一種基于概率圖模型的多時相SAR相干變化檢測方法

冀廣宇 董勇偉 李焱磊 梁興東

?

一種基于概率圖模型的多時相SAR相干變化檢測方法

冀廣宇①②董勇偉*①李焱磊①梁興東①

①(中國科學院電子學研究所微波成像技術重點實驗室 北京 100190)②(中國科學院大學 北京 100049)

相干變化檢測(CCD)利用重軌SAR數據對場景中表現為低相干特性的變化區域具有良好的檢測性能，然而場景中諸如植被、陰影、強散射旁瓣、低散射等區域也呈現低相干特性，對檢測結果造成干擾，尤其在高波段SAR CCD中，對檢測效果影響更加明顯。該文利用多時相SAR數據形成的相干變化差異圖像(CCD圖像)建立概率圖模型，提出一種多時相CCD處理方法。該方法以多時相CCD圖像作為觀測量，通過選取合適的參與處理圖像數量及優化場景中變化區域的分類，計算目標變化區域的后驗概率，可有效減小低相干干擾區域造成的影響。仿真和實測數據結果驗證了該方法的正確性和有效性。

重軌合成孔徑雷達；相干變化檢測；多時相；概率圖模型；后驗概率

1 引言

相干變化檢測(Coherent Change Detection, CCD)對同一場景中不同時間獲取的兩幅或多幅重軌合成孔徑雷達(SAR)圖像進行相干處理，利用相干性信息對場景中感興趣的變化區域進行檢測。這些感興趣的變化區域可以是自然發生的，如火山噴發、地震災害，也可以是人為造成的，如土壤翻修，車轍印跡。其共同點是：相比于未發生變化的區域，其相干性受到破壞，呈現出低相干或失相干特性。利用低相干度(變化區域)與高相干度(非變化區域)的差異進行變化檢測，是CCD的基本原理。采用CCD的方法進行變化檢測在城市規劃[1]、目標檢測[2,3]、環境災害監測[4]、土壤濕度變化檢測[5]等領域擁有廣泛的應用前景。

SAR圖像對相干性的變化是極其敏感的，理論上對亞波長量級的變化，可表現出明顯的相干性差異[2]，利用CCD的這一特性可檢測出感興趣的細微變化。但是，由于相干信息對變化的敏感性，場景中的一些非感興趣的區域(如植被變化區、陰影區、低散射區、強散射旁瓣區等)也可能被檢測出，形成虛警。如何在保證檢測出感興趣變化區域的前提下降低虛警率，去除非感興趣變化區域的干擾(稱為干擾區域)，是CCD的一個重要問題。目前，國內外學者對此做了許多研究工作，大體分為兩類：一類是對檢驗統計量的改進，一類是利用先驗信息對干擾區域建模。前一類中，研究者相對于傳統檢驗統計量提出似然比變化統計量[6,7]，算術平均檢驗統計量[8]，結合相干與非相干信息的兩步檢驗統計量[9]和多尺度特征差異統計量[10]，考慮噪聲統計特性的檢驗統計量[11]等，通過這些改進檢驗統計量所得的相干變化差異圖像，即CCD圖像[12]，具有更加良好的受試者工作特征(Receiver Operating Characteristic, ROC)曲線，可有效降低虛警概率。但是，某些干擾區域本身就呈現變化特性，并非通過單純改進檢驗統計量就能去除。后一類研究中，先驗信息的獲取主要通過對多時相數據建模或訓練學習而得。文獻[4]根據多時相SAR數據建立常綠針葉林的時間去相干模型，將植被區域從CCD圖像中分離出來，有效地檢測出火山噴發后火山灰覆蓋區域。這種方法適用于低波段SAR中隨時間緩變的干擾區域，時間去相干衰減系數較大的情況(尤其是高波段SAR數據)因無法建立有效的去相干模型而不再適用。一些研究者用監督或半監督方法提取感興趣的變化區域[13,14]，實現變化檢測的目的。該類方法需要大量數據集作為支撐，更換另一塊場景則需重新進行監督式學習。文獻[15]利用3幅多時相重軌SAR數據得到2幅CCD圖像，將低相干區域分為2個干擾區域和1個目標變化區域，據此建立貝葉斯網的概率圖模型，求解出的后驗概率有效地將干擾區域與目標變化區域分離。但是，該方法在求解后驗概率時需要手動標注少量目標變化區域真實值用于訓練。

2 多時相CCD方法

傳統CCD方法只利用場景變化前后兩幅圖像進行相干統計，得到CCD圖像中的低相干區域被認定為變化區域，該區域除感興趣的目標變化區域外，還有各種去相干因素形成的干擾區域，包括由時間去相干引起的植被變化區域，受熱噪聲去相干影響的低散射區域，空間去相干造成的強散射旁瓣區域等。在沒有先驗知識情況下，通過單幅CCD圖像無法將這些低相干干擾區域與目標變化區域進行有效區分。

多時相CCD圖像在時間維度上對觀測量進行擴展，使得目標變化區域與低相干干擾區域在不同時間上的差異顯現出來，通過這種差異對它們加以區分，從中提取出感興趣的目標變化區域，是多時相CCD方法的基本原理。目標變化區域與干擾區域依據多時相CCD圖像分屬場景不同類別，利用概率圖模型可將其與多時相CCD數據建立直觀聯系，通過計算后驗概率的方式可對目標變化區域所屬類別進行提取。

2.1 圖像預處理

作為多時相CCD方法的輸入數據，多時相SAR圖像質量是獲取良好變化檢測性能的先決條件，因此，有必要對輸入圖像進行預處理操作，具體包括輻射校正與圖像配準。

CCD主要利用圖像的相位信息，在處理中使用的各種檢驗統計量對幅值具有一定的容忍度。一般情況下，兩幅SAR圖像的幅值比在0.9~1.1(±1 dB)范圍內，可認為不影響相干變化檢驗統計結果[7]。在SAR數據獲取過程中，受載機飛行姿態不穩定影響，SAR天線輻射功率產生波動，導致圖像內及圖像間的輻射強度不一致。通過輻射校正處理后，可使幅值波動范圍在±0.05 dB以內[16]，滿足CCD處理需求。

經過輻射校正后的多時相SAR圖像需要先配準才能進行CCD處理，像素點失配將導致相干系數降低。為了使變化區域與非變化區域具有良好區分度，配準后的兩幅圖像中，非變化區域需具有較高相干系數，這就需要兩幅SAR圖像達到亞像素級配準[2]。為達到這一標準，我們首先選擇載機運動軌跡夾角與跨航向偏移量較小的重軌SAR圖像數據，然后實行利用運動軌跡信息的粗配準與使用頻譜分集的精配準相結合的方法[17]，獲取配準精度優于0.5個像素單元的多時相SAR圖像，滿足多時相CCD處理需求。

2.2 構建貝葉斯網

2.3 確定局部概率模型