一种基于概率图模型的多时相SAR相干变化检测方法

冀广宇 董勇伟 李焱磊 梁兴东



一种基于概率图模型的多时相SAR相干变化检测方法

冀广宇①②董勇伟*①李焱磊①梁兴东①

①(中国科学院电子学研究所微波成像技术重点实验室 北京 100190)②(中国科学院大学 北京 100049)

相干变化检测(CCD)利用重轨SAR数据对场景中表现为低相干特性的变化区域具有良好的检测性能，然而场景中诸如植被、阴影、强散射旁瓣、低散射等区域也呈现低相干特性，对检测结果造成干扰，尤其在高波段SAR CCD中，对检测效果影响更加明显。该文利用多时相SAR数据形成的相干变化差异图像(CCD图像)建立概率图模型，提出一种多时相CCD处理方法。该方法以多时相CCD图像作为观测量，通过选取合适的参与处理图像数量及优化场景中变化区域的分类，计算目标变化区域的后验概率，可有效减小低相干干扰区域造成的影响。仿真和实测数据结果验证了该方法的正确性和有效性。

重轨合成孔径雷达；相干变化检测；多时相；概率图模型；后验概率

1 引言

相干变化检测(Coherent Change Detection, CCD)对同一场景中不同时间获取的两幅或多幅重轨合成孔径雷达(SAR)图像进行相干处理，利用相干性信息对场景中感兴趣的变化区域进行检测。这些感兴趣的变化区域可以是自然发生的，如火山喷发、地震灾害，也可以是人为造成的，如土壤翻修，车辙印迹。其共同点是：相比于未发生变化的区域，其相干性受到破坏，呈现出低相干或失相干特性。利用低相干度(变化区域)与高相干度(非变化区域)的差异进行变化检测，是CCD的基本原理。采用CCD的方法进行变化检测在城市规划[1]、目标检测[2,3]、环境灾害监测[4]、土壤湿度变化检测[5]等领域拥有广泛的应用前景。

SAR图像对相干性的变化是极其敏感的，理论上对亚波长量级的变化，可表现出明显的相干性差异[2]，利用CCD的这一特性可检测出感兴趣的细微变化。但是，由于相干信息对变化的敏感性，场景中的一些非感兴趣的区域(如植被变化区、阴影区、低散射区、强散射旁瓣区等)也可能被检测出，形成虚警。如何在保证检测出感兴趣变化区域的前提下降低虚警率，去除非感兴趣变化区域的干扰(称为干扰区域)，是CCD的一个重要问题。目前，国内外学者对此做了许多研究工作，大体分为两类：一类是对检验统计量的改进，一类是利用先验信息对干扰区域建模。前一类中，研究者相对于传统检验统计量提出似然比变化统计量[6,7]，算术平均检验统计量[8]，结合相干与非相干信息的两步检验统计量[9]和多尺度特征差异统计量[10]，考虑噪声统计特性的检验统计量[11]等，通过这些改进检验统计量所得的相干变化差异图像，即CCD图像[12]，具有更加良好的受试者工作特征(Receiver Operating Characteristic, ROC)曲线，可有效降低虚警概率。但是，某些干扰区域本身就呈现变化特性，并非通过单纯改进检验统计量就能去除。后一类研究中，先验信息的获取主要通过对多时相数据建模或训练学习而得。文献[4]根据多时相SAR数据建立常绿针叶林的时间去相干模型，将植被区域从CCD图像中分离出来，有效地检测出火山喷发后火山灰覆盖区域。这种方法适用于低波段SAR中随时间缓变的干扰区域，时间去相干衰减系数较大的情况(尤其是高波段SAR数据)因无法建立有效的去相干模型而不再适用。一些研究者用监督或半监督方法提取感兴趣的变化区域[13,14]，实现变化检测的目的。该类方法需要大量数据集作为支撑，更换另一块场景则需重新进行监督式学习。文献[15]利用3幅多时相重轨SAR数据得到2幅CCD图像，将低相干区域分为2个干扰区域和1个目标变化区域，据此建立贝叶斯网的概率图模型，求解出的后验概率有效地将干扰区域与目标变化区域分离。但是，该方法在求解后验概率时需要手动标注少量目标变化区域真实值用于训练。

2 多时相CCD方法

传统CCD方法只利用场景变化前后两幅图像进行相干统计，得到CCD图像中的低相干区域被认定为变化区域，该区域除感兴趣的目标变化区域外，还有各种去相干因素形成的干扰区域，包括由时间去相干引起的植被变化区域，受热噪声去相干影响的低散射区域，空间去相干造成的强散射旁瓣区域等。在没有先验知识情况下，通过单幅CCD图像无法将这些低相干干扰区域与目标变化区域进行有效区分。

多时相CCD图像在时间维度上对观测量进行扩展，使得目标变化区域与低相干干扰区域在不同时间上的差异显现出来，通过这种差异对它们加以区分，从中提取出感兴趣的目标变化区域，是多时相CCD方法的基本原理。目标变化区域与干扰区域依据多时相CCD图像分属场景不同类别，利用概率图模型可将其与多时相CCD数据建立直观联系，通过计算后验概率的方式可对目标变化区域所属类别进行提取。

2.1 图像预处理

作为多时相CCD方法的输入数据，多时相SAR图像质量是获取良好变化检测性能的先决条件，因此，有必要对输入图像进行预处理操作，具体包括辐射校正与图像配准。

CCD主要利用图像的相位信息，在处理中使用的各种检验统计量对幅值具有一定的容忍度。一般情况下，两幅SAR图像的幅值比在0.9~1.1(±1 dB)范围内，可认为不影响相干变化检验统计结果[7]。在SAR数据获取过程中，受载机飞行姿态不稳定影响，SAR天线辐射功率产生波动，导致图像内及图像间的辐射强度不一致。通过辐射校正处理后，可使幅值波动范围在±0.05 dB以内[16]，满足CCD处理需求。

经过辐射校正后的多时相SAR图像需要先配准才能进行CCD处理，像素点失配将导致相干系数降低。为了使变化区域与非变化区域具有良好区分度，配准后的两幅图像中，非变化区域需具有较高相干系数，这就需要两幅SAR图像达到亚像素级配准[2]。为达到这一标准，我们首先选择载机运动轨迹夹角与跨航向偏移量较小的重轨SAR图像数据，然后实行利用运动轨迹信息的粗配准与使用频谱分集的精配准相结合的方法[17]，获取配准精度优于0.5个像素单元的多时相SAR图像，满足多时相CCD处理需求。

2.2 构建贝叶斯网

2.3 确定局部概率模型