基于Rao检验的SAR影像变化检测方法
专利汇可以提供基于Rao检验的SAR影像变化检测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于Rao检验的SAR影像变化检测方法，适用于 图像处理 领域。其步骤为：获取同一地区两个时刻的两幅不同时相SAR影像，作出Rao检验的零假设H0和备择假设H1；计算H0约束条件下参数θ的极大似然估计值计算H0约束条件下参数θ的Fisher信息矩阵把H0约束条件下参数θ极大似然估计值代入H1约束条件下SAR影像I1和SAR影像I2同一 位置 包含N0个像元的邻域联合概率 密度 函数 计算 关于参数θ的偏导数；生成SAR影像I1和SAR影像I2基于Rao检验的差异影像DRao；通过差异影像 阈值 分割生成变化检测结果图。该方法基于Rao检验理论，具有完备的数学 基础 ，提高了从两幅SAR影像中检测地表 覆盖 信息变化区域的 精度 ；对SAR影像变化检测效果好。，下面是基于Rao检验的SAR影像变化检测方法专利的具体信息内容。
1.一种基于Rao检验的SAR影像变化检测方法，其特征在于包括如下步骤：
a获取覆盖同一地理区域经过配准和几何校正的两幅不同时相SAR影像I1和SAR影像I2；
b作出用于SAR影像变化检测的Rao检验零假设H0和备择假设H1；
c针对SAR影像I1和SAR影像I2，设置Rao检验的邻域窗口大小N，利用公式：
计算零假设H0约束条件下参数θ的极大似然估计值 其中 是H0约束条件
下SAR影像I1窗口大小为N的邻域内像元强度均值的极大似然估计值， 是H0约束条件下SAR影像I2窗口大小为N的邻域内像元强度均值的极大似然估计值，T为矩阵转置符号，参数θ＝[u1 u2]T是SAR影像I1和SAR影像I2相同位置窗口大小为N的邻域内像元强度均值组成的列向量，u1是SAR影像I1窗口大小为N的邻域内像元强度均值，u2是SAR影像I2窗口大小为N的邻域内像元强度均值；
d计算零假设H0约束条件下参数θ的Fisher信息矩阵
e把极大似然估计值 代入备择假设H1约束条件下SAR影像I1和SAR影像I2同一位置包含N0个像元的邻域联合概率密度函数 计算邻域联合概率密度函数 关于参
数θ的偏导数 其中 是数学中的偏导数符号，ln是计算自然对数的数学符
号，z是SAR影像I1和SAR影像I2同一位置包含N0个像元的邻域的观测值，N0＝N×N为窗口大小为N的邻域内像元数量；
f生成SAR影像I1和SAR影像I2基于Rao检验的差异影像DRao；
g采用最大化熵法确定差异影像DRao的分割阈值TD；
h利用阈值TD分割差异影像DRao，生成包含变化区域和不变化区域的二值变化检测结果图，并利用白色区域表示SAR影像I1和SAR影像I2之间的地表覆盖信息发生了变化，利用黑色的区域表示SAR影像I1和SAR影像I2之间的地表覆盖信息没有发生变化，最终直观的将SAR影像I1和SAR影像I2之间的地表覆盖变化信息展现出来。
2.根据权利要求1所述的基于Rao检验的SAR影像变化检测方法，其特征在于：所述步骤b中零假设H0和备择假设H1均为假设，其中零假设H0为SAR影像I1和SAR影像I2之间的地表覆盖信息发生了变化，SAR影像I1和SAR影像I2之间的有效散射截面积不同，具有未知的模式；
备择假设H1为：SAR影像I1和SAR影像I2之间的地表覆盖信息没有发生变化，SAR影像I1和SAR影像I2之间的有效散射截面积相同。
3.根据权利要求1所述的基于Rao检验的SAR影像变化检测方法，其特征在于：所述步骤c中零假设H0约束条件下参数θ的极大似然估计值 的元素 计算公式为：
式中：N0＝N×N为窗口大小为N的邻域内像元数量，zn，i是第i幅影像中位置为n的像元强度值。
4.根据权利要求1所述的基于Rao检验的SAR影像变化检测方法，其特征在于：所述步骤d中Fisher信息矩阵 是大小为2×2的矩阵，位置(p，q)处矩阵元素 的计算公式为：
式中，p＝1，2，q＝1，2，v为等效视数，N0＝N×N为窗口大小为N的邻域内像元数量，zn，p为第p幅影像中位置为n的像元强度值，zn，q为第q幅影像中位置为n的像元强度值，E为数学期望符号。
5.根据权利要求1所述的基于Rao检验的SAR影像变化检测方法，其特征在于：所述步骤e中 关于参数θ的偏导数 的计算公式为：
式中，v是等效视数，N0＝N×N为窗口大小为N的邻域内像元数量，u是备择假设H1约束条件下SAR影像I1和SAR影像I2同一位置包含N0个像元的邻域的实际均值。
6.根据权利要求1所述的基于Rao检验的SAR影像变化检测方法，其特征在于：所述步骤f中生成SAR影像I1和SAR影像I2基于Rao检验的差异影像DRao步骤如下：
f1 利用公式： 计算SAR影像I1和
SAR影像I2在同一位置(j，k)处包含N0个像元的邻域的Rao检验统计量tRao(j，k)，式中，z是SAR影像I1和SAR影像I2同一位置包含N0个像元的邻域的观测值， 是零假设H0约束条件下参数θ的Fisher信息矩阵 的逆矩阵；
f2 利用公式：DRao(j，k)＝tRao(j，k)生成差异影像DRao，式中，DRao(j，k)为差异影像DRao中位置(j，k)处的像元灰度值。
基于Rao检验的SAR影像变化检测方法
技术领域
背景技术
发明内容
SAR影像I1窗口大小为N的邻域内像元强度均值的极大似然估计值， 是H0约束条件下SAR影像I2窗口大小为N的邻域内像元强度均值的极大似然估计值，T为矩阵转置符号，参数θ＝T
[u1 u2]是SAR影像I1和SAR影像I2相同位置窗口大小为N的邻域内像元强度均值组成的列向量，u1是SAR影像I1窗口大小为N的邻域内像元强度均值，u2是SAR影像I2窗口大小为N的邻域内像元强度均值；
学符号，z是SAR影像I1和SAR影像I2同一位置包含N0个像元的邻域的观测值，N0＝N×N为窗口大小为N的邻域内像元数量；
具体实施方式
假设H0约束条件下参数θ＝[u1 u2]的极大似然估计值 的元素 式中：N0＝N×N为窗口大小为N的邻域内像元数量，zn,i是第i幅影像中位置为n的像元强度值， 是H0约束条件下SAR影像I1窗口大小为N的邻域内像元强度均值的极大似然估计值， 是H0约束条件下SAR影像I2窗口大小为N的邻域内像元强度均值的极大似然估计值，u1是SAR影像I1窗口大小为N的邻域内像元强度均值，u2是SAR影像I2窗口大小为N的邻域内像元强度均值，T为矩阵转置符号；
1,2，v是等效视数，N0＝N×N为窗口大小为N的邻域内像元数量，zn,p是第p幅影像中位置为n的像元强度值，zn,q是第q幅影像中位置为n的像元强度值，E为数学期望符号；
影像I1和SAR影像I2同一位置包含N0个像元的邻域联合概率密度函数， 是零假设H0约束条件下参数θ极大似然估计值，是数学中的偏导数符号，ln是计算自然对数的数学符号，z是SAR影像I1和SAR影像I2同一位置包含N0个像元的邻域的观测值，N0＝N×N为窗口大小为N的邻域内像元数量，v是等效视数，N0＝N×N为窗口大小为N的邻域内像元数量，u是备择假设H1约束条件下SAR影像I1和SAR影像I2同一位置包含N0个像元的邻域的实际均值；
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于CARS的断层扫描成像装置、检测系统及方法 | 2020-07-11 | 4 |
| 微波铁氧体元器件的时域谱元仿真方法 | 2021-07-25 | 2 |
| 一种实波束扫描雷达角超分辨方法 | 2021-08-02 | 0 |
| 面向大气散射邻近效应的图像去雾方法 | 2022-01-15 | 4 |
| 一种基于时空编码的任意比特可编程超材料设计方法 | 2020-09-15 | 2 |
| 基于激光后向散射多普勒频移的水中目标尾迹探测方法 | 2021-10-04 | 0 |
| 广义帕累托分布参数显式双分位点估计方法 | 2020-06-07 | 2 |
| 一种选择性激光烧结铺粉层厚测量及均匀性表征的方法 | 2020-07-15 | 4 |
| Methodology and apparatus for testing conductive adhesive within antenna assembly | 2021-03-10 | 1 |
| 구조체의 전자기 산란 특성을 계산하고 이의 기하학적 파라미터 및 재료 파라미터를 추정하기 위한 방법 및 장치 | 2020-10-17 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
