一种基于鲁棒PCA的用于小型SAR图像数据集的迭代变化检测方法

《IEEE Transactions on Geoscience and Remote Sensing》：AAn Iterative Change Detection Method Based on Robust PCA for Small SAR Image Datasets

　　

摘要：

本文提出了一种基于鲁棒低秩与稀疏矩阵分解的合成孔径雷达图像迭代变化检测方法，即鲁棒主成分分析。与传统基于RPCA的变化检测方法不同，该方法无需使用固定的参考图像和监测图像对，而是逐步整合多幅参考图像，并在每次迭代中自适应调整正则化参数。这种迭代方式能够更好地区分静态杂波与稀疏变化，从而显著降低误报率。此外，该文还探讨了将RPCA扩展到张量上的形式——张量鲁棒主成分分析，使其可应用于多时相、多维度的SAR数据集。实验使用了瑞典CARABAS-II系统提供的真实SAR数据，结果表明，相较于基于一对SAR图像的非迭代变化检测方法，以及基于SAR图像堆叠的变化检测方法，所提出的迭代方法性能更优，说明在SAR图像获取困难且成本较高的情况下，迭代方法是一种有效的解决方案。