近日，我院汪骏教师团队探究了SAR影像不同特征间的高阶亲和力关系，并依托图论建立了SAR影像精细变化监测新策略，该研究成果以“Unsupervised Multi-Look SAR Image Change Detection Driven by Dual-Layer Graph With Intensity and Texture Attributes”为题，于2022年1月12日被《IEEE Geoscience and Remote Sensing Letters》在线发表。

   合成孔径雷达(SAR)属于国际热点课题。星载SAR采用微波主动成像工作模式，具有穿透性强、分辨率高、重返周期稳定等优势，可全天时、全天候地采集高清对地观测影像。利用多时SAR影像分析获取地理区域的变化信息，可为灾害监测、环境调查、城市规划等军事及民生领域提供重要的技术支持。该研究针对SAR影像地物信息判别性低的问题，分析提取了SAR影像中的纹理特征，结合影像强度特性共建双层图(Dual-Layer graph)模型，以此探究特征间的高阶亲和力关系，实现对SAR影像地物信息的完备描述。此外，该研究依据图匹配理论，将像素级的变化信息度量转化为对象级的图结构差异分析，建立了SAR影像精细变化监测新策略。该研究准确提取了安徽六安及淮河安徽段流域洪水前后的淹没区域，其结果可为灾害监测、灾情分析提供了重要的数据支持。

   该工作得到国家自然科学基金(62101206和62102227)以及浙江省重点研发计划(2020C02SA903678)资助，主要由我院汪骏讲师、赵天晨副教授、江晓亮副教授等历时半年完成。实验原始数据由合肥工业大学工业安全与应急技术安徽省重点实验室提供。《IEEE Geoscience and Remote Sensing Letters》是工程、电气和电子等领域的权威期刊，为JCR Q1期刊，最新影响因子为3.96。