CN107689051A - 一种基于变化因子的多时相sar影像变化检测方法 - Google Patents

一种基于变化因子的多时相sar影像变化检测方法 Download PDF

Info

Publication number
CN107689051A
CN107689051A CN201710804479.8A CN201710804479A CN107689051A CN 107689051 A CN107689051 A CN 107689051A CN 201710804479 A CN201710804479 A CN 201710804479A CN 107689051 A CN107689051 A CN 107689051A
Authority
CN
China
Prior art keywords
image
mrow
change
msub
sar
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710804479.8A
Other languages
English (en)
Inventor
刘广全
李晓芳
王国军
王娜
李�杰
殷幼松
薛腾飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Global Nebula Remote Sensing Technology Co Ltd
Original Assignee
Zhejiang Global Nebula Remote Sensing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Global Nebula Remote Sensing Technology Co Ltd filed Critical Zhejiang Global Nebula Remote Sensing Technology Co Ltd
Priority to CN201710804479.8A priority Critical patent/CN107689051A/zh
Publication of CN107689051A publication Critical patent/CN107689051A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于变化因子的多时相SAR影像变化检测方法，具体步骤为：1)对多个时相的SAR数据进行辐射校正，生成多时相后向散射系数影像；2)对多时相后向散射系数影像进行SAR影像滤波处理，生成多时相滤波影像；3)对多时相滤波影像进行时序差分运算得到地物发生变化的时间；4)根据变化因子计算方法由多时相滤波影像生成地物变化差异图像；4)对地物变化差异图像运用阈值分割方法得到地物变化信息。本发明通过引入变化因子进行多时相SAR影响变化检测，有效区分地物散射单元在时间序列上的永久变化与随机变化，抑制了自然地物季节变化导致的随机变化，放大了与人类活动相关的永久型变化，提高变化检测的准确性与稳定性。

Description

一种基于变化因子的多时相SAR影像变化检测方法
技术领域
本发明涉及卫星遥感应用领域，尤指一种多时相合成孔径雷达影像变化检测方法。
背景技术
遥感影像变化检测是以一个时相的影像为参考，检测出其他时相影像相对于参考影像的差异，广泛应用于国民经济和国防建设的诸多领域，例如，资源和环境监测中的土地利用和土地覆盖变化、森林和植被变化、湿地变化、城区建设变化等信息获取，农作物生长监测及自然灾害中地震、洪水、泥石流和森林砍伐、火灾等灾情监测与评估等。
与可见光和红外遥感相比，微波遥感成像不受时间(昼夜)及成像条件(云雾)等的影响，具有全天候、全天时的工作能力，为变化检测提供了重要的数据源。SAR(SyntheticAperture Radar)影像变化检测是指利用覆盖同一地区的多时相SAR影像发现和分析地表变化，提供地物空间分布的定性与定量信息，是遥感影像变化检测研究中的一个重要方向.随着RADARSAT-2、TerraSAR-X、COSMO Sky-Med、 Sentinel-1等大幅宽、高分辨率、高重访、多极化卫星的发展，基于SAR影像的变化检测被广泛应用于土地利用类型调查、变化检测等应用，特别是镇区域的土地利用变化检测。因此，开展SAR影像变化检测方法的研究具有重要的现实意义和应用价值。
遥感影像的变化检测技术中，需要利用阈值分割手段提取变化信息.如何确定变化区域与非变化区域之间的最优阈值被公认为是变化检测中的挑战性问题，目前常用的阈值选择方法是通过人机交互方式选择数值，这要求操作人员有比较丰富的经验，并且工作量比较大，通常难以得到较好的检测结果。
现有的SAR影像变化检测方法对于永久变化和随机变化的区分能力有限。基于两个时期的SAR 影像能够检测出变化区域，然而这些检测出的变化区域中含有大量的虚假变化信息，例如农田、植被的生长等季节性变化，这些随机变化会很大程度的升高虚警率，降低了变化检测精度。因此需要发展有效的多时相SAR影响变换检测方法，有效区分地物散射单元在时间序列上的永久变化与随机变化，抑制随机变化而放大永久型变化，提高变化检测的准确性与稳定性。
发明内容
针对现有技术存在的问题，本发明提供一种多时相SAR影像变化检测方法，该方法通过对多时期SAR影像数据辐射定标和滤波处理，基于时域变化因子构建地物变化差异图像，经过阈值分割后得到地物变化信息。
为实现上述目标，本发明的一种基于变化因子的多时相SAR影像变化检测方法，具体步骤为： 1)对多个时相的SAR数据进行辐射校正，生成多时相后向散射系数影像；2)对多时相后向散射系数影像进行SAR影像滤波处理，生成多时相滤波影像；3)对多时相滤波影像进行时序差分运算得到地物发生变化的时间；4)根据变化因子计算方法由多时相滤波影像生成地物变化差异图像；4)对地物变化差异图像运用阈值分割方法得到地物变化信息。
进一步，步骤1)中所述的辐射校正是一种将SAR影像的像素值转变为后向散射系数值的处理方法，SAR数据辐射校正是实现从SAR图像DN值到地面目标的后向散射系数的转化，标定SAR系统测量目标后向散射信号幅度和相位的能力。SAR图像绝对定标的公式：
σ0＝K(DN2·sinθ-N)，
其中DN为SAR图像的像素值，θ为像元入射角，N是像元噪声等效值；K为定标常数，与传感器全系统增益、天线辐射方向图、以及系统成像传递函数等因子有关，是通过SAR系统外定标予以确认的待定常数。
进一步，步骤2)中所述的SAR影像滤波是一种SAR影像斑点噪声抑制方法，SAR成像系统是基于相干成像原理的，在雷达回波信号中，相邻像素点的灰度会由于相干性而产生一些随机的变化，并且这种随机变化是围绕着某一均值而进行的，从而会影响从图像中提取后向散射系数值的精度.所述滤波采用增强Lee滤波，滤波公式为：
其中，Mij为滤波后的SAR图像中第i行第j列的像元值，Aij为滤波前的SAR图像中第i行第j列的像元值，为滤波前的SAR图像中以第i行第j列为中心的7×7窗口内像元值的均值，β＝1-cu 2/cl 2， cu＝0.5227，σij为滤波前的SAR图像中以第i第j列为中心的7×7窗口内像元局部标准差.
进一步，步骤3)中所述的时序差分运算过程为：首先，将滤波后的SAR影像按照成像时间排 序形成时序影像S＝{Mp|(p＝1，2，...，n)}，n为序列影像的个数；然后，对于任意小于n的正整数k， 将时序影像S＝{Mp|(p＝1，2，...，n)}分成前序列S1 k＝{Mp|(p＝1，2，...，k)}和后序列 S2 k＝{Mp|(p＝k+1，...，n)}，后序列S2 k的均值减去前序列S1 k的均值为dk，对于k＝1，2，...，n-1， 可以得到时序差D＝{dk|(k＝1，2，...，n-1)}；最后，找到时序差D中的差异最大值dmax，其对应的 序号即为地物发生变化时间t。
进一步，步骤4)中变化因子计算方法为：首先，利用地物发生变化时间t将时序影像 S＝{Mp|(p＝1，2，...，n)}分成变化前序列影像S1 t＝{Mp|(p＝1，2，...，t)}和变化后序列影像 S2 t＝{Mp|(p＝t+1，...，n)}；然后，将变化后序列影像S2 t＝{Mp|(p＝t+1，...，n)}减去差异最大值 dmax得到新的变化后序列影像将变化前序列影像S1 t＝{Mp|(p＝1，2，...，t)}和新的变换后序列影像组合成归一化序列影像最后，计算归一化序列影像的标准差STD，利用计算公式CF＝dmax/STD得到变化差异图像ICF。
进一步，变化差异图像ICF是l×c的矩阵，l是变化差异图像的高度，c为变化差异图像的宽度，矩阵中每个元素为对应的变化因子值。
进一步，步骤5)中地物变化信息提取包含增强变化提取和减弱变化提取。增强变化是在地物变化过程中，后向散射系数值增大；减弱变化是在地物变化过程中，后向散射系数值减小.
进一步，增强变化提取的过程为：对变化差异图像ICF进行阈值分割，大于增强变化阈值Th1的像素为增强变化，生成增强变化掩模图像R+。
进一步，增强变化阈值Th1的计算方法为Th1＝M1+δ1，M1为变化差异图像ICF中大于0的像素值的均值，δ1为变化差异图像ICF中大于0的像素值的标准差；
进一步，增强变化掩模图像R+的生成规则为：sij≥Th1，R+ ij＝+1；sij＜Th1，R+ ij＝0。sij为变化差异图像ICF中第i行第j列的像素值，R+ ij为增强变化掩模图像中第i行第j列的像素值，值为1则表示该像素发生了增强变化，值为0表示该像素未发生增强变化，i＝1，2，…，j＝1，2，....
进一步，减弱变化提取的过程为：对变化差异图像ICF进行阈值分割，小于减弱变化阈值Th2的像素为减弱变化，生成减弱变化掩模图像R-.
进一步，减弱变化阈值Th2的计算方法为Th2＝M2-δ2，M2为变化差异图像ICF中小于0的像素值的均值，δ2为变化差异图像ICF中小于0的像素值的标准差。
进一步，减弱变化掩模图像R-的生成规则为：sij≤Th2，R- ij＝+1；sij＞Th2，R- ij＝0。sij为变化差异图像ICF中第i行第j列的像素值，R- ij为减弱变化掩模图像中第i行第j列的像素值，值为1则表示该像素发生了减弱变化，值为0表示该像素未发生减弱变化，i＝1，2，…，j＝1，2，....
本发明针对SAR影像变换检测，提出了一种基于变化因子的多时相SAR影像变化检测方法，可以有效区分地物散射单元在时间序列上的永久变化与随机变化，抑制自然地物季节变化导致的随机变化放大与人类活动相关的永久型变化，提高变化检测的准确性与稳定性。
附图说明
图1为本发明的一种基于变化因子的多时相SAR影像变化检测方法的流程图；
图2为8个时相SAR影像数据；
图3为辐射校正后的SAR影像；
图4为影像滤波处理后的SAR影像；
图5为地物发生变化时间的图像；
图6为变化差异图像；
图7为增强变化的掩模图像；
图8为减弱变化的掩模图像。
具体实施方式
本发明的多时相SAR影像变化监测方法是基于多时相SAR影像，通过计算变化因子构建地物变化差异图像，经阈值分割后得到地物变化信息。变化检测流程图如图1所示，首先对多时相SAR影像进行辐射校正，生成后向散射系数影像，然后进行SAR影像滤波处理抑制斑点噪声，根据多时相滤波影像时序差分运算得到地物发生变化的时间，按照地物变化时间将多时相滤波影像分成变化前后序列影像，通过变换因子计算方法得到变化差异图像，最后利用阈值分割方法得到变化信息.
以南京市8个时相SAR卫星遥感影像来说明本专利的实施方法。SAR数据的具体参数为： RADARSAT-2卫星，超宽精细模式，VV极化，入射角为28.7°，像元大小为2.7米×2.9米(斜距向×方位向)，成像时间分别为2016年10月01日、2016年10月25日、2016年12月12日、2017年01月29日、 2017年02月22日、2017年03月18日、2017年04月11日、2017年05月05日。图2为8个时相SAR 影像数据。
对本发明的变化检测方法具体介绍如下：
1.SAR影像辐射校正方法
SAR数据辐射校正是实现从SAR图像DN值到地面目标的后向散射系数的转化，标定SAR系统测量目标后向散射信号幅度和相位的能力。SAR图像绝对定标的公式：
σ0＝K(DN2.sinθ-N)，
其中DN为SAR图像的像素值，θ为像元入射角，N是像元噪声等效值；K为定标常数，与传感器全系统增益、天线辐射方向图、以及系统成像传递函数等因子有关，是通过SAR系统外定标予以确认的待定常数.图3为辐射校正后的SAR影像.
2.SAR影像滤波方法
SAR成像系统是基于相干成像原理的，在雷达回波信号中，相邻像素点的灰度会由于相干性而产生一些随机的变化，并且这种随机变化是围绕着某一均值而进行的，从而会影响从图像中提取后向散射系数值的精度。所述滤波采用增强Lee滤波，滤波公式为：
其中，Mij为滤波后的SAR图像中第i行第j列的像元值，Aij为滤波前的SAR图像中第i行第j列的像元值，为滤波前的SAR图像中以第i行第j列为中心的7×7窗口内像元值的均值，β＝1-cu 2/cl 2， cu＝0.5227，σij为滤波前的SAR图像中以第i第j列为中心的7×7窗口内像元局部标准差.图4为影像滤波处理后的SAR影像。
3.变化时间的确定方法
首先，将滤波后的SAR影像按照成像时间排序形成时序影像S＝{Mp|(p＝1，2，...，n)}，n为序列影像的个数，n＝8；然后，对于任意小于n的正整数k，将时序影像S＝{Mp|(p＝1，2，...，n)}分成前序列S1 k＝{Mp|(p＝1，2，...，k)}和后序列S2 k＝{Mp|(p＝k+1，...，n)}，后序列S2 k的均值减去前序列S1 k的均值为dk，对于k＝1，2，...，n-1，可以形成时序差D＝{dk|(k＝1，2，...，n-1)}；最后，找到时序差D中的差异最大值dmax，其对应的序号即为地物发生变化时间t。图5为地物发生变化时间的图像.
4.变化差异图像生成方法
首先，利用地物发生变化时间t将时序影像S＝{Mp|(p＝1，2，...，n)}分成变化前序列影像 S1 t＝{Mp|(p＝1，2，...，t)}和变化后序列影像S2 t＝{Mp|(p＝t+1，...，n)}；然后，将变化后序列影像 S2 t＝{Mp|(p＝t+1，...，n)}减去差异最大值dmax生成新的变化后序列影像然后将变化前序列影像S1 t＝{Mp|(p＝1，2，...，t)}和新的变换后序列影像组成归一化序列影像最后，利用计算公式CF＝dmax/STD得到变化差异图像。变化差异图像ICF是l×c的矩阵，l是变化差异图像的高度，c为变化差异图像的宽度，矩阵中每个元素为对应的变化因子。图6为变化差异图像.
5.地物变化信息提取方法
地物变化信息提取包含增强变化提取和减弱变化提取。增强变化是在地物变化过程中，后向散射系数值增大；减弱变化是在地物变化过程中，后向散射系数值减小。
增强变化提取的过程为：首先计算增强变化阈值Th1，其计算方法为Th1＝M1+δ1，M1为变化差异图像ICF中大于0的像素值的均值，δ1为变化差异图像ICF中大于0的像素值的标准差，本示例中 M1＝1.89，δ1＝0.56；然后，对变化差异图像进行阈值分割，大于增强变化阈值Th1的像素为增强变化，生成增强变化掩模图像R+，生成规则为：sij≥Th1，R+ ij＝+1；sij＜Th1，R+ ij＝0.sij为变化差异图像ICF中第i行第j列的像素值，R+ ij为增强变化掩模图像中第i行第j列的像素值，值为1则表示该像素发生了增强变化，值为0表示该像素未发生增强变化，i＝1，2，…，j＝1，2，....图7为增强变化的掩模图像，其中白色为增强变化提取结果。
减弱变化提取的过程为：首先计算减弱变化阈值Th2，其计算方法Th2＝M2-δ2，M2为变化差异图像ICF中小于0的像素值的均值，δ2为变化差异图像ICF中小于0的像素值的标准差，本示例中 M2＝2.14，δ2＝0.82；。然后，对变化差异图像ICF进行阈值分割，小于减弱变化阈值Th2的像素为减弱变化，生成减弱变化掩模图像R-，生成规则为：sij≤Th2，R- ij＝+1；sij＞Th2，R- ij＝0·sij为变化差异图像中第i行第j列的像素值，R- ij为减弱变化掩模图像中第i行第j列的像素值，值为1则表示该像素发生了减弱变化，值为0表示该像素未发生减弱变化，i＝1，2，…，j＝1，2，....图8为减弱变化的掩模图像，其中白色为减弱变化提取结果.
需要指出的是根据本发明的具体实施方式所作出的任何变形，均不脱离本发明的精神以及权利要求记载的范围。

Claims (5)

1.一种基于变化因子的多时相SAR影像变化检测方法，具体步骤为：1)对多个时相的SAR数据进行辐射校正，生成多时相后向散射系数影像；2)对多时相后向散射系数影像进行SAR影像滤波处理，生成多时相滤波影像；3)对多时相滤波影像进行时序差分运算得到地物发生变化的时间；4)根据变化因子计算方法由多时相滤波影像生成地物变化差异图像；4)对地物变化差异图像运用阈值分割方法得到地物变化信息。
2.如权利要求1所述的基于变化因子的多时相SAR影像变化检测方法，其特征在于，步骤1)所述SAR数据辐射校正是实现从SAR图像DN值到地面目标的后向散射系数的转化，标定SAR系统测量目标后向散射信号幅度和相位的能力，SAR图像绝对定标的公式：
σ0＝K(DN2·sinθ-N)，
其中DN为SAR图像的像素值，θ为像元入射角，N是像元噪声等效值；K为定标常数，与传感器全系统增益、天线辐射方向图、以及系统成像传递函数等因子有关，是通过SAR系统外定标予以确认的待定常数。
3.如权利要求1所述的基于变化因子的多时相SAR影像变化检测方法，其特征在于，步骤2)SAR成像系统是基于相干成像原理的，在雷达回波信号中，相邻像素点的灰度会由于相干性而产生一些随机的变化，并且这种随机变化是围绕着某一均值而进行的，从而会影响从图像中提取后向散射系数值的精度，所述滤波采用增强Lee滤波，滤波公式为：
<mrow> <msub> <mi>M</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msub> <mover> <mi>A</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mtd> <mtd> <mrow> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>c</mi> <mi>u</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>&amp;beta;</mi> <msub> <mover> <mi>A</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>+</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;beta;</mi> <mo>)</mo> </mrow> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <msub> <mi>c</mi> <mi>u</mi> </msub> <mo>&lt;</mo> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&lt;</mo> <msub> <mi>c</mi> <mi>max</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mtd> <mtd> <mrow> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&amp;GreaterEqual;</mo> <msub> <mi>c</mi> <mi>max</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>
其中，Mij为滤波后的SAR图像中第i行第j列的像元值，Aij为滤波前的SAR图像中第i行第j列的像元值，为滤波前的SAR图像中以第i行第j列为中心的7×7窗口内像元值的均值，β＝1-cu 2/cl 2，cu＝0.5227，σij为滤波前的SAR图像中以第i第j列为中心的7×7窗口内像元局部标准差。
4.如权利要求1所述的基于变化因子的多时相SAR影像变化检测方法，其特征在于，步骤3)中对多时相滤波影像进行时序差分运算得到地物发生变化的时间的步骤如下：
首先，将滤波后的SAR影像按照成像时间排序形成时序影像S＝{Mp|(p＝1，2，...，n)}，n为序列影像的个数；然后，对于任意小于n的正整数k，将时序影像S＝{Mp|(p＝1，2，...，n)}分成前序列S1 k＝{Mp|(p＝1，2，...，k)}和后序列S2 k＝{Mp|(p＝k+1，...，n)}，后序列S2 k的均值减去前序列S1 k的均值为dk，对于k＝1，2，...，n-1，可以得到时序差D＝{dk|(k＝1，2，...，n-1)}；最后，找到时序差D中的差异最大值dmax，其对应的序号即为地物发生变化时间t。
5.权利要求1所述的基于变化因子的多时相SAR影像变化检测方法，其特征在于，步骤4)中根据变化因子计算方法由多时相滤波影像生成地物变化差异图像的步骤如下：
首先，利用地物发生变化时间t将时序影像S＝{Mp|(p＝1，2，...，n)}分成变化前序列影像S1 t＝{Mp|(p＝1，2，...，t)}和变化后序列影像S2 t＝{Mp|(p＝t+1，...，n)}；然后，将变化后序列影像S2 t＝{Mp|(p＝t+1，...，n)}减去差异最大值dmax得到新的变化后序列影像将变化前序列影像S1 t＝{Mp|(p＝1，2，...，t)}和新的变换后序列影像组合成归一化序列影像最后，计算归一化序列影像的标准差STD，利用计算公式CF＝dmax/STD得到变化差异图像ICF，变化差异图像ICF是l×c的矩阵，l是变化差异图像的高度，c为变化差异图像的宽度，矩阵中每个元素为对应的变化因子值。
CN201710804479.8A 2017-09-08 2017-09-08 一种基于变化因子的多时相sar影像变化检测方法 Pending CN107689051A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710804479.8A CN107689051A (zh) 2017-09-08 2017-09-08 一种基于变化因子的多时相sar影像变化检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710804479.8A CN107689051A (zh) 2017-09-08 2017-09-08 一种基于变化因子的多时相sar影像变化检测方法

Publications (1)

Publication Number Publication Date
CN107689051A true CN107689051A (zh) 2018-02-13

Family

ID=61156030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710804479.8A Pending CN107689051A (zh) 2017-09-08 2017-09-08 一种基于变化因子的多时相sar影像变化检测方法

Country Status (1)

Country Link
CN (1) CN107689051A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108827880A (zh) * 2018-04-23 2018-11-16 吉林大学 基于多光谱影像和ndvi时间序列的地表覆盖变化检测方法
CN108983172A (zh) * 2018-08-17 2018-12-11 中国电子科技集团公司第三十八研究所 一种随机进化约束的sar辐射定标方法
CN110348314A (zh) * 2019-06-14 2019-10-18 中国资源卫星应用中心 一种利用多源遥感数据监测植被长势的方法及系统
CN110688923A (zh) * 2019-09-19 2020-01-14 中国电子科技集团公司第二十九研究所 一种基于哨兵1a sar数据的城市内涝风险区提取方法
CN112766090A (zh) * 2021-01-05 2021-05-07 武汉大学 一种利用多季相Sentinel-2影像快速识别城郊闲置耕地的方法与系统
CN113408547A (zh) * 2021-07-12 2021-09-17 西南交通大学 一种多时相多极化sar滑坡提取方法
CN114283128A (zh) * 2021-12-16 2022-04-05 中国人民解放军海军潜艇学院 一种基于多参数阈值的海洋中尺度涡边缘检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1760888A (zh) * 2005-11-03 2006-04-19 复旦大学 利用星载sar多时相图像识别地表变化的方法
CN101694720A (zh) * 2009-10-13 2010-04-14 西安电子科技大学 基于空间关联条件概率融合的多时相sar图像变化检测方法
CN102901516A (zh) * 2012-09-29 2013-01-30 航天恒星科技有限公司 一种基于绝对辐射定标的多光谱影像辐射校正方法
CN103345742A (zh) * 2013-06-18 2013-10-09 西北工业大学 基于一种改进马尔可夫随机场模型的遥感图像变化的检测方法
CN103984938A (zh) * 2014-05-30 2014-08-13 中国科学院遥感与数字地球研究所 一种遥感时间序列异常检测方法
CN104865274A (zh) * 2015-04-08 2015-08-26 环境保护部卫星环境应用中心 基于单极化雷达数据的土壤含水量反演方法及系统
CN106469452A (zh) * 2016-09-09 2017-03-01 河海大学 基于空间约束的卡方变换的多时相遥感影像变化检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1760888A (zh) * 2005-11-03 2006-04-19 复旦大学 利用星载sar多时相图像识别地表变化的方法
CN101694720A (zh) * 2009-10-13 2010-04-14 西安电子科技大学 基于空间关联条件概率融合的多时相sar图像变化检测方法
CN102901516A (zh) * 2012-09-29 2013-01-30 航天恒星科技有限公司 一种基于绝对辐射定标的多光谱影像辐射校正方法
CN103345742A (zh) * 2013-06-18 2013-10-09 西北工业大学 基于一种改进马尔可夫随机场模型的遥感图像变化的检测方法
CN103984938A (zh) * 2014-05-30 2014-08-13 中国科学院遥感与数字地球研究所 一种遥感时间序列异常检测方法
CN104865274A (zh) * 2015-04-08 2015-08-26 环境保护部卫星环境应用中心 基于单极化雷达数据的土壤含水量反演方法及系统
CN106469452A (zh) * 2016-09-09 2017-03-01 河海大学 基于空间约束的卡方变换的多时相遥感影像变化检测方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108827880A (zh) * 2018-04-23 2018-11-16 吉林大学 基于多光谱影像和ndvi时间序列的地表覆盖变化检测方法
CN108827880B (zh) * 2018-04-23 2021-04-16 吉林大学 基于多光谱影像和ndvi时间序列的地表覆盖变化检测方法
CN108983172A (zh) * 2018-08-17 2018-12-11 中国电子科技集团公司第三十八研究所 一种随机进化约束的sar辐射定标方法
CN110348314A (zh) * 2019-06-14 2019-10-18 中国资源卫星应用中心 一种利用多源遥感数据监测植被长势的方法及系统
CN110688923A (zh) * 2019-09-19 2020-01-14 中国电子科技集团公司第二十九研究所 一种基于哨兵1a sar数据的城市内涝风险区提取方法
CN112766090A (zh) * 2021-01-05 2021-05-07 武汉大学 一种利用多季相Sentinel-2影像快速识别城郊闲置耕地的方法与系统
CN113408547A (zh) * 2021-07-12 2021-09-17 西南交通大学 一种多时相多极化sar滑坡提取方法
CN113408547B (zh) * 2021-07-12 2023-05-23 西南交通大学 一种多时相多极化sar滑坡提取方法
CN114283128A (zh) * 2021-12-16 2022-04-05 中国人民解放军海军潜艇学院 一种基于多参数阈值的海洋中尺度涡边缘检测方法及系统
CN114283128B (zh) * 2021-12-16 2024-04-26 中国人民解放军海军潜艇学院 一种基于多参数阈值的海洋中尺度涡边缘检测方法及系统

Similar Documents

Publication Publication Date Title
CN107689051A (zh) 一种基于变化因子的多时相sar影像变化检测方法
CN104484577B (zh) 一种基于山脊能量校正的山地中带状地下目标的探测方法
Hou et al. Three-order tucker decomposition and reconstruction detector for unsupervised hyperspectral change detection
CN103971364B (zh) 基于加权Gabor小波特征和两级聚类的遥感图像变化检测方法
CN109388887B (zh) 一种地面沉降影响因素定量分析方法及系统
CN104715255B (zh) 一种基于sar图像的滑坡信息提取方法
CN104166128B (zh) 基于广义似然比的多航过sar相干变化检测方法
Bignami et al. Pyroclastic density current volume estimation after the 2010 Merapi volcano eruption using X-band SAR
US11747498B1 (en) Method, system, device and medium for landslide identification based on full polarimetric SAR
CN104200471A (zh) 基于自适应权值图像融合的sar图像变化检测方法
CN106815559B (zh) 一种利用sar数据监测蚝排区域的方法及装置、用户设备
CN105205484A (zh) 基于曲波变换与维纳滤波的合成孔径雷达目标检测方法
CN107220628A (zh) 红外干扰源检测的方法
CN103065320A (zh) 基于恒虚警阈值的sar图像变化检测方法
CN114091274A (zh) 一种滑坡易发性评价方法及系统
CN106291550A (zh) 基于局部散射机制差异回归核的极化sar舰船检测方法
CN116935082A (zh) 一种基于时间序列融合影像提取洪水水体的IK-means方法
CN106960443A (zh) 基于全极化时序sar图像的非监督变化检测的方法及装置
CN111368716A (zh) 一种基于多源时空数据的地质灾害灾毁耕地提取方法
CN106548209A (zh) 一种基于多纹理特征的sar绿潮信息提取方法
CN114545410B (zh) 基于合成孔径雷达双极化数据相干性的作物倒伏监测方法
CN103903258B (zh) 基于次序统计量谱聚类的遥感图像变化检测方法
Jung et al. A hybrid damage detection approach based on multi-temporal coherence and amplitude analysis for disaster response
CN107202985B (zh) 一种基于干涉图闭合环的InSAR解缠误差探测方法
Lê et al. Multitemporal InSAR coherence change analysis: Application to volcanic eruption monitoring

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180213