点击上方「城市遥感与地理智能」关注我们
题 目: Enhanced Edge Information and Prototype Constrained Clustering for SAR Change Detection
期 刊: IEEE Transactions on Geoscience and Remote Sensing
图1. 论文首页
1.成果简介
合成孔径雷达变化检测容易受到噪声的干扰，且难以确定变化区域的边界。此外，其无监督训练样本的选取方法中也存在类不平衡的问题。针对上述问题，南京大学杜培军教授课题组提出了结合增强边缘信息与原型约束聚类的SAR变化检测方法（EIPCNet），显著提高了在恶劣天气和光照条件下的变化检测能力， 增强了抗噪性，提高了变化检测精度。成果以Enhanced Edge Information and Prototype Constrained Clustering for SAR Change Detection为题发表在遥感领域期刊《IEEE Transactions on Geoscience and Remote Sensing》，论文第一作者为课题组博士后崔斌，现南京邮电大学物联网学院讲师。这一进展为SAR图像变化检测提供了新的技术路径和理论基础，对于推动遥感领域的深度学习应用具有重要意义。
2
论文导读
变化检测是遥感领域的关键研究与应用重点。其主要目的是通过对同一场景不同时间拍摄的图像进行比较分析来准确提取变化信息。SAR因其全天候和全天候的成像能力以及独特的成像特性而受到广泛关注。它有效地克服了恶劣成像条件下地球观测的局限性，并已广泛应用于自然灾害和资源监测，如洪水测绘，地震破坏评估，森林火灾探测和海冰监测，以及城市研究。但是SAR变化检测也面临着一系列的挑战，如边缘模糊、严重的噪声干扰以及样本不平衡等问题。这些问题共同构成了对变化检测精度和鲁棒性的重大考验。针对上述问题，本文提出一种基于增强边缘信息和原型约束聚类的自动化SAR变化检测框架。该框架引入了梯度基邻域比率（GNR）以增强差异图中的边缘信息，同时开发了用于预分类的原型约束分层聚类，以无监督方式获得了更准确的样本。在样本学习和预测阶段，提出了一种结合焦点损失和平均绝对误差损失（MAEL）的类平衡噪声容限变化检测网络，进一步解决了样本不平衡问题，增强了抗噪性，提高了变化检测精度。
3
研究方法
团队开发了一种自动化合成孔径雷达（SAR）变化检测框架（图2），核心构建在三大关键技术组件上：（1）增强边缘信息技术：通过梯度基邻域比率（GNR）强化差异图的边缘表达，以准确捕捉变化区域的边界；（2）原型约束聚类：结合原型约束的层次聚类算法，无监督地选取高质量且平衡的变化与未变化样本，确保了样本选择的准确性与代表性；（3）类平衡抗噪变化检测网络：设计了一种新型网络结构，有效整合了焦点损失和平均绝对误差损失（MAEL），旨在同时解决样本不平衡问题和提高模型对SAR图像固有噪声的鲁棒性。
(1) 梯度基邻域比率。梯度基邻域比率（GNR）通过计算每个像素及其邻域内像素的梯度信息，有效加强变化区域的边缘特征，同时压缩整体差异空间，增加变化和未变化类别之间的可分性。该方法充分利用了局部和全局梯度信息，不仅能有效抑制SAR图像固有的斑点噪声，还能在不丧失边缘细节的前提下，保留关键的变化信息。基于此，GNR显著提高了变化检测的准确性和鲁棒性，尤其在边缘模糊和严重噪声干扰的情况下表现出色。
(2) 原型约束的分层模糊局部信息C均值(PCH-FLICM)。PCH-FLICM算法（图3）通过引入原型约束和利用图像的局部信息，能够在多尺度下更加准确地进行样本分类，确保所选样本的高质量和类别平衡。此算法首先根据差异图的直方图分布初始化聚类中心，然后结合空间邻域信息对每个像素进行迭代分类，通过调整聚类中心来优化聚类结果。
(3) 类平衡抗噪变化检测网络。CBNTNet（图4）通过融合焦点损失和平均绝对误差损失（MAEL），处理了SAR图像变化检测中的两大挑战：样本不平衡和斑点噪声。这种混合损失函数不仅强化了模型对少数类（变化区域）的识别能力，减少了未变化区域被错误标记的情况，还提高了对噪声的容忍度，使得网络能够在保持高敏感性的同时减少误检。
4
实验数据集与研究结果
5
研究结论
研究开发了一种基于增强边缘信息和原型约束聚类的自动化SAR变化检测框架：EIPCNet，能够有效抑制噪声干扰并识别双时域图像对之间的变化。该方法的优势主要体现在三个方面。首先，提出了GNR差分提取算法，在抑制固有散斑噪声的同时，增强了差分图对边缘信息的差分表达能力。其次，针对样本不平衡问题，开发了PCH-FLICM聚类算法进行预分类，便于选择更平衡、更准确的变化和未变化样本。最后，构建了CBNTNet，以进一步平衡模型学习，增强抗噪性，并获得可靠的变化检测结果。综合实验结果和定量分析显著地说明了所提出的EIPCNet在变化检测方面的效率和有效性。
论文信息
供稿：崔 斌
点击阅读原文 了解更多详情
