中低分辨率SAR影像Otsu变化检测：多纹理特征分析

"中低分辨率合成孔径雷达影像多纹理特征的Otsu变化检测" 本文主要探讨了在中低分辨率的合成孔径雷达（SAR）影像中如何进行有效的变化检测，利用灰度共生矩阵（Gray Level Co-occurrence Matrix, GLCM）提取纹理特征并结合Otsu阈值分割方法。合成孔径雷达是一种主动式的遥感技术，不受光照条件限制，能在全天候条件下获取地表信息，因此在变化检测中具有独特优势。 首先，作者指出，针对中低分辨率的SAR影像，其纹理特征对于变化检测至关重要。纹理特征能够反映地表结构的复杂性，有助于区分不同的地物类型。通过GLCM，可以从多个方向和距离上分析像素间的灰度共生关系，从而得到一系列纹理指标，如均值、对比度、熵等，这些指标反映了地物表面的纹理特性。 在实验部分，作者提取了不同大小纹理窗口的纹理特征，构建了差异影像。差异影像能够突出显示地物间的差异，是变化检测的关键步骤。然后，通过应用Otsu自动阈值选择方法，将差异影像分割成变化区域和未变化区域。Otsu方法基于图像的类间方差最大化，可以自动找到最佳分割阈值，以区分前景和背景，从而准确识别出变化区域。 实验结果显示，当检测的地物类型较为单一且变化明显时，选择合适的纹理特征（例如均值）与纹理窗口大小相结合，可以有效地提高中低分辨率SAR影像变化检测的精度。这种方法尤其适用于地表变化检测，如城市扩张、植被覆盖变化、滑坡等地质灾害监测等领域。 该研究提出了一种利用SAR影像的多纹理特征结合Otsu方法进行变化检测的策略，为中低分辨率SAR影像的应用提供了新的思路。尽管这种方法在某些特定场景下表现出色，但可能在复杂地表或混合地物场景中面临挑战，未来的研究可能需要进一步探索更复杂的纹理分析方法和优化阈值选取策略，以提高在各种情况下的检测性能。