基于SSA-RF的SAR图像变化检测方法

为了提高合成孔径雷达(Synthetic Aperture Radar, SAR)图像变化检测精度,提出一种基于麻雀搜索算法优化随机森林(Sparrow Search Algorithm-Random Forest, SSA-RF)的SAR图像变化检测方法。该方法首先通过对数比值法得到两时相SAR图像的差异图,然后在差异图预处理后进行层次模糊C均值(Fuzzy C-means, FCM)聚类预检测,生成有效标签。最后,利用标签训练随机森林二次检测模型,并采用麻雀搜索算法对随机森林进行参数优化构建性能稳定的分类器,得到差异图变化类与不变化类的分类结果,从而实现SAR图像的变化检测。实验结果表明,该方法较好地保留了变化区域信息,有效提高了SAR图像的变化检测精度。