王 剑, 王英华, 刘宏伟, 何敬鲁

(1. 西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071; 2. 西安电子科技大学信息感知技术协同创新中心, 陕西 西安 710071)

0 引 言

遥感图像变化检测技术用于检测同一地点在某一段时间内发生的变化,在灾害监测、土地调查和目标侦查等民用和军用方面具有广泛的应用[1-2]。近年来,有关极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像变化检测的研究受到越来越多的关注。PolSAR系统受天气条件和光照条件的影响较小,其数据不仅能够提供幅度信息,还可以描述目标的散射特性,进一步提供有关场景地物更加丰富的信息,因此在图像解译中比单极化合成孔径雷达(synthetic aperture radar,SAR)更具优势[3]。

遥感图像变化检测步骤一般包括:图像预处理,差异图提取及变化二值图生成[1]。由于PolSAR数据的特点,传统的PolSAR变化检测的研究主要集中于统计方法。2003年，文献[4]提出了基于Wishart似然比检验统计量的变化检测方法,通过2幅PolSAR图像中相同位置像素的协方差矩阵相似性检验,实现PolSAR图像变化检测；2014年，文献[5]利用异质杂波模型实现PolSAR图像变化检测；2016年文献[2]基于矩阵相似性的思想,提出了基于Hotelling-Lawley Trace检验统计量的变化检测方法；此外,文献[6-7]提出了基于超像素和Wishart分布的变化检测方法以及基于超像素和混合Wishart分布的变化检测方法;文献[8]提出了结合超像素和多数投票的变化检测方法;近年来,在单极化SAR及高光谱图像变化检测方面,文献[9-11]提出了多种基于机器学习与深度学习的变化检测算法,取得了重要的进展,同时也提供了新的研究思路。……