(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210520453.1 (22)申请日 2022.05.13 (71)申请人 北京科技大 学 地址 100083 北京市海淀区学院路3 0号 申请人 清华大学 (72)发明人 殷君君　张秀婷　杨健　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 专利代理师 张仲波 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01)G06K 9/62(2022.01) (54)发明名称 一种基于物理散射机制的变化检测方法 (57)摘要 本发明公开了一种基于物理散射机制的变 化检测方法， 包括： 获取待检测的全极化SAR图 像； 对所述待检测的全极化SAR图像进行预处理； 基于预处理后的数据， 得到所述待检测的全极化 SAR图像对应的基于物理散射机制的参数αB和 极化总功率span； 基于待检测的全极化SAR图像 的αB和span， 获得差异图算子， 得到差异图； 对 所述差异图进行PCA和k ‑Means聚类， 得到变化 图， 实现变化检测任务。 本发明可提高检测率、 降 低虚警， 且可使变化目标保持较好边缘形状。 并 可检测更加精细的变化细 节信息， 同时受散射随 机性的影响更小， 检测性能鲁棒 性更强。 权利要求书3页 说明书10页 附图5页 CN 114898224 A 2022.08.12 CN 114898224 A 1.一种基于物理散射机制的变化检测方法， 其特 征在于， 包括： 获取待检测的全极化SAR图像； 其中， 所述待检测的全极化SAR图像包括预设区域的第 一时相全极化SAR图像和预设区域的第二时相全极化SAR图像； 对所述待检测的全极化SAR图像进行 预处理； 基于预处理后的数据， 得到所述待检测的全极化SAR图像对应的基于物理散射机制的 参数αB和极化总功率span； 基于待检测的全极化SAR图像的αB和soan， 获得差异图算子， 得到 差异图； 对所述差异图进行PCA和k ‑Means聚类， 得到变化图， 实现变化检测任务。 2.如权利要求1所述的基于物 理散射机制的变化检测方法， 其特征在于， 所述第 一时相 全极化SAR图像和所述第二时相全极化SAR图像分别包括HH， VV， HV， VH四种极化通道数据； 其中， H表示水平极化， V 表示垂直极化。 3.如权利要求2所述的基于物 理散射机制的变化检测方法， 其特征在于， 对所述待检测 的全极化SAR图像进行 预处理， 包括： 从待处理图像 中依次读取每个像素点所对应的S矩阵； 其中， 所述待处理图像为所述第 一时相全极化SAR图像或所述第二时相全极化SAR图像； 利用Paul i基进行共 轭相乘， 将 读取的S矩阵转 化为需要的相干矩阵T； 对转化出的T矩阵进行精细Le e滤波， 得到滤波处 理之后的数据； 所述基于预处理后的数据， 得到所述待检测的全极化SAR图像对应的基于物理散射机 制的参数αB和极化总功率span， 为： 基于精细Le e滤波后的T矩阵， 得到所述待处 理图像对应的αB和span。 4.如权利要求3所述的基于物理散射机制的变化检测方法， 其特征在于， S矩阵的表达 式为： 其中， SHH表示水平方式发射、 水平方式接收的极化通道数据， SHV表示水平方式发射、 垂 直方式接收的极化通道数据， SVH表示垂直方式发射、 水平方式接收的极化通道数据， SVV表 示垂直方式发射、 垂直方式接收的极化 通道数据。 5.如权利要求4所述的基于物 理散射机制的变化检测方法， 其特征在于， 所述相干矩阵 T的表达式为： 权　利　要　求　书 1/3 页 2 CN 114898224 A 2其中， k为Pauli基， 上标H表示共 轭转置， *表示复共 轭， <·>表示求均值。 6.如权利要求3所述的基于物 理散射机制的变化检测方法， 其特征在于， 所述对转化出 的T矩阵进行精细Le e滤波时， 滤波窗口大小为3 ×3。 7.如权利要求5所述的基于物 理散射机制的变化检测方法， 其特征在于， 所述基于预处 理后的数据， 得到所述待检测的全极化SAR图像对应的基于物理散射机制的参数αB和极化 总功率span， 包括： 通过下式计算αB： 其中， T11、 T22、 T33为精细Le e滤波后的T矩阵中的对角元 素； 通过下式计算span： span＝T11+T22+T33＝ λ1+λ2+λ3 其中， λ1、 λ2、 λ3为精细Le e滤波后的T矩阵的特 征值， 并且 满足λ1＞ λ2＞ λ3≥0。 8.如权利要求1所述的基于物 理散射机制的变化检测方法， 其特征在于， 基于待检测的 全极化SAR图像的αB和span， 获得差异图算子， 包括： 通过下式基于待检测的全极化SAR图像的αB和span， 计算差异图算子 Δ(1)： 其中， span(1)表示所述第一时相全极化SAR图像的span值， span(2)表示所述第二时相全 极化SAR图像的span值， 表示所述第一时相全极化SAR图像的αB值， 表示所述第二 时相全极化SAR图像的αB值。 9.如权利要求1所述的基于物 理散射机制的变化检测方法， 其特征在于， 对所述差异图 进行PCA和k ‑Means聚类， 得到变化图， 包括： 将所述差异图分割为h ×h个不重叠的图像块； 其中， h取值 为4； 在分割出的h ×h个不重叠的图像块上使用主成分分析技术PCA提取M个正交特征向量， 从而产生特 征向量空间； 其中， M ≤h2， M取值为3； 将h×h的差异图投影到生成的特 征向量空间； 利用k‑Means算法， 将特 征向量空间聚为变化和未变化两类； 根据每个像素的特征向量与簇均值特征向量的最小欧氏距离， 将差异图的每个像素分 到最近的簇内， 最终产生变化图。 10.如权利要求1～9任一项所述的基于物理散射机制的变化检测方法， 其特征在于， 在 对所述差异图进 行PCA和k‑Means聚类， 得到变化图， 实现变化检测任务之后， 所述基于物理 散射机制的变化检测方法还 包括：权　利　要　求　书 2/3 页 3 CN 114898224 A 3