SAR图像变化检测PPT课件.pptx

《SAR图像变化检测PPT课件.pptx》由会员分享，可在线阅读，更多相关《SAR图像变化检测PPT课件.pptx（31页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、算法流程算法流程1差异差异图的构造的构造2聚聚类算法算法3结果果对比比41 1-变化检测基本流程：SAR图像1SAR图像2差异图1二聚类图 融合处理理滤 波 处 理理滤 波 处 理理差异图2消躁2 2-滤波处理：中值滤波虽然能处理掉很多小的噪声点，但是在处理噪声的同时也很容易把一些细节部分掩盖掉；在本算法测试的图中，大部分图像是需要保留很多细节变化的，所以，我们采用自适应滤波器来对原图像进行处理，最后，经过测试，发现在同样可以消除掉很多噪声的同时，也保留了很多细节，效果比较的好。自适应滤波器：根据图像的局部方差来调整滤波器的输出，当局部方差大时，滤波器的平滑效果较弱；反之，当局部方差小时，滤波

2、器的平滑效果较强。3 3-分别用两种方法处理后的简单FCM聚类准确率：中值滤波（97.14%）自适应滤波（97.31%）4 4-差异图的构造5 5-本文提出的差异图构造方法：Step1.构造对数比差异图；Step2.构造均值比差异图；Step3.小波融合，结合两种差异图的优点；6 6-对数比算子：设两图分别为X1，X2,则其差异图为 D=|log(X1)-log(X2)|特点：背景区域加强，变化区域减弱，变化区域与不变化区域差别不明显。7 7-均值比算子：8 8-小波融合的步骤：Step1.先用小波对两图进行一层分解，提取出低频近似分量和高频细节分量；Step2.对低频分量取均值，高频分量根据

3、局部能量极小值选取，得到新的低频和高频成分；Step3.小波重构，得到融合后的图像。低低高高高高9 9-聚类算法1010-FCM它是一种典型的区域分割算法，但是在每次的迭代过程中。是以单个像素为单位，没有考虑到像素的邻域信息，所以它在含有噪音的图像分割时，效果并不理想。优点：实现简单，聚类速度快。缺点：单纯的考虑了图像的像素信息，未考虑像素领域信 息，造成聚类噪点多，效果不理想。11 11-前辈们也对FCM算法进行了一些改进：如：（1）上课时老师讲的修改FCM的目标函数，增加了邻域信息对像素的影响；（2）或者先利用像素邻域信息生成一副加权图像，然后对新图像进行聚类分割；（3）或者直接修改距离函

4、数改进FCM算法；（4）或者在像素隶属度的计算中加入邻域信息。这些改进在某种程度上改善了噪声图像的分割结果，但忽略了邻域像素对中心像素影响的差异性，造成它们在处理噪声图像的分割精度上仍有不足。1212-本文提出一种改进算法，利用高斯函数来刻画邻域像素点的空间和灰度等差异信息，从而指导中心像素隶属度的调整，实现对噪声图像的精确聚类。算法步算法步骤：Step1.初始化聚类中心，聚类个数，参数（选择差异图两个像素的极端值作为初始聚类中心，可以极大减少聚类迭代次数）；Step2.利用下面的式子计算隶属度矩阵U:Step3.利用每个像素的邻域信息对该像素的隶属度进行调整:1313-1414-用改进的FC

5、M算法处理对数比差异图：（a）FCM聚类 （b）改进FCM1515-算法对比1616-评价标准：（1）漏检数（变化了，但是没有检测出来）；（2）虚检数（没有变化，但是检测的变了）；（3）总正确率；（4）人眼观察。1717-实验数据集Berne：1818-Mexico：1919-Ottawa：2020-Sardinia：2121-Berne：（a）（b）（c）（d）(a)参考图；(b)利用对数比算子构造的差异图聚类结果；(c)利用均值比算子构造的差异图聚类结果；(d)利用小波融合构造的差异图聚类结果。2222-方法方法虚虚检数数漏漏检数数 准确率准确率 对数比3531799.61%均值比3359

6、799.53%小波融合小波融合11716799.69%老师课件3121799.73%2323-Ottawa：（a）（b）（c）（d）(a)参考图；(b)利用对数比算子构造的差异图聚类结果；(c)利用均值比算子构造的差异图聚类结果；(d)利用小波融合构造的差异图聚类结果。2424-方法方法虚虚检数数漏漏检数数 准确率准确率 对数比155209197.79%均值比186922697.94%小波融合小波融合11716798.84%老师课件20761199.14%2525-Sardinia：2626-方法方法虚虚检数数漏漏检数数 准确率准确率 对数比108393698.37%均值比479027495.91%小波融合小波融合103189898.44%2727-墨西哥：2828-方法方法虚虚检数数漏漏检数数 准确率准确率 对数比199126297.77%均值比31195098.08%小波融合小波融合29093198.14%2929-实验总结算法优点：效果稳定，变化检测中，在抑制一定噪 声的同时，对细节的保持较好；算法缺点：对不同的图像，要想得到最佳的效果，相应的参数也要及时调整，带来了一定 的麻烦；在某些图片的测试中，改进的 FCM算法可能并不比简单FCM好。算法改进：可以想办法让重要参数可以自学习，减 少人为劳动3030-谢谢观赏！3131-