摘 要

合成孔径雷达（Synthetic Aperture Radar，SAR），新时代的一种重大发明，具有强大的对地成像能力，是一种全天候、全天时、大宽幅、可提供高分辨率的地面测绘资料的微波成像雷达，并具有一定的地表穿透能力。正因为它如此强大的能力，SAR系统在环境监测、灾害监测、资源勘探、海洋监测、农作物估产、测绘和军事等领域的应用上具备独特的优势，发还挥着其他遥感手段难以发挥的巨大作用，因此正被各国越来越重视。

本文针对高分辨率SAR图像提出了一种基于联合稀疏理论表示的SAR变化检测算法。本算法的基本思想是将原始多时相SAR对应的切割成小块，然后分别对局部图像数据通过K-SVD算法进行训练学习得到一对自适应局部字典，通过联合稀疏表示理论，把其中一幅多时相SAR图像的局部字典取出来作为稀疏表示基，利用无明显变化区域的训练样本对于同一个合适的稀疏表示基应该是联合稀疏的来分析相对应的局部字典，看两个局部SAR图像数据集对于同一个稀疏表示基的稀疏系数差值是否超过特定的阈值来判断局部地区是否发生了地物变化，超过则认为发生了真实变化，相反的情况就是没有变化，从而达到了我们的最终目的：高分辨率SAR变化检测。

我们将提出的算法是一种新颖的、非监督变化检测方法，应用于十对多时相高分辨率SAR图像，通过比较得出的实验结果图与真实变化图发现，得到的实验结果在虚警率、漏检率、总错误率都能控制在一定能够接受的范围，证明了我们算法的正确性和可行性。

关键词：高分辨率SAR图像；字典学习；变化检测；联合稀疏表示

Abstract

Synthetic Aperture Radar is an all-weather, full-time, wide-range, microwave imaging radar that can provide high-resolution surface surveying data, and has a certain surface penetration ability. Because of its powerful capabilities, SAR systems have unique advantages in applications such as environmental monitoring, disaster monitoring, resource exploration, marine monitoring, crop estimation, mapping, and military applications. As a result, it is becoming more and more important for all countries.

This design proposes a SAR change detection algorithm based on joint sparse theory representation. This algorithm is aimed at single-channel single-polarized high-resolution SAR images and is a novel and unsupervised change detection method. The basic idea of ​​this algorithm is to cut the original multi-temporal SAR into small pieces, and then separately train and learn the local image data through the K-SVD algorithm to get a pair of adaptive local dictionary. Through joint sparse representation theory, one of them is the local dictionary of the multi-temporal SAR image is taken as the sparse representation base, and the training sample with no obvious change region is used to analyze the corresponding local dictionary for the same suitable sparse representation base and joint sparse, to see the two local SAR image data. The set determines whether the difference in the sparse coefficient of the same sparse representation base exceeds a specific threshold to determine whether a feature change has occurred in the local area. If it exceeds, it is considered that a real change has occurred. Otherwise, it is considered that there is no change, thus achieving our ultimate goal: High resolution SAR change detection.

We apply the joint sparse representation-based change detection algorithm to ten-to-multi-temporal high-resolution SAR images. The experimental results obtained by comparing the experimental results with the real change maps show that the experimental results obtained are false alarm rates and missed detection rates. The total error rate can be controlled within a certain acceptable range, which proves the theoretical correctness and practical feasibility of the method.

Key Words: High resolution SAR image; dictionary learning; change detection; joint sparse representation

目 录

第1章 绪 论 1

1.1研究背景及意义 1

1.2 国内外研究现状 2

1.3 论文的结构 4

第2章 高分辨率SAR图像 5

2.1 变化检测基本方法 5

2.2 SAR的工作原理 7

2.3 高分辨率SAR的应用 8

第3章 基于稀疏表示的SAR图像变化检测 10

3.1 稀疏理论发展历程 10

3.2 稀疏编码方法介绍 11

3.3字典学习 12

3.4基于稀疏表示的变化检测 13

第4章 结论和展望 19

4.1 工作总结 19

4.2 展望 19

参考文献 21

致 谢 23

第1章 绪 论

1.1研究背景及意义

上世纪50年代初期，雷达技术的研究陷入了分辨率的瓶颈，美国有一批科学家想打破这种现状，在经过长时间的研究后，目标与雷达之间相对运动产生的多普勒频移现象成了大家关注的重点，它可以用来提高分辨率。后来，美国研制出首批机载高分辨率合成孔径雷，为他们的军事侦察提供了大量帮助。70年代是星载合成孔径雷达技术的蓬勃发展期。我国正是在那时正式研究SAR系统及技术。1979年，首批机载X波段SAR图像诞生了，由于是新新产物，技术还不算大成熟，没有后来的脉冲压缩技术，其空间分辨率只有180×30米^[1]。随着时间的推移，有关SAR系统及技术的研究也趋于成熟，SAR图像分辨率也得到了大幅的提高。

SAR成像系统是一种主动式微波遥感成像雷达，其突破了白天黑夜的限制，成像质量受云、雾、雨、霾恶劣天气影响很小，具有全天候、全天时、高分辨率成像的特点。由于它的众多优势，在我们的生活中应用极为广泛，其在多个领域都能有它的踪影，已成为高分辨率对地观测的主要手段之一。并且，SAR系统获取数据的能力十分强大，某种典型机载SAR系统在短短一分钟时间之类就可获取大约100万km²范围内的SAR图像，分辨率高达1m×1m，而星载SAR系统能在两小时内绕地球观测一周，只需数十秒就可以获取数千平方千米的地表观测数据。然而，碍于计算机对SAR图像自动解译技术的发展，我们还需要继续努力，随着大量SAR图像数据的积累，如何快速的从海量的数据中找出我们感兴趣有用的信息，摒弃冗余的无效信息，俨然变成了解译SAR图像的一个难点。但是SAR图像变化检测技术能找出同一地区前后的差异，并能迅速的检测出我们感兴趣的地表物与变化目标。所以，变化检测技术能成功克服自动解译SAR图像的技术瓶颈。

作为遥感领域的关键技术之一——高分辨率SAR图像变化检测，其主要研究内容是通过一定的方法得出同一表面和不同时间段内两幅或多幅SAR图像之间的变化，通常检测指标是局部纹理和辐射值。造成这些变化的原因很多，例如现场的真实变化，或者由于客观原因，如传感器精度，照明角度，大气条件和地面湿度，而我们真正想要检测出来的变化则是场景的真实变化，如何克服这些不良因素的影响得到精确地变化目标也是我们需要解决的问题。

在日益提高的SAR图像分辨率情况下，变化检测的精确度准确性也越来越高，其应用也更加深入的渗透到我们的日常生活中，在民用领域里，如海啸受灾状况评估、地震后灾害评估、城镇变化动态监测、湿地森林等生态面积缩减状态监测；在军事领域方面，如战场动态变化监测、了解兵力部署、打击效果评估等变化检测工作中^[2]。例如2008年5月12日在中国四川省发生的8.0级特大自然灾害汶川大地震中，造成了巨大的人力财力损失，道路，通讯基站纷纷被震坏，加上位处山区天气条件恶劣，空中夹杂着大量云和雾，导致光学遥感成像难以发挥其功能，得到的光学图像根本不能获取震后的灾区情况。但是基于SAR图像成像特点，就能出色的在此条件下发挥出其特有的优势，仍能第一时间得知受灾地区的受损情况，为政府组织等相关组织抢险救灾、输送物资、解救伤员提供了大量的可靠信息。因此SAR系统就成为该情况下的最大功臣。

高分辨率SAR变化检测技术应用前景不容小觑，其应用范围之广，渗透领域之深，实用价值之高已经远远超出我们的想象，因此高分辨率SAR图像变化检测技术的发展值得重视。

1.2 国内外研究现状

遥感系统对地观测具有众多优点：范围广、迅速、实时、周期性、多光谱等，吸引了无数遥感爱好者，为之不懈奋斗，奉献终生，使得遥感技术变化检测的发展越来越好。随着遥感技术的飞速发展，我们的多传感器、多分辨率、多时域和多尺度的大量遥感数据也迅速增加，伴随我们新时代高要求、高技术的特点，不得不提高变化信息的提取精度，也使得我们在理论探索上得做出新的突破，新的提高，不断提高遥感信息的利用程度，提高变化检测的提取精度，提高我们变化检测系统的自动化程度，使得变化检测在新时代的挑战中更具竞争力，更富有活力。

1951年6月美国古德依尔宇航公司的威利在经过大量实验后得到了突破性的进展，他发现雷达的角分辨率可以通过频率分析法来提高，后来也叫多普勒波束锐化。同一时间，伊利诺斯大学控制系统实验室的一个研究小分队也在对此技术进行攻关，最终他们成功获得侧视面雷达数据，为目标检测技术提供了数据，取得了良好的成绩^[3]。

1952年，全聚焦阵列概念和运动补偿概念由C.W.Shervin提出。这些新的思想使得对于X波段相干雷达研究充满了无限的希望。

第一幅SAR图像在1953年诞生。

1957年，首张全聚焦SAR图像的诞生打开了全聚焦SAR图像研究的大门，为后来的科学家指引了正确的方向。

1958年美国密执安大学的L.J.Cutrona团队想将雷达视频信号转化成高分辨率图像，为了这一想法，他们做出了巨大的努力，在经过大量失败后，他们终于用他们自己研发的雷达开始测试，再利用光学相关器件完成了这一壮举。

1967年，SAR系统成像又遇到了新的困难，机载SAR飞行高度不够，测绘带窄，可利用面积小，这时，把SAR安装到卫星上的提出使得以上问题得到了很好地解决，以航天飞机、卫星等为载体的空载SAR研究越来越被重视。

上世纪70年代，1.25GHz和9GHz多极化合成孔径雷达的出现为遥感事业的进步又加了一把力。

1975年，NASA的Seasat-SAR在任务中表现突出，因此星载SAR的作用得到大家更多关注。

1978年NASA成功发射了全球第一颗装载了空间合成孔径雷达的人造卫星（Seasat-a），这颗卫星飞行高度800km，工作波段为L波段，测绘带宽100km，对地球一亿平方公里的面积进行了测绘，得到了大量不同地形特征的SAR图像，获得了海量前所未有的信息，造成了一时轰动，标志着星载SAR太空时代的到来。

1981年11月，“哥伦比亚”号升空并开始工作运行。SIA-A系统开始对撒哈拉沙漠进行全方位的扫描，意外的发现了地下古河道，引起了科技界和学术界的轰动，这同时也证明了SAR的强大穿透能力这一优点。

1988年美国NASAIJPL实验室研制的AIR SAR，有P, L, C三个波段。具有全极化能力，能同时产生12个数据通道的分辨率为10×10米的SAR图像，标志着SAR来到了新的研究阶段。

80年代中期德国宇航局也开始发力，成功在88年89年先后研制出C波段和X波段的SAR系统，前进的脚步并未停止，并于90年增长到L波段。

1989年，丹麦SAR技术收获的一年，在科学家的共同努力下，研制出分辨率、测绘带宽、成像布局都可以调节的机载合成孔径雷达。

从九十年代起，SAR技术发展的新热点变成了研究能提供三维信息的干涉式SAR系统。

NASA于1991年3月将长曲棍球2送入太空。

1991年7月1日，欧空局也发射了ERS-1，在运行期间为我们提供了大量有用信息，它的分辨率可以达到30米，100公里的测绘带宽，平均飞行高度为785公里，工作频率是常见的C波段。能获得许多星载SAR三维成像实验的数据，为全球气候变化情况，陆地和近海水域的更迭提供了大量信息。

1997年10月24日，长曲棍球-3顺利升空。

2000年8月17日，NASA又将长曲棍球4送入太空。

2006年1月24日，日本发射了搭载了PALSAR的 ALOS。

随之还有大量的装有SAR的卫星被相继送入太空，为我们提供可靠地遥感数据，目前，一些发达国家正筹划和研制可以长期提供测绘数据的先进空间雷达卫星。其分辨率正越来越高，工作频段越来越广，随着时间的推移，科学技术的不断发展，SAR的无限潜能即将被发掘，为人类的美好幸福生活提供更好的服务。

1.3 论文的结构

本文的研究在结构上作了如下的安排：第一章介绍了本课题的研究背景和意义，以及当前国内外的研究现状。

第二章则主要是高分辨率SAR图像的介绍，包括其变化检测的基本方法和SAR的工作原理和在各个领域所发挥的作用。

第三章主要介绍了稀疏表示的发展历程、稀疏编码和字典学习，还有稀疏表示在变化检测中的具体应用，基于联合稀疏表示实现变化检测的相关理论知识和本实验的十组实验具体数据。

第四章就是本文的一个总结，对该方法的优缺点进行了介绍，还有对这一研究方向的展望。

第2章 高分辨率SAR图像

2.1 变化检测基本方法

为提高SAR变化检测的一系列性能，国内外众多学者提出了许多方法。大致来说，有两大类，一种是基于监督方法的SAR图像变化检测技术，还有一种则是无监督的。而两种方法的区别在于基于监督方法的在连续分类器的训练上需要一些带有标签的样本信息，而无监督方法的就不需要这些先验信息，可直接对多时相SAR图像进行研究。在实际情况中，我们缺少地物的真实信息，在这种情况下，基于无监督方法的SAR图像变化检测技术就能发挥出它的优势，因此基于无监督方法的变化检测技术便成了国内外学者研究的热门，在大家的不懈奋斗下也相继提出了许多基于无监督的SAR变化检测的算法，譬如焦李成提出的通过联合灰度直方图的分布特性进行判别，并不需要分布假设。训练数据的提取则是利用自适应边缘检测，利用Fisher分类器判别分析联合直方图，得出不同小波层待检测点隶属度，结合邻域关系和上下文进行融合分析，最终变更测试的结果具有更好的检测效果^[4]。还一种基于PCA非局部均值改进模糊C均值聚类的检测算法。这里面的的主要思想在于使用了非局部均值图，它能够取代广义快速模糊C均值聚类算法中的灰度空间信息均值，降低了散斑噪声，提高了聚类效果，提高了变化检测的性能。在与几种经典的算法相比，它证明了它的有效性^[5]。

在前面我们介绍了变化检测的基本目的，我们得到的要是场景的真实变化，并非一些客观因素造成的随机误差，还有另一种说法，变化检测需要检测指标如下：检测发生的变化；识别变化的具性质；找出变化的范围；评估变化的模式。在我们已有的大多数检测技术中，都还没有达到识别变化本质的能力，这就只能通过人工来识别变化和分析变化的原因，这样工作量就比较大，耗费时间较多，得到的效果也不太尽人意。为了满足发展的需要，功能更全，使用更智能的更多变化检测算法需要我们共同去研究，现在已有的变化检测算法如下。

图像差值法：顾名思义，差值法的基本操作就是通过对两幅SAR图像中对应的像素点灰度值进行做差比较，该方法的适用性较强，可适用于单波段，也可适用于多波段，这样能满足大多数图像^[6]，是一种简单可行的方法，其主要步骤是：首先选择同一地方两幅或多幅多时相SAR图像，做好变化检测的准备工作，那就是空间几何匹配和辐射标准化，完成准备阶段的工作后就是做差运算了，在各自波段内对它们对应像素灰度值相减。既然是相减，得到的结果肯定正负有别，当然还有零值。再选取一个合适的阈值，对这些相减后的结果进行分析，要是结果大于阈值的就判定为发生变化了的地方，反之则是判定为未变化区域。这种算法较为简单，容易实现，也比较方便快捷，对变化的敏感程度也较高，可以很直观的看出变化的情况。这样的算法过于简单就也暴露出它的不足，因为成像质量、波谱特性不同等客观条件对SAR图像造成很大误差，单纯的对这些像素点的像素值进行相减操作，得到的差值可以反映一些情况，但也不可避免的产生“伪变化”信息，这些“伪变化”就是由SAR系统参数（照射角、波段、视角和强度）、地面湿度、大气状况、传感器精度等不良影响因素对图像变化检测造成的影响，为了优化该算法的性能，减少这些“伪变化”的出现概率，我们不得不进行更加严格的辐射标准化，排除这类不良误差的影响，此方法注重的是变化像素的提取，那么就无法给出变化的类别信息。

图像比值法：该方法与图像差值法大致相似，差值法是将SAR图像对应的像素灰度值进行相减操作，而比值法顾名思义就是将相减变为相比，有数学含义可知，假如在该区域没有变化也就是该点像素上没有太大区别，则此处比值应接近于1，否则，无论是比值远大于或远小于1都表示该处像素值有较大的变化。同样，图像比值法也离不开辐射校正这些准备工作，但相对于差值法，比值法的优势在于能够很好地消除SAR图像的乘性噪声造成的不良影响，正因为这一优点，比值法通常能在城区变化检测中发挥巨大的优势。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：