王 霞，刘振华，于俊朋，邓楚强

(南京电子技术研究所， 南京210039)

0 引言

变化检测，作为合成孔径雷达(Synthetic Aperture Radar，SAR)图像应用研究的一个重要领域，是根据不同时间、同一地区获取的多幅图像来确定地物变化特征和过程的技术［1］。它主要通过提取和分析图像间灰度值或局部纹理之间的变化差异，来识别地物状态变化，在此基础上获取感兴趣区域在形状、位置、数量及其他属性的变化情况。

早期的SAR图像变化检测方法是基于人工经验，把每个灰度值作为可能的阈值，来处理差异图并评估其变化检测结果，最终选出使检测性能最好的阈值作为最终的决策阈值。显然，该方法得到的变化检测结果太主观，不具可重复性。后期提出了很多自动阈值分析差异图的变化检测方法，这些方法通常假设差异图中变化类和未变化类均符合某一种统计分布，如高斯分布和广义高斯分布，该假设的分布模型均为单模值的统计模性，不能较好拟合真实SAR图像数据的差异图。针对此，文献［2］提出了基于高斯混合分布模型的变化检测方法，该方法假设变化类和未变化类均符合混合高斯分布，但是高斯分布的个数，需要通过设置一个相当大的初始值，由迭代的方法计算得出，因此该方法需要开辟一个相当大的计算缓存空间。对于一幅1 MB的图像数据，若考虑计算精度，其用于拟合的高斯函数的初始数量至少要达到50个，对应的缓存空间就要达到100 MB以上，而对于处理上百兆大小的SAR图像数据，就需要相当高的计算机配置。……