[發(fā)明專利]基于NSGA-Ⅱ進(jìn)化算法的變化檢測方法

在審

• 申請?zhí)枺?/td>: 201410333827.4
• 申請日: 2014-07-15
• 公開（公告）號(hào): CN104156944A
• 公開（公告）日: 2014-11-19
• 發(fā)明（設(shè)計(jì)）人: 公茂果;焦李成;薛長琪;馬文萍;馬晶晶;劉嘉;李豪;王橋;姜瓊芝
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T5/00;G06N3/00
• 代理公司: 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 湯東鳳

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，可用于變化檢測、圖像分割等技術(shù)領(lǐng)域中。

背景技術(shù)

圖像變化檢測是分析同一地點(diǎn)不同時(shí)間兩幅圖像差別的過程。在最近幾十年，由于在各個(gè)方面的應(yīng)用，比如遙感、醫(yī)學(xué)診斷和視頻監(jiān)控等，圖像變化檢測越來越受到關(guān)注。隨著遙感技術(shù)的發(fā)展，在遙感領(lǐng)域的變化檢測變得越來越重要。在這其中，相比于光學(xué)圖像，SAR圖像表現(xiàn)出一些復(fù)雜性，這是由于受到斑點(diǎn)噪聲存在的影響。當(dāng)然，SAR圖像的優(yōu)點(diǎn)是受到大氣和光照的影響較小。

無監(jiān)督SAR圖像變化檢測可以大致分為三個(gè)步驟：一是圖像預(yù)處理過程。主要包括配準(zhǔn)、幾何校正、去噪等步驟；二是生成差異圖。兩幅已配準(zhǔn)的圖像像素點(diǎn)對(duì)應(yīng)進(jìn)行比較生成差異圖，常用的技術(shù)是差值和比值，由于乘性噪聲的存在，常用的是均值比和對(duì)數(shù)比；三是分析差異圖。這一步相當(dāng)于對(duì)圖像做二值分割，常用的技術(shù)有閾值法和聚類法。

進(jìn)化算法作為一類啟發(fā)式搜索算法，已被成功應(yīng)用與多目標(biāo)優(yōu)化領(lǐng)域，發(fā)展成為一個(gè)相對(duì)較熱的研究方向——進(jìn)化多目標(biāo)優(yōu)化。最優(yōu)化問題是工程實(shí)踐和科學(xué)研究中主要的形式之一，其中，僅有1個(gè)目標(biāo)函數(shù)的最優(yōu)化問題稱為單目標(biāo)優(yōu)化問題，目標(biāo)函數(shù)超過1個(gè)并且需要同時(shí)處理的最優(yōu)化問題稱為多目標(biāo)優(yōu)化問題。對(duì)于多目標(biāo)優(yōu)化問題，一個(gè)解對(duì)于某個(gè)目標(biāo)來說可能是較好的，而對(duì)于其他目標(biāo)來講可能是較差的，因此，存在一個(gè)折衷解的集合，稱為pareto最優(yōu)解集或非支配解集。起初，多目標(biāo)優(yōu)化問題往往通過加權(quán)方式轉(zhuǎn)化為單目標(biāo)優(yōu)化問題，然后用數(shù)學(xué)規(guī)劃的方法來求解，每次只能得到一種權(quán)值情況下的最優(yōu)解。同時(shí)，由于多目標(biāo)優(yōu)化問題的目標(biāo)函數(shù)和約束函數(shù)可能是非線性、不可微或不連續(xù)的，傳統(tǒng)的數(shù)學(xué)規(guī)劃方法往往效率較低，且它們對(duì)于權(quán)重值或目標(biāo)給定的次序較敏感。進(jìn)化算法通過在代與代之間維持由潛在解組成的種群來實(shí)現(xiàn)全局搜索，這種從種群到種群的方法對(duì)于搜索多目標(biāo)優(yōu)化問題的pareto最優(yōu)解集是很有用的。

NSGA-Ⅱ是2002年Deb等人對(duì)其算法NSGA的改進(jìn)，它是迄今為止最優(yōu)秀的進(jìn)化多目標(biāo)優(yōu)化算法之一，提出該算法的文獻(xiàn)是《Deb?K,Pratap?A,Agarwal?S,Meyarivan?T.A?fast?and?elitist?multi-objective?genetic?algorithm:NSGA-II.IEEE?Trans.on?Evolutionary?Computation,2002,6(2):182-197》。相對(duì)于NSGA而言，NSGA-Ⅱ具有以下優(yōu)點(diǎn)：一是新的基于分級(jí)的快速非支配解排序方法降低了計(jì)算復(fù)雜度；二是為了標(biāo)定快速非支配排序后同級(jí)中不同元素的適應(yīng)度值，同時(shí)使當(dāng)前pareto前沿面中的個(gè)體能夠擴(kuò)展到整個(gè)pareto前沿面，并盡可能地均勻遍布。該算法提出了擁擠距離的概念。采用擁擠距離比較算子代替了NSGA中的適應(yīng)度共享方法；三是引入了精英保留機(jī)制，經(jīng)選擇后參加繁殖的個(gè)體所產(chǎn)生的后代與其父代個(gè)體共同競爭來產(chǎn)生下一代種群，因此有利于保持優(yōu)良的個(gè)體，提高種群的整體進(jìn)化水平。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于NSGA-Ⅱ進(jìn)化算法的變化檢測方法。動(dòng)機(jī)在于分析差異圖利用聚類算法時(shí)，目標(biāo)函數(shù)可以拆成兩部分，一部分代表圖像細(xì)節(jié)，一部分圖像去噪，兩個(gè)目標(biāo)是矛盾的，一方面好時(shí)，另一方面不一定好，這就可以考慮用多目標(biāo)進(jìn)化算法對(duì)兩個(gè)目標(biāo)進(jìn)行優(yōu)化，得到一組折衷解，使得目標(biāo)函數(shù)達(dá)到最小值。

本發(fā)明的技術(shù)方案是將NSGA-Ⅱ進(jìn)化算法引入變化檢測分析差異圖這一步驟，權(quán)衡圖像細(xì)節(jié)和去噪程度，得到一組折衷解，然后從一組圖像中選取自己需要的一幅或幾幅結(jié)果圖。

其具體實(shí)現(xiàn)過程如下：

步驟101：設(shè)置運(yùn)行參數(shù)；

步驟102：用對(duì)數(shù)比生成差異圖；

步驟103：隨機(jī)初始化隸屬度矩陣和聚類中心；

步驟104：計(jì)算個(gè)體適應(yīng)度；

步驟105：非支配快速排序；

步驟106：更新隸屬度矩陣；

步驟107：二元錦標(biāo)賽選擇父代；

步驟108：父代交叉和變異生成子代；

步驟109：對(duì)父代和子代一起進(jìn)行非支配快速排序；

步驟110：選擇精英種群；

步驟111：判斷進(jìn)化代數(shù)是否達(dá)到設(shè)置條件，未達(dá)到則返回步驟106，否則，輸出pareto前端和結(jié)果圖。

所述步驟101，包括以下步驟：

步驟201：設(shè)置運(yùn)行參數(shù)，包括種群大小pop，進(jìn)化代數(shù)gen，其中pop設(shè)為50，gen設(shè)為200。

所述步驟102，包括以下步驟：