[發(fā)明專利]多層限制玻爾茲曼機(jī)的SAR圖像正負(fù)類變化檢測方法

在審

• 申請?zhí)枺?/td>: 201710180543.X
• 申請日: 2017-03-23
• 公開（公告）號: CN107437091A
• 公開（公告）日: 2017-12-05
• 發(fā)明（設(shè)計）人: 公茂果;李思湉;劉嘉;李豪;趙秋楠;馬文萍;馬晶晶
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11350
• 代理人: 湯東鳳

1.一種基于多層限制玻爾茲曼機(jī)的SAR圖像細(xì)分正負(fù)類變化檢測方法，其特征是：包括如下步驟：

步驟101：開始基于多層限制玻爾茲曼機(jī)的SAR圖像細(xì)分正負(fù)類變化檢測方法；

步驟102：對兩幅已配準(zhǔn)的同一地區(qū)不同時相的SAR圖像構(gòu)造三類差異圖；

步驟103：對差異圖進(jìn)行模糊C均值聚類獲得粗糙的三類變化檢測結(jié)果；

步驟104：根據(jù)變化檢測結(jié)果選擇可能性大的非噪聲點作為改進(jìn)的多層限制玻爾茲曼機(jī)的訓(xùn)練樣本，訓(xùn)練改進(jìn)的多層限制玻爾茲曼機(jī)；

步驟105：將待檢測圖像輸入訓(xùn)練好的網(wǎng)絡(luò)中，得到最終的變化檢測結(jié)果圖；

步驟106：結(jié)束基于多層限制玻爾茲曼機(jī)的SAR圖像細(xì)分正負(fù)類變化檢測方法。

2.根據(jù)權(quán)利要求1所述的多層限制玻爾茲曼機(jī)的SAR圖像細(xì)分正負(fù)類變化檢測方法，其特征在于，所述步驟102按照下式構(gòu)造三類變化檢測的差異圖：

其中，X表示已配準(zhǔn)的同一地區(qū)不同時刻的兩幅遙感圖像的差異圖，log表示以10為底的對數(shù)操作，X₁和X₂分別表示已配準(zhǔn)的同一地區(qū)不同時刻的兩幅遙感圖像；若X₂大于X₁，對數(shù)比圖像的像素呈正值，代表了正變化；若X₂小于X₁，對數(shù)比圖的像素呈負(fù)值，代表了負(fù)變化。

3.根據(jù)權(quán)利要求1所述的多層限制玻爾茲曼機(jī)的SAR圖像細(xì)分正負(fù)類變化檢測方法，其特征在于，所述步驟103，包括如下步驟：

步驟301：開始模糊C均值聚類的分類算法；

步驟302：對每個像素點用值在O～1間的隸屬度來確定其屬于各個類別的程度；隸屬矩陣U允許有取值在[0,1]間元素；歸一化處理后隸屬度的和總等于1，其中,N表示差異圖的像素的個數(shù)，i表示對差異圖模糊聚類后的類別,j表示對差異圖的像素的序號，u_ij表示差異圖的第j個像素在第i類上的隸屬度，初始化隸屬矩陣U，使其滿足約束條件；

步驟303：按照下式，計算差異圖的聚類中心c_i：

其中，N表示差異圖的像素的個數(shù)，c_i表示差異圖的第i類的聚類中心，u_ij表示差異圖的第j個像素在第i類上的隸屬度，x_j表示差異圖的第j個像素的特征；

步驟305：按照下式，計算差異圖的隸屬度：

步驟306：按照下式，計算模糊C均值方法的目標(biāo)函數(shù)值：

其中,d_ij＝||c_i-x_j||表示差異圖的第i個聚類中心到第j個像素的歐氏距離；判斷迭代前后目標(biāo)函數(shù)值的最大改變量是否小于0.00001，若是，停止迭代，否則，計算新的隸屬矩陣U，并執(zhí)行步驟303；

步驟306：結(jié)束模糊C均值聚類的分類算法。

4.根據(jù)權(quán)利要求1所述的多層限制玻爾茲曼機(jī)的SAR圖像細(xì)分正負(fù)類變化檢測方法，其特征在于，所述步驟104，包括如下步驟：

步驟401：開始選擇多層限制玻爾茲曼機(jī)訓(xùn)練樣本的算法；

步驟402：在得到的初始變化檢測結(jié)果圖上，以位置(i,j)的像素為中心像素，取的5×5窗口，像素總個數(shù)為N＝25；

步驟403：按照公式其中P_ij是要預(yù)測的像素點(i,j)，P_xy是以像素點(i,j)為中心像素的窗口內(nèi)的像素點，N(x)是在滿足條件x的像素個數(shù)，并令λ＝0.5；

步驟404：按照步驟403對初始變化檢測結(jié)果圖上每一個位置進(jìn)行判斷，當(dāng)滿足步驟403中的公式時即為非噪聲點的位置，作為訓(xùn)練樣本；

步驟405：結(jié)束選擇多層限制玻爾茲曼機(jī)訓(xùn)練樣本的算法。

5.根據(jù)權(quán)利要求1所述的多層限制玻爾茲曼機(jī)的SAR圖像細(xì)分正負(fù)類變化檢測方法，其特征在于，所述步驟105，包括如下步驟：

步驟501：開始多層改進(jìn)多層限制玻爾茲曼機(jī)的訓(xùn)練算法；

步驟502：建立帶有1層卷積層和5層RBM的深度神經(jīng)網(wǎng)絡(luò)，利用在粗糙的三類變化檢測結(jié)果中選擇出訓(xùn)練樣本訓(xùn)練網(wǎng)絡(luò)，通過逐層訓(xùn)練，最后一層RBM的輸出作為整個網(wǎng)絡(luò)的輸出；

步驟503：將輸出進(jìn)行反向傳播網(wǎng)絡(luò)的訓(xùn)練，將訓(xùn)練預(yù)測輸出的分類結(jié)果與訓(xùn)練樣本實際分類結(jié)果的誤差逐層向后傳播，對改進(jìn)的多層限制玻爾茲曼機(jī)各層的連接權(quán)值調(diào)優(yōu)，確定整個網(wǎng)絡(luò)的連接權(quán)值和偏置參數(shù)；

步驟504：結(jié)束多層改進(jìn)多層限制玻爾茲曼機(jī)的訓(xùn)練算法，獲得最終訓(xùn)練好的多層限制玻爾茲曼機(jī)。