file-type

二维概率密度函数比较的SAR图像变化检测新方法

PDF文件

下载需积分: 0 | 1.72MB | 更新于2024-08-26 | 3 浏览量 | 2 下载量 举报 收藏
download 立即下载
"基于二维概率密度函数比较的SAR图像变化检测方法,通过将相邻像素灰度值组合成2维观测矢量,并利用2维Gram-Charlier展开式估计不同时相图像的2维概率密度函数,然后用K-L散度理论量化分析不同图像间的变化程度,以实现更优的SAR图像变化检测。这种方法由北京理工大学和空军预警学院的研究人员提出,并在实验中表现出优于传统方法的检测性能。" SAR(Synthetic Aperture Radar)图像变化检测是遥感领域的一个重要研究方向,主要目的是在不同时间获取的同一地区的SAR图像之间发现地表特征的变化。传统的SAR图像变化检测方法通常依赖于单维特征如灰度直方图、均值、方差等统计特性。然而,这些方法可能无法充分捕捉图像的复杂变化。 本文提出的基于二维概率密度函数比较的SAR图像变化检测方法,创新性地扩展了变化检测的特征空间,将像素灰度值从一维提升到二维。具体来说,首先,它将观测区域内相邻像素的灰度值组合成一个二维观测矢量,这样可以更全面地描述像素间的关系。接下来,使用2维Gram-Charlier展开式来估计这两个不同时相SAR图像中二维观测矢量的概率密度函数。这是一种高阶统计分析方法,能更精确地逼近非正态分布的概率密度。 然后,论文应用Kullback-Leibler (K-L) 散度理论来衡量两个概率密度函数之间的差异。K-L散度是一种无量纲的距离度量,用于量化一个概率分布相对于另一个概率分布的“距离”。在这个场景下,K-L散度可以帮助定量分析SAR图像在不同时间点上的变化程度,从而识别出潜在的变化区域。 实验结果证明,该方法相比于传统的一维统计特征变化检测方法,具有更好的检测性能。这表明在复杂环境或高分辨率SAR图像中,考虑像素的二维特性对于提高变化检测的准确性和敏感性是十分关键的。 此外,这种方法还有潜在的应用价值,例如在灾害监测、环境变化研究、城市规划等领域,可以帮助决策者快速识别和响应地表的变化情况。同时,该研究也为SAR图像处理领域的进一步研究提供了新的思路和方法。

相关推荐