基于GΓMM和稀疏表示的高分辨率SAR图像变化检测研究

As the key technology in earth observation application, change detection of multitemporal SAR images has become a new research hotspot in SAR image processing. However, the high-resolution characteristic of SAR imaging puts forward new request and challenge, while makes multitemporal SAR images provide more accurate and finer change information. To this end, this project will make use of generalized gamma mixture model (GΓMM) and image sparse representation theory to carry out the change detection of multitemporal high-resolution (especially in multisensor case) SAR images, whose research results will be applied to the geological disaster remote-sensing evaluation along the route of railway in southwest china. The main research contents include: (1) construction of difference operator based on Box-Cox transform and its generation of difference image; (2) change detection of high- resolution singlesensor SAR images based on adaptive GΓMM and spatially variant GΓMM; and (3) change detection of high-resolution multisensor SAR images via sparse representation theory. This project aims at proposing the robust and effective novel methods of change detection for satisfying the practical applications, enriches and develops the related theory and technology about change detection of multitemporal SAR images, which will lay a good foundation for the following interpretation and application of high-resolution SAR images.

作为对地观测应用中的关键技术，多时相SAR图像变化检测已成为当前SAR图像处理领域研究的新热点。然而，SAR成像高分辨特性使多时相SAR图像数据提供更准确、更精细变化信息的同时，也对其变化检测技术提出了新要求和挑战。为此，本项目拟利用广义Gamma混合模型（GΓMM）和图像稀疏表示理论，开展针对多时相高分辨率（特别是对多传感器）SAR图像的变化检测研究，并将研究成果应用于西南地区铁路沿线地质灾害灾情遥感评估，主要研究内容包括：（1）基于Box-Cox变换的差异算子构建及差异图像产生；（2）基于自适应GΓMM/空间变化GΓMM的高分辨率单传感器SAR图像变化检测研究；（3）基于稀疏表示理论的高分辨率多传感器SAR图像变化检测研究。本项目旨在提出能够满足实际应用、稳健有效的变化检测新算法，丰富、发展多时相SAR图像变化检测的相关理论和技术，为后续高分辨SAR图像解译与应用奠定良好基础。

作为对地观测应用中的关键技术，多时相SAR图像变化检测已成为当前SAR图像处理领域研究的新热点，广泛应用于自然灾害灾情监测与评估等。本项目旨在利用广义Gamma混合模型以及图像稀疏表示理论提出能够满足实际应用、稳健有效的变化检测新算法，并通过实际应用验证算法有效性。为此，定义广义Gamma混合模型，提出基于无监督学习和变分推演的两种自适应参数（包括模型分量数）估计策略，并以此探讨高分辨率SAR图像分割与变化检测新方法；利用变分高斯混合模型从多尺度（像素、超像素）、多空间（强度空间、特征空间）发展出针对高分辨率SAR图像的变化检测理论；提出基于稀疏表示和协作表示的遥感图像变化检测算法；率先利用非负矩阵分解开展多时相SAR图像变化检测研究，提出基于PCA和半非负矩阵分解的变化检测新方法，开辟了变化检测新途径；提出Gabor特征空间的多时相SAR图像两级聚类变化检测技术，所设计的分级结构能够有效消除变化类与非变化类在交叠区域的模糊性，可显著提高检测性能；最后，结合地理信息系统技术，利用ENVI/IDL与ArcGIS一体化开发实现变化检测可视化平台，能够输出可视性强、易判读、包含地理空间信息的数据源，为空间变化信息的动态采集及科学应用提供支持。此外，还拓展支持开展基于稀疏表示和深度非负矩阵分解的高光谱图像解混研究、基于稀疏、低秩、张量的高光谱图像降维与分类研究等。并将研究成果应用于工程实践和人才培养，取得了一定的社会效益。在遥感领域国际顶级学术刊物和国际学术会议上已发表论文30篇，其中被SCI收录17篇；另外还有12篇处于录用待发表或正在审稿中。申请国家发明专利4项，已授权2项；同时申请并授权软件著作权1项。该项研究丰富、发展SAR 图像变化检测的相关理论和技术，为后续高分辨SAR图像解译与应用奠定良好基础。