基于Treelet变换的多时相SAR图像变化检测

与已有的多尺度几何分析方法不同，多尺度Treelet变换提供了一种基于标准正交基层级树的数据内在结构的稀疏表示方法。Treelet变换是由数据驱动的，通过尺度间的逐层正交变换以获得一套完整的、结构化的粗尺度和表示以及残差细节表示，实现高维、无序、非结构化、含噪数据的自适应稀疏表示。本项目主要研究二维图像的多尺度Treelet变换的理论模型和算法框架，分析空间特征对层级正交变换的影响，并设计优化图像空间特征和正交层级树结构，在此基础上构造二维图像的快速Treelet变换算法；分析经Treelet变换后SAR相干斑噪声和结构细节信息在Treelet中各层级的统计特性，构造层级树的噪声枝叶修剪方法和图像重构算法；对不同时相SAR图像的Treelet分解的各层级和变量进行相似性分析，再结合隐马尔科夫树模型进行相应层级的差变量分析；在此基础上开发基于Treelet的多时相SAR变化检测方法。

本项目主要研究了二维图像的多尺度Treelet 变换的模型和算法，分析了空间特征对层级正交Treelet变换的影响；优化了图像空间特征和正交层级树结构，构造了二维图像的Treelet变换；分析了经Treelet 变换后SAR 相干斑噪声和结构细节信息在Treelet 中各层级的统计特性；提出了基于Treelet的图像去噪方法；并结合隐马尔科夫树模型进行了相应层级的差变量分析，提出了基于Treelet的遥感图像变化检测方法；在此基础上开发了基于Treelet 的SAR 变化检测软件系统。研究成果在国内外著名期刊和国际知名会议上共计发表论文36篇，其中SCI检索19篇、EI检索17篇，申请国家发明专利30项，其中11项已授权，培养博士研究生5人，培养硕士研究生9人。项目负责人凭借本课题研究成果获得了陕西省科学技术奖一等的奖励，研究成果获得了同行的认可。