汤迎春，覃亚丽，温 浩，吴 刚

(浙江工业大学信息工程学院，浙江 杭州 310023)

利用SAR图像进行地面资源变化检测，在诸多领域都起到了关键作用，如森林监测、毁伤判定、灾害监测等［1－2］。SAR变化检测是SAR图像研究和应用的一大热点。通常，变化检测涉及到的已配准的遥感图像必须是不同时间同一区域内的。SAR图像的变化检测分析主要分为:分类后比较法(监督方法)和直接比较法(非监督方法)［3］。前者是基于监督分类的方法，它需要地表真实数据作为训练集来学习处理分类。后者是在无任何先验信息的条件下对两幅多时相图像直接进行比较，以二值图的形式给出变化结果，来定位变化发生的位置。对于监督分类法要得到地面参考数据是一件困难和代价高昂的任务，而且变化分析的精度依赖于图像分类的精度。因而，在缺乏地面参考数据的情况下，有效的非监督方法在许多实际应用方面受到青睐。

近年来，一些学者提出了许多非监督变化检测算法，不少算法受限于需要选择变化和非变化类分布的统计模型［4］，采用非监督的、自由分布的、考虑上下文信息的模糊聚类变化检测方法能够克服此类缺陷。因此本文提出独立成分分析结合模糊C－均值聚类方法来检测多时相SAR图像的变化区域，独立成分分析可以解决合成孔径雷达(SAR)图像存在混合像元和相干斑噪声的问题，通过ICA和差值比较的方法来构造差异图像，为了克服需要选择差异图像统计模型的影响，采用FCM算法提取变化区域。……