基于高阶统计特征的多波段雷达图像变化检测方法，先输入不同时相的不同波段的SAR遥感图像，再对SAR图像进行预处理，然后对SAR图像进行滤波处理，再对两幅SAR图像进行归一化处理，然后对两幅SAR图像进行配准处理，分别获得各图像的高阶统计特征图，再获得两图像的联合高阶统计特征图；然后产生高阶统计特征差异图，在高阶统计特征差异图中产生检测阈值，再获得由高阶统计特征产生的变化信息，然后对两图像的高阶联合统计特征图进行处理，设置阈值，获取变化信息，对不同特征获得的变化信息进行融合处理，最后输出变化信息图，本发明能够有效地检测到不同时相不同波段SAR图像的变化信息。

1.基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，包括以下步骤：步骤1：输入不同时相的SAR遥感图像；步骤2：对SAR图像进行预处理；步骤3：对SAR图像进行滤波处理；步骤4：对两幅SAR图像进行归一化处理；步骤5：对两幅SAR图像进行配准处理；步骤6：分别获得各图像的高阶统计特征图；步骤7：获得两图像的联合高阶统计特征图；步骤8：产生高阶统计特征差异图，把步骤6中所获得的高阶统计特征图进行差值或比值运算，获得不同时相SAR图像的特征差异图。步骤9：在高阶统计特征差异图中产生检测阈值，具体步骤为，步骤9.1：获取特征差异图的直方图，通过直方图的波峰和波谷确定一个大概的阈值T1；步骤9.2：采用自适应的期望值最大化(Expectation Maximization,EM)算法对特征差异图进行处理，获得比较精细的阈值T2；步骤9.3：对步骤9.1和步骤9.2中阈值进行均值处理，获得最后的检测阈值T，即步骤10：获得由高阶统计特征产生的变化信息；由高阶统计矩特征差异图按步骤9的方法产生的阈值来获取变化信息，具体的判断函数为式中的C1表示获取的变化信息，(m,n)表示像素的空间坐标，FMD表示高阶矩特征差异图；获得由高阶统计累积量特征差异图产生的变化信息为C2；步骤11：对两图像的高阶联合统计特征图进行处理，设置阈值，获取变化信息，高阶联合统计特征包括高阶联合矩特征和累积量特征，对联合特征图按步骤9产生阈值，按步骤10进行判断检测，获得的变化信息用C3表示；步骤12：进行融合处理，变化信息的融合处理按式(21)数学模型进行处理，即C(m,n)＝α·C1(m,n)+β·C2(m,n)+γ·C3(m,n) (21)式中的C表示获取的最终的变化信息，α、β和γ表示权系数，它们分别设为0.25，0.25和0.5；步骤13：输出变化信息图。

2.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤2中对输入SAR图像进行预处理步骤为：对输入不同时相的SAR图像对分别进行辐射和几何校正处理。

3.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤3中对SAR图像进行滤波处理的具体步骤为；步骤3.1：选择相干性原理对SAR图像进行滤波处理，去除斑点噪声的同时能够有效保持边缘和几何细节信息；具体实现过程如下，先对SAR图像进行傅里叶变换，在频域内进行错位处理，获得两幅子图像，进行反傅里叶变换，进行相干处理，获得相干处理增强的图像，进行坐标变换，恢复到原坐标下的图像；步骤3.2：以图像中某点(m，n)为中心，设置一个卷积模板，其窗口大小为K×L，对窗口内的所有像素值进行均值处理，处理结果代替像素点(m，n)的值；所有的像素都按上述规则处理，直到全部像素处理完毕，设置窗口参数K＝L＝5；步骤3.3：把增强后的图像和均值滤波后的图像合成一幅新的SAR图像。

4.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤4中对两幅SAR图像进行归一化处理的具体步骤为：步骤4.1：先分别计算两幅图像像素灰度值的最大值与最小值；步骤4.2：按公式(1)计算，实现SAR图像的归一化处理，式中为归一化后的某像素的灰度值，Ii为归一化前该像素的灰度值，Imax和Imin分别为该图像中像素灰度值的最大值和最小值。

5.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤5中按Hu-SIFT方法对两幅图像实施配准处理。

6.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤6中获得各SAR图像的高阶统计特征图的具体步骤为：步骤6.1：获取SAR图像的高阶距统计特性，对于一个随机变量x，其k阶原点矩mk和k阶中心矩μk的计算方法分别为式(2)和式(3)，其中式中E[·]表示求数学期望值；mk＝E[xk] (2)其中表示均值，一幅图像的大小为N×N，即像素个数为N2，图像的k阶原点矩mk和k阶中心矩μk的计算方法分别为式(4)和式(5)；式中的为均值，n表示统计特性的阶次；当n＝1时，获得的是均值特征图；当n＝2时，获得的是方差特征图；步骤6.2：邻域窗口大小选择，在计算SAR图像的高阶统计特征时，在式(4)和式(5)中，N表示图像的所有像素个数，对于计算某个像素(m，n)的统计特性时，以该像素为中心，选取一个邻域范围内的像素来计算该像素的统计特性，选择计算高阶统计特性的邻域窗口大小设置为5×5；步骤6.3：获取高阶矩特征图，对提取窗口大小为5的图像三阶和四阶中心矩特征图的计算公式如下，式中的阶数为n＝3，即用来获取三阶高阶矩统计特征图；当n＝4时，得到计算四阶统计矩特征的公式，即步骤6.4：获取高阶累积量特征图，随机变量的二阶和三阶累积量与对应的二阶和三阶中心矩的计算方法是一样的，即图像的二阶和三阶累积量特征图就是图像的二阶和三阶矩特征图；随机变量的四阶累积量计算方法为同样，取每个像素点的5×5邻域块来获取图像的四阶累积量，得到图像的四阶累积量特征图，计算公式如下：。

7.根据权利要求1所述的基于高阶统计特征的多波段雷达图像变化检测方法，其特征在于，所述的步骤7中获取两图像的联合高阶统计特征图的具体步骤为：步骤7.1：两幅SAR图像的高阶联合矩特征图的获取，对于任意两个随机变量x和y，它们的k1+k2联合矩计算公式为则三阶和四阶联合矩的计算公式分别如下：由式(10)-(12)推导配准后的不同波段的两幅SAR图像中对应像素点的三阶和四阶联合矩特征提取的数学模型分别如式(13)和式(14)表示，步骤7.2：获取两幅SAR图像的高阶联合累积量特征图，由统计理论知随机变化的三阶和四阶累积量计算公式分别为c111＝cum(x,y,z)＝E[xyz] (15)c1111＝cum(x,y,z,t)＝E[xyzt]-E[xy]E[zt]-E[xz]E[yt]-E[xt]E[yz] (16)从式(15)和式(16)式可知，在求三阶和四阶联合累积量特征时，需要三个或四个变量参数参与求解，选择三个或四个不同波段的SAR图像来计算它们的联合高阶累积量，针对两个临近波段SAR图像来提取变化信息，把某一波段图像视为第三个波段的图像，就求得了它们的三阶联合累积量特征，c111＝E[xyz]＝E[xy2]＝E[x2y]，这样得到的三阶联合累积量与三阶联合矩是一样的；同理，得到四阶联合累积量统计特征的数学模型为在两幅配准后的SAR图像中，取移到窗口大小为5的区域，计算两幅图像对应像素的联合四阶累积量，具体计算公式如式(18)所示，。