基于模糊貼近度的SAR影像變化檢測(cè)方法研究

吳洪憲，鄭少蘭*

（1.廣東省國(guó)土資源測(cè)繪院，廣東 廣州 510500）

差異圖的構(gòu)造和分析是影像變化檢測(cè)領(lǐng)域的主要方法。通常采用預(yù)處理、構(gòu)造差異圖和閾值分割3個(gè)步驟進(jìn)行無(wú)監(jiān)督的影像變化檢測(cè)[1]。SAR影像變化檢測(cè)差異圖的構(gòu)造方法主要是比值形式的，因其可有效抑制SAR影像內(nèi)的乘性噪聲[2]。經(jīng)典的比值形式差異圖構(gòu)造方法包括比值法、對(duì)數(shù)比值法和區(qū)域均值比法[3]。Weken D V D[4]等將模糊數(shù)學(xué)中的貼近度概念引入影像變化檢測(cè)領(lǐng)域，將像素鄰域窗口作為模糊集合，采用比值形式的相似度公式來(lái)構(gòu)建兩期影像的差異圖，進(jìn)而評(píng)價(jià)兩個(gè)模糊集合的接近程度。該方法基于鄰域信息進(jìn)行分析，對(duì)SAR影像中的乘性噪聲有較好的抑制作用，同時(shí)很好地保留了變化區(qū)域的邊緣細(xì)節(jié)。

過(guò)渡區(qū)域是圖像分割領(lǐng)域一個(gè)重要概念。ZHANG Y J[5]等率先將過(guò)渡區(qū)域應(yīng)用到影像處理方面；LI Z Y[6]等分別利用均值濾波器和全通濾波器對(duì)差異圖進(jìn)行處理，再通過(guò)計(jì)算二者間的灰度差值來(lái)提取過(guò)渡區(qū)域，雖然影像分割效果有所提升，但影像中的斑點(diǎn)噪聲也容易被誤分到過(guò)渡區(qū)域中。鑒于此，本文考慮將全通濾波器換成雙邊濾波器。雙邊濾波器不僅考慮了空間上像素間的接近程度，還增加了像素光度、色彩方面的權(quán)重。對(duì)中心像素的空間域和灰度域進(jìn)行加權(quán)計(jì)算，既可有效保持邊緣細(xì)節(jié)，又可平滑噪聲，使圖面更純凈[7]。抽取過(guò)渡區(qū)域后，通過(guò)計(jì)算其像素均值確定影像的分割閾值。本文利用上述方法分別處理經(jīng)典算子和模糊貼近度差異圖，并采用相關(guān)參數(shù)指標(biāo)對(duì)變化檢測(cè)結(jié)果進(jìn)行定量評(píng)價(jià)。結(jié)果表明，基于模糊貼近度差異圖的影像變化檢測(cè)效果更好。

1 數(shù)據(jù)資料來(lái)源

本文采用的數(shù)據(jù)資料為變化檢測(cè)數(shù)據(jù)集，每種數(shù)據(jù)集包含同一區(qū)域的兩期變化影像和參考變化影像，其中參考變化影像用于變化檢測(cè)結(jié)果的定量指標(biāo)評(píng)價(jià)。本文采用的變化檢測(cè)數(shù)據(jù)集包括加拿大Ottawa地區(qū)、西班牙Andasol地區(qū)和深圳市寶安區(qū)的實(shí)驗(yàn)數(shù)據(jù)。其中，加拿大Ottawa地區(qū)實(shí)驗(yàn)數(shù)據(jù)的兩期變化影像分別為1997年Ottawa地區(qū)雨季來(lái)臨前影像和雨季中影像，用于檢測(cè)洪水淹沒變化；西班牙Andasol地區(qū)實(shí)驗(yàn)數(shù)據(jù)是該地區(qū)1987年和2013年兩期局部變化影像，用于檢測(cè)山區(qū)農(nóng)村變化；深圳市寶安區(qū)實(shí)驗(yàn)數(shù)據(jù)是該地區(qū)2018年和2020年兩期局部變化影像，用于檢測(cè)城市擴(kuò)展變化。3個(gè)變化檢測(cè)數(shù)據(jù)集均為網(wǎng)絡(luò)下載，其中Ottawa地區(qū)數(shù)據(jù)為Radarsat SAR影像，Andasol地區(qū)數(shù)據(jù)為SeaSat影像，寶安區(qū)數(shù)據(jù)為Sentinal-1 IW_GRD級(jí)影像。

2 研究方法原理

2.1 差異圖構(gòu)造

2.1.1 比值法差異圖

差異圖的構(gòu)造通常都是基于預(yù)處理后的SAR影像。比值法差異圖的核心公式為；

式中，I1、I2為預(yù)處理后同一區(qū)域的兩期SAR影像。

2.1.2 對(duì)數(shù)比值法差異圖

比值法構(gòu)造的差異圖對(duì)實(shí)際發(fā)生變化的區(qū)域檢測(cè)效果較好，但也會(huì)檢測(cè)出較多的偽變化區(qū)域。因此，Bovolo[1]等采用了對(duì)數(shù)比值法差異圖，構(gòu)造公式為；

對(duì)數(shù)比值法可減少錯(cuò)誤檢測(cè)數(shù)，但可能會(huì)造成變化區(qū)域的漏檢。

2.1.3 區(qū)域均值比法差異圖

上述兩種差異圖構(gòu)造方法都是基于兩期影像對(duì)應(yīng)位置上單一像素點(diǎn)的灰度信息進(jìn)行操作的，無(wú)法較好地規(guī)避影像中的噪聲像點(diǎn)。因此，利用區(qū)域窗口像素信息構(gòu)造差異圖的區(qū)域均值比法被提出。其構(gòu)造公式為；

2.1.4 模糊貼近度差異圖

貼近度是模糊數(shù)學(xué)中提出的一個(gè)概念，常用于衡量?jī)蓚€(gè)模糊集合的相似性程度。對(duì)于兩個(gè)時(shí)相SAR圖像S1和S2中對(duì)應(yīng)位置（i,j|1≤i≤I,1≤j≤J）上的像素p1和p2，分別取其窗口內(nèi)的鄰域N1和N2作為其對(duì)應(yīng)的模糊集合。本文選取3像素×3像素的窗口，則Nk={Sk(i-1,j+Δj),Sk(i,j+Δj),Sk(i+1,j+Δj)}，其中Δj={-1,0,1},k={1,2}。由于SAR影像中的噪聲主要是乘性的，比值法能更好地對(duì)其進(jìn)行抑制，因此模糊貼近度差異圖的構(gòu)造公式為；

式中，K為窗口內(nèi)像素的個(gè)數(shù)。D(i,j)越大，表示兩個(gè)模糊集合的差異越大，貼近度越小，變化的概率越大；反之亦然。

2.2 過(guò)渡區(qū)域抽取和閾值分割

分別利用經(jīng)典算子和模糊貼近度構(gòu)造差異圖后，對(duì)于差異圖位置(i,j)上的像素，其灰度級(jí)差異為B(i,j)與Dave(i,j)間的絕對(duì)差值，即

式中，B(i,j)為差異圖經(jīng)雙邊濾波處理后的影像；Dave(i,j)為位置(i,j)上5像素×5像素窗口的像素均值。

Δg的大小與原圖相同，其值表示差異圖中像素灰度層面的差異。Δg均值和方差的計(jì)算公式為；

設(shè)置閾值為th=μ+a×σ，其中a為大于零的參數(shù)（本文設(shè)定a=0.8），抽取過(guò)渡區(qū)域。統(tǒng)計(jì)過(guò)渡區(qū)域中差異圖像素的灰度平均值T，再利用T對(duì)差異圖進(jìn)行閾值分割，得到變化檢測(cè)結(jié)果。

2.3 定量評(píng)價(jià)

變化檢測(cè)結(jié)果的可靠性需通過(guò)將檢測(cè)結(jié)果與實(shí)際發(fā)生變化區(qū)域的參考圖進(jìn)行比較得到[2]。定量評(píng)價(jià)指標(biāo)包括漏檢數(shù)、虛警數(shù)、總錯(cuò)誤檢測(cè)數(shù)、漏檢率、虛警率等，還可通過(guò)Kappa系數(shù)的大小評(píng)估整體檢測(cè)性能。Kappa系數(shù)常用于評(píng)價(jià)分類的準(zhǔn)確性，如表1所示，Kappa系數(shù)不同的值域代表不同級(jí)別的一致性，一致性越高分類越準(zhǔn)[8]。

表1 Kappa系數(shù)的一致性分類表

3 研究結(jié)果與分析

3.1 洪水淹沒變化檢測(cè)

不同方法下Ottawa地區(qū)實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果如圖1所示，可以看出，由于只針對(duì)單一像素進(jìn)行運(yùn)算，比值法和對(duì)數(shù)比值法的變化檢測(cè)結(jié)果視覺效果較差，虛警像素較多，對(duì)影像噪聲的抑制效果較差；區(qū)域均值比法和本文方法的結(jié)果較接近，畫面相對(duì)純凈，較好地抑制了影像噪聲，便于確定洪水淹沒區(qū)域的分布范圍。

3.2 農(nóng)村區(qū)域變化檢測(cè)

不同方法下Andasol地區(qū)實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果如圖2所示，可以看出，對(duì)比參考變化影像，由于山體陰影的影響，4種方法的變化檢測(cè)結(jié)果中均存在一些虛警像素，畫面不夠純凈，其中本文方法的結(jié)果相對(duì)較好，抑制了大部分影像噪聲，更加接近該區(qū)域農(nóng)村變化的真實(shí)情況。

圖2 Andasol地區(qū)實(shí)驗(yàn)數(shù)據(jù)以及基于不同差異圖的變化檢測(cè)結(jié)果圖

3.3 城市擴(kuò)展變化檢測(cè)

不同方法下深圳寶安區(qū)實(shí)驗(yàn)數(shù)據(jù)的變化檢測(cè)結(jié)果如圖3所示，可以看出，對(duì)照參考變化影像，4種方法均存在一定的虛警像素，其中比值法的虛警像素相對(duì)較多，區(qū)域均值比法和本文方法的變化檢測(cè)結(jié)果相對(duì)較好，與參考變化影像保持了很高的一致性。

圖3 寶安區(qū)實(shí)驗(yàn)數(shù)據(jù)以及基于不同差異圖的變化檢測(cè)結(jié)果圖

Ottawa地區(qū)實(shí)驗(yàn)數(shù)據(jù)變化檢測(cè)結(jié)果的定量性能評(píng)價(jià)數(shù)據(jù)如表2所示，可以看出，4種方法中比值法和對(duì)數(shù)比值法的總錯(cuò)誤檢測(cè)數(shù)較多，Kappa系數(shù)相對(duì)較低；本文方法的結(jié)果與參考變化影像之間的Kappa系數(shù)為0.913，比比值法和對(duì)數(shù)比值法分別高0.226和0.365，僅比區(qū)域均值比法少0.006。

表2 Ottawa地區(qū)實(shí)驗(yàn)數(shù)據(jù)的定量評(píng)價(jià)指標(biāo)表

Andasol地區(qū)實(shí)驗(yàn)數(shù)據(jù)變化檢測(cè)結(jié)果的定量性能評(píng)價(jià)數(shù)據(jù)如表3所示，可以看出，4種方法中本文方法的虛警率最低，Kappa系數(shù)最高，為0.714，比比值法、對(duì)數(shù)比值法和區(qū)域均值比法的Kappa系數(shù)分別高0.082、0.114和 0.024。

表3 Andasol地區(qū)實(shí)驗(yàn)數(shù)據(jù)的定量評(píng)價(jià)指標(biāo)表

寶安區(qū)實(shí)驗(yàn)數(shù)據(jù)變化檢測(cè)結(jié)果的定量性能評(píng)價(jià)數(shù)據(jù)如表4所示，可以看出，4種方法的變化檢測(cè)效果均較好，Kappa系數(shù)均在0.840以上，與參考變化影像的一致性較高；其中本文方法的Kappa系數(shù)為0.905，比比值法、對(duì)數(shù)比值法和區(qū)域均值比法的結(jié)果分別高0.065、0.033和 0.012。

表4 寶安區(qū)實(shí)驗(yàn)數(shù)據(jù)的定量評(píng)價(jià)指標(biāo)表

綜上所述，針對(duì)不同的實(shí)驗(yàn)數(shù)據(jù)，本文方法的各項(xiàng)指標(biāo)在4種方法中是占優(yōu)的；從變化檢測(cè)結(jié)果圖來(lái)看，由于本文方法利用窗口鄰域像素信息計(jì)算相似性測(cè)度，避免了單個(gè)像素運(yùn)算時(shí)不好區(qū)分噪聲的缺陷，對(duì)SAR影像中乘性斑點(diǎn)噪聲的抑制效果更好，因此檢測(cè)結(jié)果的虛警率較低，圖面更加純凈，變化檢測(cè)結(jié)果與參考變化影像的一致性非常高，說(shuō)明該方法準(zhǔn)確率更高、可靠性更強(qiáng)。

4 結(jié) 語(yǔ)

本文分別利用3種經(jīng)典算子和模糊貼近度構(gòu)造兩個(gè)時(shí)相SAR影像的差異圖，在一定程度上抑制了乘性噪聲；再利用雙邊濾波器對(duì)差異圖進(jìn)行處理，既可保持細(xì)節(jié)又能去除噪聲；然后通過(guò)計(jì)算差異圖中像素的灰度差異提取差異圖中像素的過(guò)渡區(qū)域，進(jìn)而確定分割閾值；最后根據(jù)分割閾值分割差異圖，并利用相關(guān)指標(biāo)定量評(píng)價(jià)不同差異圖的變化檢測(cè)效果。結(jié)果表明，基于模糊貼近度構(gòu)造的差異圖得到的變化檢測(cè)結(jié)果影像與參考影像保持高度或幾乎完全的一致性，變化檢測(cè)準(zhǔn)確率高、可靠性強(qiáng)，整體變化檢測(cè)效果優(yōu)于其他3種經(jīng)典算子。

利用本文方法得到的變化檢測(cè)結(jié)果仍存在一些雜點(diǎn)，這是由于雜點(diǎn)的灰度值接近變化區(qū)域內(nèi)的像素灰度值，被誤分到灰度過(guò)渡區(qū)域，導(dǎo)致錯(cuò)誤檢測(cè)。今后可研究變化區(qū)域的連通性，盡可能地清除誤分的雜點(diǎn)，從而提高方法的精度和可靠性。