基于模糊贴近度的SAR影像变化检测方法研究

吴洪宪，郑少兰*

（1.广东省国土资源测绘院，广东 广州 510500）

差异图的构造和分析是影像变化检测领域的主要方法。通常采用预处理、构造差异图和阈值分割3个步骤进行无监督的影像变化检测[1]。SAR影像变化检测差异图的构造方法主要是比值形式的，因其可有效抑制SAR影像内的乘性噪声[2]。经典的比值形式差异图构造方法包括比值法、对数比值法和区域均值比法[3]。Weken D V D[4]等将模糊数学中的贴近度概念引入影像变化检测领域，将像素邻域窗口作为模糊集合，采用比值形式的相似度公式来构建两期影像的差异图，进而评价两个模糊集合的接近程度。该方法基于邻域信息进行分析，对SAR影像中的乘性噪声有较好的抑制作用，同时很好地保留了变化区域的边缘细节。

过渡区域是图像分割领域一个重要概念。ZHANG Y J[5]等率先将过渡区域应用到影像处理方面；LI Z Y[6]等分别利用均值滤波器和全通滤波器对差异图进行处理，再通过计算二者间的灰度差值来提取过渡区域，虽然影像分割效果有所提升，但影像中的斑点噪声也容易被误分到过渡区域中。鉴于此，本文考虑将全通滤波器换成双边滤波器。双边滤波器不仅考虑了空间上像素间的接近程度，还增加了像素光度、色彩方面的权重。对中心像素的空间域和灰度域进行加权计算，既可有效保持边缘细节，又可平滑噪声，使图面更纯净[7]。抽取过渡区域后，通过计算其像素均值确定影像的分割阈值。本文利用上述方法分别处理经典算子和模糊贴近度差异图，并采用相关参数指标对变化检测结果进行定量评价。结果表明，基于模糊贴近度差异图的影像变化检测效果更好。

1 数据资料来源

本文采用的数据资料为变化检测数据集，每种数据集包含同一区域的两期变化影像和参考变化影像，其中参考变化影像用于变化检测结果的定量指标评价。本文采用的变化检测数据集包括加拿大Ottawa地区、西班牙Andasol地区和深圳市宝安区的实验数据。其中，加拿大Ottawa地区实验数据的两期变化影像分别为1997年Ottawa地区雨季来临前影像和雨季中影像，用于检测洪水淹没变化；西班牙Andasol地区实验数据是该地区1987年和2013年两期局部变化影像，用于检测山区农村变化；深圳市宝安区实验数据是该地区2018年和2020年两期局部变化影像，用于检测城市扩展变化。3个变化检测数据集均为网络下载，其中Ottawa地区数据为Radarsat SAR影像，Andasol地区数据为SeaSat影像，宝安区数据为Sentinal-1 IW_GRD级影像。

2 研究方法原理

2.1 差异图构造

2.1.1 比值法差异图

差异图的构造通常都是基于预处理后的SAR影像。比值法差异图的核心公式为；

式中，I1、I2为预处理后同一区域的两期SAR影像。

2.1.2 对数比值法差异图

比值法构造的差异图对实际发生变化的区域检测效果较好，但也会检测出较多的伪变化区域。因此，Bovolo[1]等采用了对数比值法差异图，构造公式为；

对数比值法可减少错误检测数，但可能会造成变化区域的漏检。

2.1.3 区域均值比法差异图

上述两种差异图构造方法都是基于两期影像对应位置上单一像素点的灰度信息进行操作的，无法较好地规避影像中的噪声像点。因此，利用区域窗口像素信息构造差异图的区域均值比法被提出。其构造公式为；

2.1.4 模糊贴近度差异图

贴近度是模糊数学中提出的一个概念，常用于衡量两个模糊集合的相似性程度。对于两个时相SAR图像S1和S2中对应位置（i,j|1≤i≤I,1≤j≤J）上的像素p1和p2，分别取其窗口内的邻域N1和N2作为其对应的模糊集合。本文选取3像素×3像素的窗口，则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影像中的噪声主要是乘性的，比值法能更好地对其进行抑制，因此模糊贴近度差异图的构造公式为；

式中，K为窗口内像素的个数。D(i,j)越大，表示两个模糊集合的差异越大，贴近度越小，变化的概率越大；反之亦然。

2.2 过渡区域抽取和阈值分割

分别利用经典算子和模糊贴近度构造差异图后，对于差异图位置(i,j)上的像素，其灰度级差异为B(i,j)与Dave(i,j)间的绝对差值，即

式中，B(i,j)为差异图经双边滤波处理后的影像；Dave(i,j)为位置(i,j)上5像素×5像素窗口的像素均值。

Δg的大小与原图相同，其值表示差异图中像素灰度层面的差异。Δg均值和方差的计算公式为；

设置阈值为th=μ+a×σ，其中a为大于零的参数（本文设定a=0.8），抽取过渡区域。统计过渡区域中差异图像素的灰度平均值T，再利用T对差异图进行阈值分割，得到变化检测结果。

2.3 定量评价

变化检测结果的可靠性需通过将检测结果与实际发生变化区域的参考图进行比较得到[2]。定量评价指标包括漏检数、虚警数、总错误检测数、漏检率、虚警率等，还可通过Kappa系数的大小评估整体检测性能。Kappa系数常用于评价分类的准确性，如表1所示，Kappa系数不同的值域代表不同级别的一致性，一致性越高分类越准[8]。

表1 Kappa系数的一致性分类表

3 研究结果与分析

3.1 洪水淹没变化检测

不同方法下Ottawa地区实验数据的变化检测结果如图1所示，可以看出，由于只针对单一像素进行运算，比值法和对数比值法的变化检测结果视觉效果较差，虚警像素较多，对影像噪声的抑制效果较差；区域均值比法和本文方法的结果较接近，画面相对纯净，较好地抑制了影像噪声，便于确定洪水淹没区域的分布范围。

3.2 农村区域变化检测

不同方法下Andasol地区实验数据的变化检测结果如图2所示，可以看出，对比参考变化影像，由于山体阴影的影响，4种方法的变化检测结果中均存在一些虚警像素，画面不够纯净，其中本文方法的结果相对较好，抑制了大部分影像噪声，更加接近该区域农村变化的真实情况。

图2 Andasol地区实验数据以及基于不同差异图的变化检测结果图

3.3 城市扩展变化检测

不同方法下深圳宝安区实验数据的变化检测结果如图3所示，可以看出，对照参考变化影像，4种方法均存在一定的虚警像素，其中比值法的虚警像素相对较多，区域均值比法和本文方法的变化检测结果相对较好，与参考变化影像保持了很高的一致性。

图3 宝安区实验数据以及基于不同差异图的变化检测结果图

Ottawa地区实验数据变化检测结果的定量性能评价数据如表2所示，可以看出，4种方法中比值法和对数比值法的总错误检测数较多，Kappa系数相对较低；本文方法的结果与参考变化影像之间的Kappa系数为0.913，比比值法和对数比值法分别高0.226和0.365，仅比区域均值比法少0.006。

表2 Ottawa地区实验数据的定量评价指标表

Andasol地区实验数据变化检测结果的定量性能评价数据如表3所示，可以看出，4种方法中本文方法的虚警率最低，Kappa系数最高，为0.714，比比值法、对数比值法和区域均值比法的Kappa系数分别高0.082、0.114和 0.024。

表3 Andasol地区实验数据的定量评价指标表

宝安区实验数据变化检测结果的定量性能评价数据如表4所示，可以看出，4种方法的变化检测效果均较好，Kappa系数均在0.840以上，与参考变化影像的一致性较高；其中本文方法的Kappa系数为0.905，比比值法、对数比值法和区域均值比法的结果分别高0.065、0.033和 0.012。

表4 宝安区实验数据的定量评价指标表

综上所述，针对不同的实验数据，本文方法的各项指标在4种方法中是占优的；从变化检测结果图来看，由于本文方法利用窗口邻域像素信息计算相似性测度，避免了单个像素运算时不好区分噪声的缺陷，对SAR影像中乘性斑点噪声的抑制效果更好，因此检测结果的虚警率较低，图面更加纯净，变化检测结果与参考变化影像的一致性非常高，说明该方法准确率更高、可靠性更强。

4 结 语

本文分别利用3种经典算子和模糊贴近度构造两个时相SAR影像的差异图，在一定程度上抑制了乘性噪声；再利用双边滤波器对差异图进行处理，既可保持细节又能去除噪声；然后通过计算差异图中像素的灰度差异提取差异图中像素的过渡区域，进而确定分割阈值；最后根据分割阈值分割差异图，并利用相关指标定量评价不同差异图的变化检测效果。结果表明，基于模糊贴近度构造的差异图得到的变化检测结果影像与参考影像保持高度或几乎完全的一致性，变化检测准确率高、可靠性强，整体变化检测效果优于其他3种经典算子。

利用本文方法得到的变化检测结果仍存在一些杂点，这是由于杂点的灰度值接近变化区域内的像素灰度值，被误分到灰度过渡区域，导致错误检测。今后可研究变化区域的连通性，尽可能地清除误分的杂点，从而提高方法的精度和可靠性。