各变化检测结果的定量指标如表 所示 从图 和表 中可知对于 组实验数据本研究选用的 组生成差分影像的对比算子(像素级)、(邻域级)和(超邻域级)能够得到互补的变化检测结果:图()中都具有很少的红色漏检区域但包含许多的黄色散射状虚检区域图()中仅包含较少的黄色虚检像素但包含较多的红色漏检像素 而对于 其变化检测图优于 差于 而虚检优于 差于 这表明:本文给出的“差分影像生成算法”分类是合理的选取的 组差分影像生成算法是有效的 通过综合考虑 组差分影像对其实施融合策略有望得到更优的变化检测结果 种对比算子对 组实验数据的变化检测结果不够稳定比如数据 的变化检测结果优于 和 而数据 的变化检测结果优于 和(图 和表)对其他 种对比算法数据 中 的变化检测结果优于 和 但其检测结果仍不够理想 虽然其变化检测结果仅包含极少的散射黄色噪声斑点但仍具有明显的红色漏检区域(图()数据 中 和 的变化检测结果相近并优于 和 但其检测结果仍有待改善比如数据 其变化检测图有明显的红色漏检特别是对左上角的线性变化目标 这主要是因为虽然 和 能够较有效地利用空间信息但由于 利用空间信息时只考虑差分影像忽略 期原始影像而 只考虑 期原始影像忽略差分影像使得它们对空间信息的利用不够精细造成过度平滑()()()()()()()()()图 数据 不同算法的变化检测结果.自 然 资 源 遥 感 年()()()()()()()()()图 数据 不同算法的变化检测结果.()()()()()()()()()图 数据 不同算法的变化检测结果.()()()()()()()()()图 数据 不同算法的变化检测结果.第 期董 婷等:基于改进全连接条件随机场的 影像变化检测表 组数据变化检测的定量指标.方法数据 数据 .方法数据 数据 .组实验数据中所提出的 的变化检测结果明显优于其他 种对比算法 从图 可知 的变化检测结果具有最少的彩色区域与相应的变化参考图最接近 这主要是因为 不仅在计算一元势的同时考虑像素级、邻域级和超邻域级 种互补的差分影像而在利用空间信息时综合考虑 期 影像原始影像空间、组互补差分影像空间和全局空间信息 表 从定量的角度验证了所提出变化检测技术 的优势 对 组实验数据 均取得最低的 和最高的 系数 数据 中 的 系数为.比 和 分别提高.和.数据 中 的 系数为.比其他算法至少提高.增强过程分析表 和图 给出的实验结果表明所提出的变化检测方法 明显优于其他 种对比方法 为了进一步分析 的增强过程以数据 和数据 为例 和 的变化检测结果对比如表 所示 的变化检测结果是通过对 和 的差分影像集(即 )实施 聚类得到的 同时 的变化检测结果也是 只考虑一元势函数的检测结果 的变化检测结果是通过传统 模型对 的变化检测结果进行优化得到的 的检测结果是通过改进后 优化 变化检测结果得到的表 和 的变化检测结果.方法数据 数据 .通过分析表 可知所提出变化检测技术 通过 个阶段来增强变化检测性能)对 组互补的差分影像进行融合 通过对比 和 关于数据 和数据 的变化检测结果可知通过融合像素级、邻域级和超邻域级的 组差分影像能够显著提高变化检测精度如数据 通过融合 组差分影像 系数为.比基于单一差分影像的 和 的结果分别提高.和.)利用 对 的变化检测结果进自 然 资 源 遥 感 年行优化 通过比较 和 的检测结果可知 能够显著提高变化检测精度如数据 的 系数比 提高.此外通过对比 和 的变化检测结果可知本文提出的 方案能够有效增强变化检测性能如数据 改进后模型 的 系数比改进前模型 的 系数提高.结论)通过改进全连接条件随机场提出一种全新的 影像变化检测方法 所提出方法具有以下优势:综合考虑 个层级的差分影像能够更充分地利用 期影像的变化信息 通过优化全连接条件随机场使 能够同时利用 期原始 影像和 组互补差分影像 提出一种简单有效的参数设定策略提高 的自动化程度)组真实 影像数据的实验结果验证了所提出变化检测方法 的有效性:对于 组实验数据 的 系数比 种对比算法(和)至少分别提高.和.)对于参数 和 本文根据已有文献将其设置为定值 未来可研究如何自适应地确定参数 和 的方案 同时需通过更多数据进一步验证所提出方法 的有效性参考文献():公茂果苏临之李 豪等.合成孔径雷达影像变化检测研究进展.计算机研究与发展():.():.王译著黄 亮陈朋弟等.联合显著性和多方法差异影像融合的遥感影像变化检测.自然资源遥感():.:./.():.:./.吴柳青胡翔云.基于多尺度多特征的高空间分辨率遥感影像建筑物自动化检测.国土资源遥感():.:./.():.:./.何陈临秋程 博陈金奋等.基于 全极化 数据的滨海湿地信息提取方法.自然资源遥感():.:./.():.:./.():.王建明史文中邵 攀.自适应距离和模糊拓扑优化的模糊聚类 影像变化检测.测绘学报():.():.庄会富邓喀中余 美等.结合 准则和逆高斯模型的 影像非监督变化检测.武汉大学学报(信息科学版)():.():.():.():.():.():.():.():.():.:.第 期董 婷等:基于改进全连接条件随机场的 影像变化检测 :.():.():.():.():.():.():.:.():.():.():.():.:.范奎奎王中元欧阳斯达等.结合 的遥感图像变化检测.遥感学报():.():.():.():.():.:/():.:/.:.():.:.():.():.(.):.自 然 资 源 遥 感 年 ()()().()()().:(责任编辑:陈昊旻)