汶川地震的分类算法与检测

本专著主要的研究内容是MRF框架下PolSAR影像的分类与变化检测研究，随着SAR技术的发展，SAR数据越来越多，对其解译显得至关重要。在分析PolSAR影像的物理散射机制以及数理统计特性的基础上，并结合MRF，提出了在MRF框架下基于像素级以及区域级的PolSAR分类算法；同时，利用光学与SAR两种不同的数据源，提出了一种对房屋变化检测的新方法。

具体概括起来，主要工作有：

(1)提出一种基于Wishart分布模型的马尔可夫随机场多极化SAR图像分割方法。该方法将H/α/A分解并与马尔可夫随机场相结合起来，首先利用地物的散射机制采用H/α/A分解进行初始分割；然后由基于Wishart分布的最大似然法进行迭代聚类更新分割结果；最后采用WMRF(Wishart马尔可夫场)方法，并用模拟退火的方法(SA)求取最大后验准则下的分割结果。NASA/JPL实验室数和ESAR数据的结果表明，该方法分割精度高，区域性好。

(2)提出一种新的结合Freeman分解和散射熵的马尔可夫场(Markov Random Field)模型多极化SAR影像分割算法。该算法采用Freeman分解理论，将其分为表面散射、偶次散射、体散射、混合散射4种散射机制，并通过H/α分解提取散射熵，将地物初始分为12类，并运用聚合的层次聚类算法对初始分类结果进行合并；最后用Wishart分布对特征场进行建模，采用模拟退火优化方法求取基于最大后验准则下的分割结果。NASA JPL和E-SAR数据对算法进行了验证，实验结果证实了算法的优越性。 (www.xing528.com)

(3)针对多极化SAR影像由于受到相干斑噪声影响导致分类精度较低，提出一种基于均值漂移和多尺度马尔可夫随机场的非监督分类算法。该算法首先由Mean-Shift算法得到最粗尺度的初始分类结果，然后由马尔可夫随机场对结果进行优化得到最粗尺度最终分类结果。将上一尺度的分类结果映射到下一尺度作为初始分类结果，然后由Wishart分布对极化协方差矩阵进行建模并采用迭代条件模式算法求取基于最大后验下分类结果。逐层映射，最细尺度的结果作为最终分类结果。详细给出了算法的基本原理和实施步骤，并采用E-SAR和AirSAR数据对算法进行了验证，实验表明，与同类算法相比较，该算法具有更高的分类精度。

(4)为削弱相干斑噪声对多极化SAR图像分类结果的影响，提出一种在马尔可夫框架下基于区域级分割的分类算法。该算法首先采用极化目标分解，得到特征向量，由均值漂移算法将图像分割为区域，并由区域增长算法对过分割区域进行合并；最后采用Wishart分布对特征场建模，运用期望最大算法估计相应参数，由迭代条件模式算法求取最大后验下的分类结果。选用NASA JPL和E-SAR极化数据进行了实验，结果表明,该算法优于基于像素级和最大似然准则的分类算法。

(5)为了分析地震后建筑物毁伤程度，提出一种结合灾前高分辨率光学影像和灾后高分辨率SAR特性的评估方法。首先，通过震前高分辨率光学影像提取矩形建筑物的位置，长、宽、高等三维信息；然后，通过GPU加速的方式对建筑物进行雷达影像模拟；最后，通过计算仿真SAR影像与震后灾区雷达真实影像的相似性，判断建筑物是否毁伤。选取 2008年四川汶川5.12地震时的超高分辨率遥感影像，对算法进行了验证，实验证实了算法的可行性与有效性。