一种基于张量自表示学习的SAR图像变化检测方法

本发明公开了一种基于张量自表示学习的SAR图像变化检测方法，包括：S1、对获取的多时相SAR图像数据进行预处理，并进行超像素分割；S2、对分割后的数据进行特征提取，构建变化特征张量；S3、对特征张量进行联合低秩和稀疏自表示建模，且通过自表示系数张量构建初始的变化差异图；S4、构建鲁棒背景检测模型，对变化差异图进行分类细化；S5、通过聚类或阈值分割算法输出二值变化结果图。根据本发明，有效地降低了变化边界处的不连续性和缝隙效应，使变化区域的轮廓更清晰、更准确，增强了变化区域和不变区域之间的可分性，具有广泛的应用前景和重要的社会价值。