CN108520515A - 基于rof模型半隐式去噪的sar图像检测方法、系统及装置 - Google Patents

基于rof模型半隐式去噪的sar图像检测方法、系统及装置 Download PDF

Info

Publication number
CN108520515A
CN108520515A CN201810304967.7A CN201810304967A CN108520515A CN 108520515 A CN108520515 A CN 108520515A CN 201810304967 A CN201810304967 A CN 201810304967A CN 108520515 A CN108520515 A CN 108520515A
Authority
CN
China
Prior art keywords
denoising
rof
models
disparity map
clustered
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
CN201810304967.7A
Other languages
English (en)
Inventor
娄雪梅
贾振红
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.)
Xinjiang University
Original Assignee
Xinjiang University
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 Xinjiang University filed Critical Xinjiang University
Priority to CN201810304967.7A priority Critical patent/CN108520515A/zh
Publication of CN108520515A publication Critical patent/CN108520515A/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G06T2207/10044—Radar image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于ROF模型半隐式去噪的SAR图像检测方法、系统及装置。其中，基于ROF模型半隐式去噪的SAR图像检测方法，其特征在于，包括：对于两时相含噪图像进行对数变换，利用ROF模型采用半隐式差分格式对经对数变换后的含噪图像进行去噪；针对去噪后的两时相含噪图像进行差值运算得到差异图；对差异图聚类得到变化检测结果图。以实现较为准确且完整的获取遥感图像变化信息的优点。

Description

基于ROF模型半隐式去噪的SAR图像检测方法、系统及装置
技术领域
本发明涉及遥感图像领域，具体地，涉及一种基于ROF模型半隐式去噪的SAR图像检测方法、系统及装置。
背景技术
目前，遥感图像变化检测技术可以帮助更新地理数据、评估灾害、预测灾害发展趋势、土地利用监测。由于受外界各种因素的影响以及SAR图像成像原理缺陷的限制，所采集的遥感图像不可避免的引入了大量的噪声。为后期SAR图像的变化检测带来干扰，为获取更为准确地变化检测信息，需对SAR图像进行噪声消除。
图像去噪是数字图像变化检测处理中一个关键环节，具有极强的应用价值。当前，SAR图像的去噪方法包括lee滤波、frost滤波以及形态学去噪；图像空间域去噪方法很多，如：线性滤波法、中值滤波法和维纳滤波法等；图像变换域去噪方法有：傅里叶变换和小波变换等；近年来，新兴的数学方法去噪越来越受到众多学者的关注，1992年，Rudin，Osher，和Fatemi提出了总变分(TV)模型即ROF模型；而现有的ROF模型在图像去噪过程中的显式求解具有求解结果不稳定，迭代次数长的缺陷。
发明内容
本发明的目的在于，针对上述问题，提出一种基于ROF模型半隐式去噪的SAR图像检测方法、系统及装置，以实现较为准确且完整的获取遥感图像变化信息的优点。
为实现上述目的，本发明采用的技术方案是：
一种基于ROF模型半隐式去噪的SAR图像检测方法，包括：
步骤S1、对于两时相含噪图像进行对数变换，利用ROF模型采用半隐式差分格式对经对数变换后的含噪图像进行去噪；
步骤S2、针对去噪后的两时相含噪图像进行差值运算得到差异图；
步骤S3、对差异图聚类得到变化检测结果图。
优选的，所述步骤S3中对差异图聚类得到变化检测结果图，具体为：
利用聚类算法对差异图聚类得到变化检测结果图。
优选的，所述步骤S3中对差异图聚类得到变化检测结果图，具体为：
采用模糊C均值聚类算法对差异图聚类得到变化检测结果图。
本发明技术方案还公开了一种基于ROF模型半隐式去噪的SAR图像检测系统，包括：
去噪模块：对于两时相含噪图像进行对数变换，利用ROF模型采用半隐式差分格式对经对数变换后的含噪图像进行去噪；
运算模块：针对去噪后的两时相含噪图像进行差值运算得到差异图；
以及
检测模块：对差异图聚类得到变化检测结果图。
优选的，所述检测模块具体为：
利用聚类算法对差异图聚类得到变化检测结果图。
优选的，所述检测模块具体为：
采用模糊C均值聚类算法对差异图聚类得到变化检测结果图。
本发明技术方案还公开了一种包括处理器和存储器，所述处理器调用存储器内的数据执行本技术方案所述的基于ROF模型半隐式去噪的SAR图像检测方法。
本发明的技术方案具有以下有益效果：
本发明的技术方案，将ROF模型半隐式图像去噪运用到遥感图像的变化检测中，利用ROF模型半隐式去噪可以很好保留图像纹理细节，减少图像中难以去除的加性噪声，并用聚类算法得到最终的变化区域检测图。本技术方案不仅提高了变化检测过程中变化区域的检测精度，而且减少了变化检测的时间，平衡检测精度和运行时间的同时，达到较为准确且完整的获取了遥感图像变化信息的目的。进一步采用模糊C均值聚类算法(FCM)对差异图聚类得到较精确的变化检测结果图。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明实施例所述的基于ROF模型半隐式去噪的SAR图像检测方法的流程图；
图2a至图2d为采用本发明所述的基于ROF模型半隐式去噪的SAR图像检测方法对Bern数据组SAR图像处理的实验图；
图3a至图3d为采用本发明所述的基于ROF模型半隐式去噪的SAR图像检测方法对Coastline数据组SAR图像处理的实验图；
图4a至图4d为采用本发明所述的基于ROF模型半隐式去噪的SAR图像检测方法对Mulargia数据组SAR图像处理的实验图；
图5a至图5d为采用本发明所述的基于ROF模型半隐式去噪的SAR图像检测方法对Feltwell数据组模拟SAR图像处理的实验图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，一种基于ROF模型半隐式去噪的SAR图像检测方法，包括：
步骤S1、对于两时相含噪图像进行对数变换，利用ROF模型采用半隐式差分格式对经对数变换后的含噪图像进行去噪；
步骤S2、针对去噪后的两时相含噪图像进行差值运算得到差异图；
步骤S3、对差异图聚类得到变化检测结果图。
优选的，步骤S3中对差异图聚类得到变化检测结果图，具体为：
利用聚类算法对差异图聚类得到变化检测结果图。
优选的，步骤S3中对差异图聚类得到变化检测结果图，具体为：
采用模糊C均值聚类算法对差异图聚类得到变化检测结果图。
本发明技术方案还公开了一种基于ROF模型半隐式去噪的SAR图像检测系统，包括：
去噪模块：对于两时相含噪图像进行对数变换，利用ROF模型采用半隐式差分格式对经对数变换后的含噪图像进行去噪；
运算模块：针对去噪后的两时相含噪图像进行差值运算得到差异图；
以及
检测模块：对差异图聚类得到变化检测结果图。
优选的，检测模块具体为：
利用聚类算法对差异图聚类得到变化检测结果图。
优选的，检测模块具体为：
采用模糊C均值聚类算法对差异图聚类得到变化检测结果图。
本发明技术方案还公开了一种包括处理器和存储器，处理器调用存储器内的数据执行本技术方案的基于ROF模型半隐式去噪的SAR图像检测方法。
Bern数据组SAR图像源于1999年4月和1999年5月通过ERS-2遥感卫星获取的瑞士首都Bern地区的两幅SAR图像。图2a为1999年4月获取的，图2b为1999年5月获取的，图2a和图2b的图像大小均为301×301，灰度值为256的两时相SAR图，图2c为变化参考图，图2d为采用本发明的方法检测结果图。
Coastline数据组SAR图像源于2008年6月和2009年6月通过Radarsat-2遥感卫星获取的黄河海岸线的两幅SAR图像的同区域的截取部分。图3a为2008年6月获取的，图3b为2009年6月获取的，图3a和图3b的图像大小均为175×147，灰度值为256的两时相SAR图，图3c为变化参考图。图3d为采用本发明的方法检测结果图。
Mulargia数据组SAR图像源于1995年9月和1996年7月通过Landsat-5遥感卫星获取的意大利撒丁岛地区数据集的两幅SAR图像。图4a为1995年9月获取的，图4b为1996年7月获取的，图4a和图4b的图像大小均为412×300，灰度值为256的两时相SAR图。图4c为变化参考图，图4d为采样本发明的方法检测结果图。
Feltwell数据组SAR图像源于Feltwell村庄的遥感图，图5a是ATM(AieborneThematic Mapper)第3波段的Feltwell村庄的遥感图。图5b是通过模拟天气变化和电磁辐射人工加入变化区域的遥感图。图5a和图5b的图像大小均为412×300，灰度值为256的两时相SAR图，图5c为变化参考图，图5d为采用本发明的方法检测结果图。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于ROF模型半隐式去噪的SAR图像检测方法，其特征在于，包括：
步骤S1、对于两时相含噪图像进行对数变换，利用ROF模型采用半隐式差分格式对经对数变换后的含噪图像进行去噪；
步骤S2、针对去噪后的两时相含噪图像进行差值运算得到差异图；
步骤S3、对差异图聚类得到变化检测结果图。
2.根据权利要求1所述的基于ROF模型半隐式去噪的SAR图像检测方法，其特征在于，所述步骤S3中对差异图聚类得到变化检测结果图，具体为：
利用聚类算法对差异图聚类得到变化检测结果图。
3.根据权利要求1所述的基于ROF模型半隐式去噪的SAR图像检测方法，其特征在于，所述步骤S3中对差异图聚类得到变化检测结果图，具体为：
采用模糊C均值聚类算法对差异图聚类得到变化检测结果图。
4.一种基于ROF模型半隐式去噪的SAR图像检测系统，其特征在于，包括：
去噪模块：对于两时相含噪图像进行对数变换，利用ROF模型采用半隐式差分格式对经对数变换后的含噪图像进行去噪；
运算模块：针对去噪后的两时相含噪图像进行差值运算得到差异图；
以及
检测模块：对差异图聚类得到变化检测结果图。
5.根据权利要求4所述的基于ROF模型半隐式去噪的SAR图像检测系统，其特征在于，所述检测模块具体为：
利用聚类算法对差异图聚类得到变化检测结果图。
6.根据权利要求4所述的基于ROF模型半隐式去噪的SAR图像检测系统，其特征在于，所述检测模块具体为：
采用模糊C均值聚类算法对差异图聚类得到变化检测结果图。
7.一种基于ROF模型半隐式去噪的SAR图像检测装置，其特征在于，包括处理器和存储器，所述处理器调用存储器内的数据执行权利要求1至3任一所述的方法。
CN201810304967.7A 2018-04-08 2018-04-08 基于rof模型半隐式去噪的sar图像检测方法、系统及装置 Pending CN108520515A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810304967.7A CN108520515A (zh) 2018-04-08 2018-04-08 基于rof模型半隐式去噪的sar图像检测方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810304967.7A CN108520515A (zh) 2018-04-08 2018-04-08 基于rof模型半隐式去噪的sar图像检测方法、系统及装置

Publications (1)

Publication Number Publication Date
CN108520515A true CN108520515A (zh) 2018-09-11

Family

ID=63431721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810304967.7A Pending CN108520515A (zh) 2018-04-08 2018-04-08 基于rof模型半隐式去噪的sar图像检测方法、系统及装置

Country Status (1)

Country Link
CN (1) CN108520515A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583487A (zh) * 2018-11-21 2019-04-05 新疆大学 一种sar图像变化检测方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355561A (zh) * 2016-08-30 2017-01-25 天津大学 基于噪点先验约束的全变分图像去噪方法
CN107492077A (zh) * 2017-08-03 2017-12-19 四川长虹电器股份有限公司 基于自适应多方向总变分的图像去模糊方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355561A (zh) * 2016-08-30 2017-01-25 天津大学 基于噪点先验约束的全变分图像去噪方法
CN107492077A (zh) * 2017-08-03 2017-12-19 四川长虹电器股份有限公司 基于自适应多方向总变分的图像去模糊方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CAO KE, ET AL.: "A Novel Image Denoising Algorithm based on Crank-Nicholson Semi-implicit Difference Scheme", 《PROCEDIA ENGINEERING》 *
V.B. SURYA PRASATH, D. VOROTNIKOV: "Weighted and well-balanced anisotropic diffusion scheme for image denoising and restoration", 《NONLINEAR ANALYSIS: REAL WORLD APPLICATIONS》 *
王雪国: "基于偏微分方程图像去噪算法的SAR图像变化检测研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王雪国: "基于变分模型的混合噪声去噪方法", 《西安邮电大学学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583487A (zh) * 2018-11-21 2019-04-05 新疆大学 一种sar图像变化检测方法及装置

Similar Documents

Publication Publication Date Title
CN101727662B (zh) Sar图像非局部均值去斑方法
Sheng et al. Coastline detection in synthetic aperture radar (SAR) images by integrating watershed transformation and controllable gradient vector flow (GVF) snake model
Shu et al. Shoreline extraction from RADARSAT-2 intensity imagery using a narrow band level set segmentation approach
CN107808138B (zh) 一种基于FasterR-CNN的通信信号识别方法
Modava et al. Hierarchical coastline detection in SAR images based on spectral‐textural features and global–local information
CN111008585B (zh) 基于自适应分层高分辨sar图像的舰船目标检测方法
CN103455797A (zh) 航拍视频中运动小目标的检测与跟踪方法
CN105303526A (zh) 一种基于海岸线数据及频谱分析的舰船目标检测方法
Liu et al. Structural motion estimation via Hilbert transform enhanced phase-based video processing
CN110796616B (zh) 基于范数约束和自适应加权梯度的湍流退化图像恢复方法
CN103971364A (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
CN108230375A (zh) 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法
CN109993797A (zh) 门窗位置检测方法及装置
CN108830828A (zh) 一种遥感图像变化检测方法及装置
CN115578326A (zh) 一种道路病害识别方法、系统、设备及存储介质
CN108520515A (zh) 基于rof模型半隐式去噪的sar图像检测方法、系统及装置
CN116309612B (zh) 基于频率解耦监督的半导体硅晶圆检测方法、装置及介质
CN106204607B (zh) 基于波动参数划分的sar图像变化检测方法
CN114993452B (zh) 基于宽带相位运动放大的结构微小振动测量方法与系统
Mittal et al. Automatic parameter prediction for image denoising algorithms using perceptual quality features
CN116167936A (zh) 一种用于洪水监测的山体阴影去除方法及装置
Wang et al. Fast Blur Detection Algorithm for UAV Crack Image Sets
CN115683431A (zh) 基于直线跟踪算法的拉索索力确定方法、装置及设备
Zhu et al. A novel change detection method based on high-resolution SAR images for river course
CN115761606A (zh) 基于图像处理的箱体电能表识别方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180911