基于Log-Gabor濾波器的SAR圖像變化檢測(cè)研究

李正偉

摘 要：合成孔徑雷達(dá)（SAR）圖像具有良好的操作性能和較高的分辨率。針對(duì)多時(shí)相SAR圖像，提出了一種多尺度多方向的圖像變化檢測(cè)方法。通過斑點(diǎn)抑制各向異性擴(kuò)散濾波（SRAD）和離散小波變換（DWT）對(duì)SAR圖像進(jìn)行預(yù)處理，利用Log-Gabor（LG）濾波器組對(duì)處理后的無斑點(diǎn)圖像進(jìn)行多尺度多方向設(shè)計(jì)，將多個(gè)方向的最大幅值相加得到基于特征的尺度表示。通過設(shè)計(jì)最小重疊的傳輸函數(shù)來擴(kuò)大覆蓋廣泛的濾波器帶寬，對(duì)每個(gè)尺度進(jìn)行多方向處理得到差分圖像系數(shù)，將各尺度的差分系數(shù)序列相加進(jìn)而計(jì)算差分圖像。最后，利用真實(shí)的武漢市SAR圖像數(shù)據(jù)集驗(yàn)證了該方法的性能。

關(guān)鍵詞：SAR圖像;變化檢測(cè);斑點(diǎn)噪聲;Log-Gabor濾波器組

Abstract：Synthetic aperture radar （SAR） image has good performance and high resolution. A multi-scale and multi-directional change detection method for multi-phase SAR image is proposed. SAR image is preprocessed by speckle suppression anisotropic diffusion filter （SRAD） and discrete wavelet transform （DWT）， and the processed speckle free image is designed by log Gabor （LG） filter bank in multi-scale and multi direction. The maximum amplitude of multiple directions is added to get the scale representation based on the feature. By designing the minimum overlapping transmission function to expand the wide coverage of the filter bandwidth， the differential image coefficients are obtained by multi-directional processing of each scale， and then the differential image is calculated by adding the differential coefficient sequences of each scale. Finally， the performance of the method is verified by the real data set of Wuhan SAR image.

Key words：SAR image; change detection; speckle noise; Log-gabor filter bank

變化檢測(cè)是對(duì)同一地理區(qū)域獲取的兩幅時(shí)間序列圖像進(jìn)行差異預(yù)測(cè)的分析，目的是檢測(cè)在兩種不同情況下區(qū)域變化情況，可用于估算土地覆蓋率[1]、土地利用變化[2]和監(jiān)測(cè)城市地區(qū)變化[3]等。變化檢測(cè)在遙感中發(fā)揮著重要的作用，特別是在合成孔徑雷達(dá)（SAR）圖像中，能夠全程跟蹤并獲取雷達(dá)圖像?，F(xiàn)有的變化檢測(cè)方法主要基于代數(shù)、轉(zhuǎn)換、分類、聚類和機(jī)器學(xué)習(xí)等[4]。

在各種SAR圖像處理應(yīng)用中，基于多尺度方法的數(shù)學(xué)模型可定性分析圖像處理性能。多尺度方法由空間頻域中的空間定位組成，可以分解圖像模式的基本分量。文獻(xiàn)[5]提出了基于多尺度方法的變化檢測(cè)，并采用自適應(yīng)尺度守恒方法對(duì)差分系數(shù)進(jìn)行融合。文獻(xiàn)[6]提出了基于分形網(wǎng)絡(luò)演化自適應(yīng)選擇尺度的多尺度方法。文獻(xiàn)[7]提出了基于平穩(wěn)小波變換的多尺度方法并進(jìn)行多尺度分解。文獻(xiàn)[8]利用對(duì)數(shù)判別法對(duì)SAR圖像進(jìn)行處理，并對(duì)每幅多尺度圖像進(jìn)行貝葉斯閾值處理。文獻(xiàn)[9]提出了基于Gabor特征的差分圖像變化檢測(cè)，對(duì)差分圖像進(jìn)行對(duì)數(shù)運(yùn)算，并利用Gabor小波變換進(jìn)行多尺度特征提取。文獻(xiàn)[10]針對(duì)高分辨率SAR圖像，提出了基于目標(biāo)的多尺度分層采樣特征提取方法，通過隨機(jī)森林模型對(duì)訓(xùn)練樣本的紋理和形狀特征進(jìn)行融合和分類。

提出了基于多尺度多方向的Log-Gabor（LG）濾波器組設(shè)計(jì)方法，可實(shí)現(xiàn)在倍頻程范圍內(nèi)的多分辨率設(shè)計(jì)中擴(kuò)大帶寬覆蓋。利用斑點(diǎn)抑制各向異性擴(kuò)散濾波（SRAD）和離散小波變換（DWT）對(duì)斑點(diǎn)噪聲抑制進(jìn)行預(yù)處理。針對(duì)傳統(tǒng)Gabor濾波器像素分布不均勻的缺點(diǎn)，采用Log變換在每個(gè)尺度上進(jìn)行基于多方向特征的差分，將每個(gè)尺度的差分系數(shù)相加得到差分圖像。

1 變化檢測(cè)

采用LG濾波器組設(shè)計(jì)，將輸入圖像分解為數(shù)字尺度，并將各尺度與多個(gè)方向連接。各尺度所有方向的組合大小具有顯著的特征向量。對(duì)兩幅輸入圖像中各等分尺度直接相減，以保持差分系數(shù)的頻帶分辨率。因此，將各差分系數(shù)相加得到差分圖像，在各尺度上具有對(duì)稱的低強(qiáng)度和高強(qiáng)度像素分布，并且具有完備的邊界。所提出基于特征變化檢測(cè)的LG濾波器組工作詳細(xì)流程圖，如圖1所示。

1.2 預(yù)處理階段

由于SAR圖像不可避免地受到斑點(diǎn)噪聲的影響，預(yù)處理階段是為了減少斑點(diǎn)噪聲的相干性。以文獻(xiàn)[11]提出的斑點(diǎn)抑制各向異性擴(kuò)散濾波（SRAD）和離散小波變換（DWT）為基礎(chǔ)，對(duì)于給定的輸入圖像Y，將SRAD應(yīng)用于斑點(diǎn)噪聲抑制。通過對(duì)數(shù)變換將SRAD濾波器的乘性分量轉(zhuǎn)化為加性分量。利用DWT將加性噪聲分量分解為三個(gè)高頻（HH;HL;LH）和一個(gè)低頻（LL）子帶圖像。采用引導(dǎo)濾波法（GF）去除低頻（LL）子帶圖像中存在的噪聲。高頻（HL;LH）子帶圖像采用軟閾值法（ST），高頻（HH）子帶圖像采用增強(qiáng)引導(dǎo)濾波法（EGF）。利用逆離散小波變換（IDWT）導(dǎo)出指數(shù)函數(shù)形式而最終得到無斑點(diǎn)圖像。斑點(diǎn)噪聲抑制的預(yù)處理階段，如圖2所示。

2.3 LG濾波器組的尺度

2.4 LG濾波器組的構(gòu)造與實(shí)現(xiàn)

在有效實(shí)現(xiàn)頻譜均勻覆蓋的情況下，考慮了LG濾波器的尺度和方向規(guī)劃，其目的是構(gòu)造覆蓋均勻且濾波器之間重疊最小的濾波器，以此計(jì)算所提取系數(shù)之間的獨(dú)立性。從4個(gè)尺度、6個(gè)方向?qū)G濾波器組的構(gòu)造進(jìn)行了研究。

最終，利用逆傅里葉變換得到空間域中LG相應(yīng)的濾波圖像。

3 實(shí)驗(yàn)分析

3.1 數(shù)據(jù)集

使用文獻(xiàn)[12]中的武漢市2008年10月至12月期間湖泊地區(qū)的變化模擬圖像和多時(shí)間SAR圖像建立數(shù)據(jù)集，該數(shù)據(jù)集由TerraSAR-X SAR圖像進(jìn)行跟蹤，圖像尺寸為140×268像素。

3.2 性能指標(biāo)

在預(yù)處理階段，通過結(jié)構(gòu)相似性、等效視數(shù)和斑點(diǎn)抑制指數(shù)等指標(biāo)來驗(yàn)證斑點(diǎn)噪聲抑制性能：

3.3 預(yù)處理性能分析

預(yù)處理階段采用SRAD濾波器與DWT相結(jié)合的方法，其對(duì)乘性分量具有良好的降噪效果。SRAD濾波器通過偏微分方程的作用來改變圖像，從而降低圖像中的噪聲。利用DWT將SRAD濾波器的對(duì)數(shù)輸出分解為低頻分量和高頻分量。低頻（LL）分量具有細(xì)節(jié)信息，GF對(duì)其進(jìn)行了降噪。利用EGF和ST分別對(duì)高頻（HH）分量和高頻（HL;LH）分量進(jìn)行濾波，保留了良好的邊緣特征。通過結(jié)構(gòu)相似指數(shù)（SSIM）、等效視數(shù)（ENL）和斑點(diǎn)抑制指數(shù)（SSI）等性能指標(biāo)對(duì)濾波模型進(jìn)行了測(cè)試。數(shù)據(jù)集斑點(diǎn)噪聲抑制的評(píng)估測(cè)量，如表3所示。

3.4 變化檢測(cè)性能分析

使用了文獻(xiàn)[12]中的武漢市真實(shí)SAR圖像，所提出的基于LG的變化檢測(cè)方法采用ns=4個(gè)尺度，nθ=6個(gè)方向?qū)崿F(xiàn)，并對(duì)多時(shí)間圖像的每個(gè)尺度進(jìn)行多方向比較。多方向與多尺度的性能提供了包含低頻和高頻響應(yīng)的中頻分辨率。對(duì)圖像特征進(jìn)行不同頻率的分解，以此分析圖像的邊緣和細(xì)節(jié)信息?；贚G的變化檢測(cè)方法的非正交基包括高頻分量中的線和邊，低頻分量中包含所研究區(qū)域的詳細(xì)信息?；贚G的變化檢測(cè)方法對(duì)武漢市數(shù)據(jù)集的輸出結(jié)果，如圖3所示。

圖3結(jié)果顯示了變化圖像和無變化圖像的有效類別分布，其中，圖3（f）中給出了變化（紅色）和無變化（綠色）圖像的假彩色合成。本文方法準(zhǔn)確地識(shí)別了微小變化，避免不必要的像素在過零區(qū)域內(nèi)擴(kuò)散。

通過LG濾波器組的參數(shù)（σ）驗(yàn)證所提方法的有效性。標(biāo)準(zhǔn)差的步長(zhǎng)為Δσ=0.15π，對(duì)于武漢市數(shù)據(jù)集的kappa系數(shù)變化，實(shí)驗(yàn)從0.1π至1.5π的起始范圍開始。可以觀察到，數(shù)據(jù)集的曲線圖都是隨著σ的增大而先增大后保持相對(duì)穩(wěn)定，但隨著σ值的增大而逐漸減小。通過這種臨界分析，選擇σ值不要太高或太低來實(shí)現(xiàn)可接受的變化圖結(jié)果。實(shí)驗(yàn)σ∈{2.5π，…，6.0π）涵蓋了數(shù)據(jù)集的最大kappa系數(shù)，如圖4所示。

將所提出基于LG的變化檢測(cè)方法與文獻(xiàn)[13]的細(xì)節(jié)保持尺度驅(qū)動(dòng)方法（DP-SDA）、文獻(xiàn)[14]的多尺度Kennaugh元素框架（KFF）、文獻(xiàn)[15]的顯著性提取剪切波變換（SEST）、文獻(xiàn)[16]的基于Gabor濾波器的閾值變換檢測(cè)算法（GF-KI）、文獻(xiàn)[17]的基于Gabor特征的兩級(jí)聚類變化檢測(cè)（GF-TLC）進(jìn)行比較，如圖5所示。

結(jié)果表明，本方法具有較高的Kappa系數(shù)（KC）、檢出率（DR）和和F1得分。并且在檢測(cè)時(shí)間（CT）最小的情況下，整體誤差（OE）、虛警率（FAR）、漏報(bào)率（MR）和錯(cuò)誤率（ER）都較低。

4 結(jié) 論

提出了基于LG濾波器組設(shè)計(jì)的多尺度SAR圖像變化檢測(cè)方法，在絕對(duì)邊緣覆蓋的情況下，準(zhǔn)確地保持不變像素，并有效地改善變化像素。為了克服傳統(tǒng)Gabor濾波器進(jìn)行多尺度濾波的變化檢測(cè)問題，設(shè)計(jì)了LG濾波器組方法。LG濾波器組不含直接分量，可以在倍頻程分辨率下提供均勻的頻域覆蓋。通過設(shè)計(jì)最小重疊的傳輸函數(shù)來擴(kuò)大覆蓋廣泛的濾波器帶寬。濾波器組的設(shè)計(jì)與傳遞函數(shù)無關(guān)，可以求出單個(gè)濾波器的響應(yīng)之和。利用其在多尺度結(jié)構(gòu)中的強(qiáng)度來構(gòu)造從高通濾波器響應(yīng)到低通濾波器響應(yīng)的中頻帶分辨率覆蓋。

參考文獻(xiàn)

[1] 劉陸洋，賈振紅，楊杰，等.利用雙差異圖和PCA的SAR圖像變化檢測(cè)[J].計(jì)算機(jī)工程與設(shè)計(jì)， 2019，40（7）：2002-2006.

[2] 杜慧.基于SVM的多特征自適應(yīng)融合變化檢測(cè)[J].測(cè)繪與空間地理信息，2019，42（6）：149-152.

[3] 趙秋菊.改進(jìn)主成分分析的遙感影像變化檢測(cè)算法[J].測(cè)繪與空間地理信息，2019，42（6）：111-113.

[4] 眭海剛，馮文卿，李文卓，等.多時(shí)相遙感影像變化檢測(cè)方法綜述[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）， 2018，43（12）：1885-1898.

[5] 王峰萍，王衛(wèi)星，高婷，等.基于離散小波變換和鄰域模糊C均值的變化檢測(cè)方法[J].西北工業(yè)大學(xué)學(xué)報(bào)，2018，36（3）：426-431.

[6] 蔡宣宣，張永紅，崔斌.利用高分三號(hào)SAR影像進(jìn)行雙側(cè)變化檢測(cè)[J].遙感信息，2019，34（3）：62-69.

[7] 楊峰，張妙藏，趙露露，等.基于空間拓?fù)涮卣骷靶〔ㄗ儞Q的分布式航跡關(guān)聯(lián)[J].指揮信息系統(tǒng)與技術(shù)，2020，11（2）：33-38.

[8] 余銀峰，祝美玲.一種新的無監(jiān)督SAR影像變化檢測(cè)[J].新疆大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，36（4）： 442-447.

[9] 馬迎春，劉慧鋒，張航.基于Gabor小波變換的圖像輪廓角點(diǎn)檢測(cè)[J].測(cè)試技術(shù)學(xué)報(bào)，2018，32（4）： 312-317.

[10]劉霞，郭亞男.基于隨機(jī)森林的遙感影像變化檢測(cè)[J].測(cè)繪通報(bào)，2020（5）：16-20.

[11]AHMAC S， MOJTABA B， EHSAN Y.Distributed compressed sensing for despeckling of SAR images[J].Digital Signal Processing. 2018， 81（10）：138-154

[12]VIJAYA G R， KALAICANI S. Laplacian Pyramid based change detection in multitemporal SAR images[J]. European Journal of Remote Sensing， 2019，52（1）： 463–483.

[13]邵寧遠(yuǎn)，鄒煥新，陳誠(chéng)，等.面向變化檢測(cè)的SAR圖像超像素協(xié)同分割算法[J].系統(tǒng)工程與電子技術(shù)，2019，41（7）：1496-1503.

[14]趙金奇.多時(shí)相極化SAR影像變化檢測(cè)方法研究[J].測(cè)繪學(xué)報(bào)，2019，48（4）：536.

[15]劉穗君.探究面向?qū)ο蟮母叻直媛蔛AR影像變化檢測(cè)方法[J].信息通信，2019（1）：8-9.

[16]SUMAIYA M N. SHANTHA S K.Gabor filter based change detection in SAR images by KI thresholding[J].Optik， 2017，130（2）： 114-122.

[17]GAO F， LIU A D， LIU K， et al.A novel visual attention method for target detection from SAR images[J].Chinese Journal of Aeronautics， 2019，32（8）：1946-1958.