[發明專利]聚類引導深度神經網絡分類的多源圖像變化檢測方法

有效

• 申請號: 201610045439.5
• 申請日: 2016-01-22
• 公開（公告）號: CN105741267B
• 公開（公告）日: 2018-11-20
• 發明（設計）人: 馬文萍;李志舟;焦李成;馬晶晶;張普照;趙暐
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 程曉霞;王品華

本發明公開了一種聚類引導深度神經網絡分類的多源圖像變化檢測方法，避免了傳統的變化檢測中的前期產生差異圖的步驟，克服了多源圖像變化檢測需要產生差異圖的弊端。其實現步驟為：輸入光學圖像的灰度矩陣；對光學圖像進行模糊聚類得到分割后的灰度矩陣；對聚類分割后的光學圖像做標記；對光學圖像和TM圖像進行采樣；從TM圖像中選取訓練樣本；訓練棧式稀疏自動編碼器SAE；利用標簽對網絡參數進行微調；把TM圖像輸入到網絡輸出分類后的圖像；對兩幅分類后的圖作對數比；得到變化檢測結果。本發明摒棄了差異圖的構造環節，適用于多源遙感圖像變化檢測，具有受噪聲影響小、變化檢測結果分類精度高等優點。

技術領域

本發明屬于圖像處理技術領域，主要涉及深度神經網絡與遙感圖像處理領域的結合，主要解決遙感圖像的變化檢測問題，具體提供由聚類引導深度神經網絡分類的多源圖像變化檢測方法，用于多源圖像的變化檢測，廣泛應用于航天、地物覆蓋與利用、地震災害檢測與評估等領域。

背景技術

計算機數字圖像處理、模式識別、人工智能，以及傳感器數據融合技術不斷發展，給遙感圖像的自動變化檢測提供了更多的技術保障。近二十年來，遙感圖像的變化檢測方法不斷更新，變化檢測技術取得了可喜成就，檢測方法日益成熟。

遙感影像變化檢測技術是指利用不同歷史時期的覆蓋同一地表區域的多源遙感影像和相關地理數據，結合對應地物特性和遙感成像機理，采用圖像圖形處理理論及數理模型方法，確定和分析該區域地物的變化，包括地物位置、范圍的變化和地物性質狀態的變化。變化檢測作為遙感圖像分析中的一項重要應用，為環境監測、資源勘探、災害救援與治理提供了有效的技術手段。

目前廣泛運用的圖像變化檢測方法主要基于同一傳感器所獲取的影像，稱作同源圖像處理，一般先產生差異圖，再去差異圖進行處理，最終獲得變化檢測結果。對于由不同傳感器所獲取的多源圖像變化檢測方法，也稱作多源圖像處理，各國學者從不同的角度研究了大量的變化檢測方法和理論模型，傳統的方法如代數法、時序分析法等，根據影像差值法或比值法產生差異圖，再對閾值進行選擇，該類方法算法簡單易實現，并且部分變換方法能有效對維數約減，缺點在于難以克服由于大氣條件，傳感器噪聲和大氣輻射的差異性帶來的干擾，影響最終的檢測結果。隨著變化檢測方法應用的不斷深入，對于由不同傳感器所獲得的影像運用先產生差異圖的變化檢測方法的檢測結果的精度難以滿足當前圖像處理的要求，已很難適應于當前人類生產需求。

本發明主要是基于該點，提出了一種不需產生差異圖而對兩幅多源圖像進行變化檢測的方法，并且取得了良好的效果。

發明內容

本發明的目的在于克服上述現有技術存在的不足，提供了一種不需產生差異圖，檢測精度高的聚類引導深度神經網絡分類的多源圖像變化檢方法。

1.本發明是一種聚類引導深度神經網絡分類的多源圖像變化檢測方法，待處理的圖像，是兩個已配準的同一區域、不同時間、由不同傳感器獲取的多源圖像，包括光學圖像和TM圖像，其特征在于，包括有如下步驟：

(1)輸入光學圖像：輸入多源圖像中待檢測光學圖像的灰度矩陣；

(2)分割光學圖像：采用模糊C均值聚類方法對其中待檢測的光學圖像的灰度矩陣進行模糊聚類，得到光學圖像聚類分割后的灰度矩陣；

(3)對聚類分割后的光學圖像做標記：把聚類分割后圖像的類別進行分類和標記，作為標記的標簽Ω，Ω＝{Ω¹，Ω²，…}，Ω¹，Ω²分別表示分類后的類別標簽；

(4)對兩圖像進行采樣：對光學圖像和TM圖像數據進行大小為n×n的塊采樣，采樣出每個像素點對應的n²個像素點的值，對該值歸一化處理，處理后得到的n²個數據，作為該像素點的采樣樣本，遍歷整幅圖像，直至采樣完成兩幅圖中所有的像素點；

(5)在TM圖像中選取訓練樣本：