遙感變化檢測方法綜述

SAR圖像變化檢測方法綜述2021/10/10星期日1變化檢測定義

變化檢測是從不同時期的遙感數(shù)據(jù)中定量分析和確定地表變化的特征與過程。遙感變化檢測是遙感瞬時視場中地表特征隨時間發(fā)生的變化引起兩個時期影像像元光譜響應(yīng)的變化。SAR圖像的變化檢測專指利用多時相獲取的同一地表區(qū)域的SAR圖像來確定和分析地表變化，能提供地物的空間展布及其變化的定性與定量信息。SAR由于其具有的傳統(tǒng)光學(xué)遙感不可比擬的全天候、全天時的優(yōu)勢而逐漸成為變化檢測的重要數(shù)據(jù)源，在國土資源監(jiān)測、災(zāi)害評估與監(jiān)測等各個方面起到日益重要的作用。2021/10/10星期日2隨著近些年來自然災(zāi)害及極端惡劣天氣的頻發(fā)，使得在眾多的SAR變化檢測的應(yīng)用方面，災(zāi)害預(yù)警與災(zāi)害評估方面應(yīng)用意義重大，尤其是2008年5月12日汶川地區(qū)發(fā)生8.0級地震及最近日本地震等自然災(zāi)害的發(fā)生，使得各國對應(yīng)用SAR變化檢測技術(shù)對災(zāi)害進行預(yù)警和評估更加重視。其中，SAR圖像變化檢測技術(shù)在汶川地震后的災(zāi)害評估方面起到重要的作用。下面幾組SAR圖像很好的展示了SAR圖像變化檢測的重要性。2021/10/10星期日3圖（a）為汶川地震兩個受災(zāi)縣表示映秀鎮(zhèn)地震前后SAR圖像,可以清晰觀測出地震給映秀鎮(zhèn)損害圖（b）表示北川縣地震前后SAR圖像，兩個白箭頭所指區(qū)域代表地震破壞最嚴(yán)重區(qū)域。2021/10/10星期日4汶川縣映秀鎮(zhèn)地震前SAR圖像(左)中綠色的圓圈代表一些標(biāo)記的建筑物，地震后的SAR圖像(右)中，仍然是藍色的圓圈表明在地震中沒有受到損害，而紅色的圓圈表明在地震中受到的重大的損害。2021/10/10星期日5SAR圖像進行變化檢測的基本前提

由一些隨機因素引起的變化與觀測場景目標(biāo)本身變化而引起的輻射值或局部紋理的變化是可分的。這些隨機因素是指大氣條件、投射角和視角、土壤濕度、季節(jié)、天氣、潮汐等。有些變化檢測方法則是以假定其造成的變化區(qū)域相當(dāng)小為前提；也就是說，地表的變化會導(dǎo)致SAR圖像強度的變化；地表變化導(dǎo)致的圖像強度變化比其他因素引起的變化要大的多。變化檢測是檢測是否發(fā)生變化以及變化的屬性，包括變化的位置和內(nèi)容，通常意義上，檢測內(nèi)容包括：(1)檢測已經(jīng)發(fā)生的變化；(2)識別變化的性質(zhì)；(3)判斷變化的區(qū)域范圍；(4)評估變化的模式。2021/10/10星期日6變化檢測基本流程2021/10/10星期日7變化檢測的預(yù)處理

在遙感圖像進行變化檢測前，一定要先對兩時相圖像進行較高精度的圖像預(yù)理，否則將檢測出來的變化區(qū)域，有很大一部分是誤檢測出的“偽”變化區(qū)域。而這些“偽”變化信息不是地物信息，而是由于對相同地物成像時，傳感器的成像位置和以及傳感器所受得光譜反射值發(fā)生變化所引起的，這些變化一般被稱為幾何畸變和輻射失真。因此圖像預(yù)處理對于變化檢測技術(shù)是否能準(zhǔn)確地提取地物的真實變化信息起著至關(guān)重要的作用。遙感圖像數(shù)據(jù)進行的預(yù)處理，包括輻射糾正、幾何校正、幾何配準(zhǔn)、斑點噪聲抑制（SAR圖像特有）、圖像增強等幾個方面。2021/10/10星期日8幾何校正與幾何配準(zhǔn)在衛(wèi)星遙感成像過程中，由于受載體位置、運動狀態(tài)變化、地球表面曲率、大氣折射、地面起伏、地球旋轉(zhuǎn)等因素的影響，SAR圖像必然會產(chǎn)生一定的幾何畸變。因此，在對SAR圖像進行變化檢測前，必須進行幾何校正，也是從圖像中提取有用信息的先決條件。幾何配準(zhǔn)是圖像差值變化檢測方法的一個非常關(guān)鍵的前提和基礎(chǔ)，特別是高精度的配準(zhǔn)在圖像差值法中已成為獲取準(zhǔn)確變化信息的必要條件。配準(zhǔn)結(jié)果的優(yōu)劣會直接影響到變化檢測的精度。圖像配準(zhǔn)包括相對配準(zhǔn)和絕對配準(zhǔn)。在變化檢測中，從應(yīng)用的角度出發(fā)通常采用相對配準(zhǔn)。2021/10/10星期日9輻射校正

由于受傳感器差異、大氣條件等的影響，對輻射值都會有不同程度的影響，在利用SAR圖像進行變化檢測時，必須對SAR圖像進行輻射校正，使得兩幅SAR圖像的未變化部分的灰度值大致相同。輻射校正分為絕對輻射定標(biāo)和相對輻射定標(biāo)。絕對輻射校正需要確定大氣條件和傳感器角度等參數(shù)，由于相關(guān)參數(shù)的獲取比較困難，處理過程也比較復(fù)雜，因此，不易實現(xiàn)。而相對輻射校正，以一副圖像為基準(zhǔn)，把其它數(shù)據(jù)序列集圖像映射投影變換到基準(zhǔn)亮度空間，比較容易實現(xiàn)。在變化檢測中，大都應(yīng)用相對輻射校正。目前常用的相對輻射校正方法主要包括非線性校正法和線性回歸法。2021/10/10星期日10圖像濾波由于遙感器在成像過程中產(chǎn)生隨機分布在圖像各部分或明或暗的斑點，與一些細小的地物目標(biāo)摻雜在一起，尤其是SAR圖像受斑點噪聲干擾，破壞了圖像的紋理結(jié)構(gòu)，給遙感圖像解譯帶來困難。對遙感圖像進行濾波處理時，如果是光學(xué)遙感圖像，由于受斑點噪聲干擾較少，其噪聲的統(tǒng)計分布接近于加性高斯分布，一般采用簡單的均值濾波或中值濾波來完成濾波處理。如果是SAR圖像，由于受乘性斑點噪聲干擾較為嚴(yán)重，常采用如Lee、增強Lee、Kuan及Frost等濾波算法。2021/10/10星期日11圖像增強圖像增強是增強圖像中的有用信息，它可以是一個失真的過程，其目的是要改善圖像的視覺效果，針對給定圖像的應(yīng)用場合，有目的地強調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需要。2021/10/10星期日12希臘南部的伯羅奔尼撒半島分別在1998.04（左）和1998.09（右）拍攝的照片，圖中已經(jīng)經(jīng)過預(yù)處理。2021/10/10星期日13SAR圖像變化檢測方法從算法的角度可將目前變化檢測的方法分為五類:(1)基于簡單代數(shù)運算的變化檢測；(2)基于圖像變換的變化檢測；(3)基于圖像分類的變化檢測；(4)基于圖像融合的變化檢測；(5)基于結(jié)構(gòu)特征分析的變化檢測。2021/10/10星期日14基于簡單代數(shù)運算的變化檢測基于代數(shù)運算的變化檢測技術(shù)包括圖像差值(imagedifferencing)、圖像比值(imageratio)、植被指數(shù)(NDVI)、圖像回歸(imageregression)等。2021/10/10星期日15基于簡單代數(shù)運算的變化檢測（1）圖像差值法

圖像差值法是最簡單、最常用的一種變化檢測方法，其基本原理是將不同時間獲取的兩幅影像進行配準(zhǔn)，然后將圖像中對應(yīng)像元的灰度值相減，從而獲得一幅新的差異圖像以表示在所選兩個時間當(dāng)中目標(biāo)區(qū)所發(fā)生的變化。它既可以用于單波段圖像也可以用于多波段圖像，用公式表示如下：

其中i,j為像素坐標(biāo)值，k為波段，為k波段圖像點（i,j）的像素灰度值，t1,t2為第一幅、第二幅圖像時間，C為常量。圖像差值法的優(yōu)點在于理論相對簡單、直接，容易理解和掌握，但常常只能定量地描述目標(biāo)區(qū)是否發(fā)生了變化，而很難確定目標(biāo)區(qū)域發(fā)生變化的性質(zhì)。為了能確定變化的性質(zhì)還需結(jié)合其他方法進行分析，從而獲得最終的目標(biāo)區(qū)變化信息。另一方面，由于相同地物在不同時相的光譜特征往往是不同的，因此變化閾值需要根據(jù)實際情況選取。2021/10/10星期日16基于簡單代數(shù)運算的變化檢測（2）圖像比值法

圖像比值法是對不同時期的配準(zhǔn)后的圖像對應(yīng)像素進行比值，從而得到比值圖像。將兩幅同一地區(qū)采自不同時期的配準(zhǔn)后的圖像在每個波段求出對應(yīng)像素的比值，從而可以得到下式：

如果兩幅像素的對應(yīng)像素灰度值相同，則有，表示沒有發(fā)生變化；而對于變化區(qū)域，根據(jù)變化方向的不同，比值會遠大于1或遠小于1。比值法和差值法一樣簡單，對SAR圖像上的乘性噪聲是不敏感的。應(yīng)用的關(guān)鍵是在兩個方向上選擇合適的閾值。比值法的理論假設(shè)是比值圖像呈正態(tài)分布，通常采用均值和標(biāo)準(zhǔn)偏差作為標(biāo)準(zhǔn)劃分變化與非變化區(qū)域，但對于很多實際問題該假設(shè)并不總是成立的，這時變化閾值的選擇就成為比值法變化檢測是否有效的關(guān)鍵。比值法和差值法一樣都直觀，容易掌握，變化檢測速度快，但這種方法過于簡單，很難考慮到所有因素的影響，容易造成大量信息的流失，同時該方法對圖像的配準(zhǔn)精度要求很高。2021/10/10星期日17基于簡單代數(shù)運算的變化檢測（3）圖像對數(shù)比值法

近年來，在SAR圖像變化檢測中，一些研究者將圖像比值法進行推廣，提出了對數(shù)比值法（在得到對應(yīng)像素的比值后，再對其取對數(shù)），可以先將SAR圖像中乘性噪聲轉(zhuǎn)化成加性噪聲，便于對SAR圖像進行有效地去噪。因此該方法在SAR圖像的變化檢測中得到了廣泛的應(yīng)用。圖像對數(shù)比值可以表示為：

2021/10/10星期日18基于簡單代數(shù)運算的變化檢測（4）圖像均值比值法在圖像比值法的基礎(chǔ)上，圖像均值比值法在對應(yīng)像素灰度值相除之前加入了鄰域信息，使得差異影像圖比較接近于實際情況，而且也減少了斑點噪聲的影響。所得到的圖像均值比值法的公式如下：其中N為橫軸和縱軸的鄰域大小。2021/10/10星期日19基于比值的方法Lowvaluescorrespondtohomogeneousareas,whilehighvaluesrefertoheterogeneousareas.Alowvalueof?indicatesthatthislocalareaishomogeneous,sothesecondpartof(2)playsaleadroletoproduceadifferenceimage.Ahighvalueof?indicatesthatthislocalareaisheterogeneous,sothefirstpartof(2)playsaleadroletoproduceadifferenceimage.2021/10/10星期日20基于簡單代數(shù)運算的變化檢測（5）圖像回歸法

回歸分析方法首先假定兩期影像線性相關(guān)，也就是說兩期影像中，多數(shù)像元變化不大。該方法通過最小二乘法進行回歸分析，然后再用回歸方程計算出的預(yù)測值減去影像真實值，從而獲得兩期影像的回歸差值影像，利用該影像可以反映土地覆蓋變化信息。設(shè)圖像Xt1與Xt2分別表示同一場景在t1與t2時段獲取的SAR圖像，則圖像回歸法的公式可以表示如下：

其中，i、j表示像素坐標(biāo)，k、b表示常數(shù)，通過最小均方方法估計得到k、b后，然后根據(jù)xij(t1)來預(yù)測xij(t2)，最后通過門限來檢測變化像素點。回歸分析方法解決了不同時相影像像元均值和方差的差異，處理后的遙感影像數(shù)據(jù)在一定程度上類似于相對輻射校正，因而能夠減小多時相影像數(shù)據(jù)中由于大氣條件和太陽高度角的不同所帶來的不利影響。2021/10/10星期日21基于簡單代數(shù)運算的變化檢測（6）植被指數(shù)法植被指數(shù)(NDVI)是為了從來自地球遙感觀測衛(wèi)星的圖像數(shù)據(jù)中了解全球植被分布狀況的指標(biāo)，它將遙感圖像中不同波段的灰度值進行各種組合運算，計算反映植被的常用比率和指數(shù)。目前常用的植被指數(shù)有NDVI、TNDVI等幾種，如歸一化差異植被指數(shù)常用來對土地利用進行動態(tài)變化檢測。利用植被對光學(xué)傳感器的近紅外波段與紅外波段的明顯的響應(yīng)差(植被吸收紅外波段，強烈反射近紅外波段)，通過這兩個波段的比值突出植被變化信息，再通過閾值提取植被信息和非植被信息，能夠很好地反映地面植被的覆蓋情況。2021/10/10星期日22基于簡單代數(shù)運算的變化檢測方法總結(jié)基于代數(shù)運算的變化檢測技術(shù)的優(yōu)點是相對簡單、直接，其關(guān)鍵是確定閾值。由于現(xiàn)在還沒有一種可靠的閾值選取方法，因此常常采用交互的方法確定變化閾值。這類方法的不足是難以確定變化的類別和不能對變化信息進行描述。2021/10/10星期日23基于圖像變換的變化檢測基于圖像變換的變化檢測方法主要包括主成分分析(PCA)、相關(guān)系數(shù)法、變化向量分析(changevectoranalysis)法和內(nèi)積分析法等。（1）主成分分析法主成分變換又稱為主分量分析，它是建立在統(tǒng)計特征基礎(chǔ)上的多維正交線性變換，是一種離散的K-L變換。它應(yīng)用于遙感圖像處理中，其作用主要是數(shù)據(jù)壓縮、圖像增強和特征選取等。一幅多波段遙感圖像的不同波段之問往往存在著很高的相關(guān)性，對其進行主成分變換的實質(zhì)是將具有相關(guān)性的多波段數(shù)據(jù)壓縮到完全獨立的較少的幾個波段上，使新圖像數(shù)據(jù)更易于解譯。將不同時相的多波段數(shù)據(jù)經(jīng)主成分變換后，新圖像中各主分量正交即各主分量之間的相關(guān)系數(shù)為零或接近零，并且新圖像中的幾個主分量就包含了原始遙感影像中的絕大部分信息。一般來說，第一主分量包括了原始多波段影像信息的絕大部分內(nèi)容，相當(dāng)于原來各波段的加權(quán)和，每個波段的權(quán)值與該波段的方差大小成正比。其他各主分量所包括的信息逐漸減少，相當(dāng)于相關(guān)程度較低的波段之問的差異。因此，對幾個變化后的主分量進行合成，就可以達到數(shù)據(jù)壓縮和突出變化信息的目的。2021/10/10星期日24基于圖像變換的變化檢測（2）相關(guān)系數(shù)法相關(guān)系數(shù)法是通過計算多時相圖像中對應(yīng)像素灰度的相關(guān)系數(shù)來確定兩時相圖像對應(yīng)像素的相關(guān)性。如果相關(guān)系數(shù)的值越接近于1，則說明對應(yīng)像素點的相關(guān)性越高，該像素屬于未變化類的可能性越大，反之，屬于變化類的可能性越大。設(shè)圖像Xt1與Xt2分別表示同一場景在t1與t2時段獲取的SAR圖像，則相關(guān)系數(shù)法的公式可以表示如下：

2021/10/10星期日25基于圖像變換的變化檢測（3）變化向量分析法變化向量分析法可以檢測出所有包含在不同時段多通道數(shù)據(jù)中的變化信息，對不同傳感器的數(shù)據(jù)都有很好的應(yīng)用效果。變化向量分析法是一種多變量的方法，它將不同時段的多通道圖像作為輸入數(shù)據(jù)，對每個圖像的這些通道構(gòu)成多維空間的坐標(biāo)軸。未發(fā)生變化的不同時相的數(shù)據(jù)處于度量空間中相同的點位，而發(fā)生變化的不同時相的數(shù)據(jù)處于度量空間中不同的點位，每個像素的變化可以由其變化方向和變化強度來描述。2021/10/10星期日26基于圖像變換的變化檢測（4）內(nèi)積分析法內(nèi)積分析法是將像素灰度值看作多通道的向量，兩個向量之間的區(qū)別通過兩個向量間夾角的余弦來表示，如果兩個向量彼此一致，則內(nèi)積為1；如果兩個不同時期的對應(yīng)像素發(fā)生了變化，內(nèi)積就在-1和1之間變動，這樣就根據(jù)內(nèi)積的不同值來體現(xiàn)圖像的變化。設(shè)圖像Xt1與Xt2分別表示同一場景在t1與t2時段獲取的SAR圖像，則內(nèi)積分析法的公式可以表示如下：表面反射值的差異可以表示為：由于有-1<d<1,內(nèi)積可以用下式表示：2021/10/10星期日27基于圖像分類的變化檢測這類變化檢測主要有分類后比較(post-classification)和多時相圖像同時分類兩種方法。這類方法可以提供變化的種類信息，并且可以減少大氣等外部因素對變化檢測的影響。然而，這類方法需要選擇足夠的高精度的學(xué)習(xí)樣本，而這對于歷史數(shù)據(jù)是非常困難的，且基于分類的變化檢測性能受分類結(jié)果的影響很大。（1）分類后比較法

分類后比較法也是目前遙感變化檢測中應(yīng)用較廣泛的一種方法，其原理是對兩個不同時相的影像進行單獨分類，然后在已經(jīng)分類的區(qū)域中逐像素比較以確定變化信息的位置和類型。2021/10/10星期日28分類后比較法是一種很直觀的變化檢測方法，要求對每一個圖像單獨進行分類，然后對多時相圖像的分類結(jié)果圖像進行比較，檢測出感興趣的地物變化信息，而且可以提供變化信息類型。如果對應(yīng)像素的類別標(biāo)簽相同，則認(rèn)為該像素沒有發(fā)生變化，否則認(rèn)為該像素發(fā)生了變化。分類后的圖像可以用人工視覺比較或計算機比較。由于不同時相是獨自進行分類的，因而可以消除大氣、傳感器、季節(jié)和地面環(huán)境等因素對不同時相圖像的影響。最小化地減少非地物變化因素的影響，能夠提供變化的類別信息。由于這種方法的變化檢測結(jié)果的精度取決于分類結(jié)果精度，從而會導(dǎo)致變化檢測誤檢進行疊加。因此，分類后比較法的檢測結(jié)果的精度不高。2021/10/10星期日29T1時相影像T2時相影像分類分類T2時相分類結(jié)果比較分析檢測結(jié)果T1時相分類結(jié)果分類后比較法流程圖2021/10/10星期日30基于圖像分類的變化檢測（2）多時相圖像同時分類法這種方法是將兩個或多時相的遙感圖像數(shù)據(jù)放在一個數(shù)據(jù)庫中同時進行分類。出現(xiàn)變化的類別，其數(shù)據(jù)的統(tǒng)計量如標(biāo)準(zhǔn)偏差等將很大，而未發(fā)生變化的類別其數(shù)據(jù)的標(biāo)準(zhǔn)方差很小，因此通過統(tǒng)計量的比較可以區(qū)分出類別變化與否?？梢钥吹剑@是一種比較復(fù)雜的方法，因為它常常需要很多類和特征。而這其中有一些很可能是冗余信息，可以通過主成分變換等方法去除冗余。另外一個問題是，在合成的數(shù)據(jù)庫中，時間特征和光譜特征具有同等地位，因此，分類中很難將光譜變化和時間變化輕易區(qū)分開來。2021/10/10星期日31基于圖像分類的變化檢測（3）基于人工神經(jīng)網(wǎng)絡(luò)的變化檢測人工神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練樣本估計數(shù)據(jù)的屬性，是一種非參數(shù)的監(jiān)督方法。首先需要輸入不同時相的數(shù)據(jù)用于訓(xùn)練網(wǎng)絡(luò)，并且通過后向傳播算法訓(xùn)練多層感知神經(jīng)網(wǎng)絡(luò)。這種方法需要解決的關(guān)鍵問題是確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和選擇合適的訓(xùn)練樣本。不足是隱含層的屬性難于獲知，需要很長時間用于訓(xùn)練網(wǎng)絡(luò)，并且人工神經(jīng)網(wǎng)絡(luò)的性能對訓(xùn)練樣本的選擇非常敏感。2021/10/10星期日32基于圖像融合的變化檢測方法

圖像融合是近年來的熱點研究領(lǐng)域，它主要通過對同一場景的多幅源圖像信息進行有機結(jié)合，從而得到蘊含更多有價值信息的新圖像的過程?；谌诤纤枷氲淖兓瘷z測方法通過將各種基本變化檢測方法的優(yōu)勢融合為一體，提高變化檢測的精度，如Melgani等于2006年對直接差值圖用五種不同的閾值分別分割，然后用模型對五種不同的分割結(jié)果進行融合，取得了優(yōu)于五種閾值法的結(jié)果。Bovolo和Bruzzonel提出了一種效果比較理想的變化檢測方法“基于多尺度融合的SAR圖像變化檢測方法”。Moser和Serpic于2009年對多波段SAR圖像的各波段的紋理信息分別建模，然后利用Markov模型進行融合，實現(xiàn)了多波段SAR圖像的變化檢測，取得了較好的結(jié)果。該類方法的核心在于融合對象的選取和融合規(guī)則的制定。現(xiàn)有的基于融合的變化檢測方法主要在于多尺度的融合、多閾值結(jié)果的融合和多波段信息的融合。在差異影像圖的構(gòu)建過程中，將不同變化檢測方法進行融合的研究較少。2021/10/10星期日33基于結(jié)構(gòu)特征分析的變化檢測方法

基于結(jié)構(gòu)特征分析的變化檢測方法是指運用不同算法從初始圖像中提取特征信息（如邊緣、形狀、輪廓、紋理等），然后對這些特征信息進行綜合分析檢測，最后得到結(jié)果圖。

特征的提取與分析比較是該類算法的難點。該類方法需要對圖像進行基元特征提取，利用所得到的邊緣、形狀或紋理等基元特征進行檢測，所以檢測的性能在很大程度上依賴于基元特征提取算法。然而，不論是邊緣、形狀或紋理特征提取，到目前為止都還處于不斷探索和研究之中，基元特征提取并沒有得到很好地解決。因此，在實際應(yīng)用中，基于結(jié)構(gòu)特征的變化檢測的方法受到了一定限制。2021/10/10星期日34變化檢測的精度評估

評價某種變化檢測方法性能的客觀依據(jù)是對變化檢測結(jié)果進行確切而有效的量化分析。目前，變化檢測的性能評估包括地物結(jié)構(gòu)的變化和地物類別的變化，主要集中在地物結(jié)構(gòu)變化的分析上。針對地物結(jié)構(gòu)變化的性能評估中的主要是在像素級的評估上。在像素級的性能評估中，對于具有參考圖的實驗數(shù)據(jù)，可以估算一下評價指標(biāo)進行變化檢測結(jié)果精度分析：（1）漏檢像素數(shù)（FN）：統(tǒng)計實驗結(jié)果圖中發(fā)生變化區(qū)域的像素個數(shù)，與參考圖中變化區(qū)域的像素個數(shù)進行對比，把參考圖中發(fā)生變化但實驗結(jié)果圖中檢測為未變化的像素個數(shù)，稱為漏檢像素數(shù)FN；

2021/10/10星期日35(2)誤檢像素數(shù)(FP)：統(tǒng)計實驗結(jié)果圖中未發(fā)生變化區(qū)域的像素個數(shù)，與參考圖中未變化區(qū)域的像素個數(shù)進行對比，把參考圖中未發(fā)生變化但實驗結(jié)果圖中檢測為變化的像素個數(shù)，稱為誤檢像素數(shù)FP；(3)總檢測錯誤數(shù)(OE)：等于漏檢像素數(shù)和誤檢像素數(shù)的和；(4)正確檢測率(PCC)：正確測得的目標(biāo)數(shù)即等于參考圖中發(fā)生變化且實驗結(jié)果圖中檢測為變化的像素數(shù)TP與參考圖中未發(fā)生變化且實驗結(jié)果圖中檢測為未變化的像素數(shù)TN與圖像的總像素個數(shù)之比，如下式所示：盡管通過量化性能比較可以客觀地反映出不同變化檢測方法的性能，然而，這種量化方法是在具有地物變化參考圖的基礎(chǔ)上進行的，而在實際情況中，由于實際野外勘測的地理條件、數(shù)據(jù)采樣采集等的限制，往往無法實際獲取。因此，評價一種變化檢測方法很多時候是通過主觀視覺比較分析的方式實現(xiàn)的。2021/10/10星期日36實例展示基于非局部差異圖和譜聚類的SAR圖像變化檢測譜聚類算法是基于譜圖劃分理論的基礎(chǔ)上的，所以該算法比傳統(tǒng)的聚類算法更加準(zhǔn)確，也實現(xiàn)了在任意形狀的樣本空間實現(xiàn)聚類，獲得了全局最優(yōu)解。這種聚類方法是利用樣本數(shù)據(jù)集來得到一個描述成對數(shù)據(jù)點相似度的親合矩陣,再根據(jù)計算出的特征值和特征向量,選擇合適的特征向量來聚類。現(xiàn)在比較流行的譜聚類算法有：由Shi和Malik提出的SM算法和MS算法,，由Kannan，Vetta和Vempala提出的KVV算法，由Ng，Jordan和Weiss提出的NJW算法等。這些算法中NJW算法最為流行，因此這里我們選擇NJW譜聚類算法來進行實驗。2021/10/10星期日37NJW譜聚類算法流程1.輸入一個RK中的樣本集X={x1,x2,…,xn}，類別數(shù)為c;2.構(gòu)造該樣本集的相似度矩陣,定義：當(dāng)?shù)臅r候,而3.定義對角矩陣D，其中第(i,i)個元素為矩陣的第i行的元素之和，并構(gòu)造拉布拉斯矩陣4.找到矩陣L的前c個最大的特征值對應(yīng)的特征向量w1,w2,…,wc(如果特征值相等，取兩兩正交的向量），并按列映射到矩陣5.重新按行歸一化W到單位長度，構(gòu)造矩陣Y，也就是2021/10/10星期日386.將Y中的每一行看成是R中的一個點，通過k-均值或其他算法將它們聚類到c類中；7.如果矩陣Y的第i行被歸到第j類，則將數(shù)據(jù)點xi歸到第j類；8.輸出樣本集X中的所有樣本點對應(yīng)的類標(biāo)：{l1,l2,…,lN}。2021/10/10星期日39本文算法流程輸入：同一場景中大小相同，時段不同的兩幅SAR圖像T1和T2作為測試圖像(1)利用的差值方法構(gòu)造兩幅測試圖像T1和T2的差分子圖D1；(2)使用構(gòu)造兩幅測試圖像T1和T2的差分子圖D2；M是非局部搜索的尺寸;2021/10/10星期日40(3)使用公式對差分子圖D1和差分子圖D2進行融合，生成差異圖D；(4)使用NJW譜聚類算法，將差異圖D的像素聚類，得到變化檢測結(jié)果圖。

前面三個步驟即為我們提出的非局部差異圖構(gòu)造方法。非局部差異圖方法充分的利用了圖像像素的空域領(lǐng)域信息和像素的灰度相似性信息，可以很好的抑制斑點噪聲且充分的克制了傳統(tǒng)的差異圖方法的缺點，而且，在本算法中第一次應(yīng)用譜聚類算法到變化檢測領(lǐng)域。2021/10/10星期日41實驗用圖和參考圖

Ottaw圖像及參考圖：（a）1997.05;（b）1997.08;(c)參考圖

Berma圖像及參考圖：（a）1999.4;（b）1999.5;(c)參考圖202