[發明專利]多層限制玻爾茲曼機的SAR圖像正負類變化檢測方法

在審

• 申請號: 201710180543.X
• 申請日: 2017-03-23
• 公開（公告）號: CN107437091A
• 公開（公告）日: 2017-12-05
• 發明（設計）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）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 湯東鳳

技術領域

本發明屬于計算機技術領域，主要解決也遙感圖像變化檢測問題，本發 明由兩幅不同時相的遙感圖像得到三類差異圖像，再利用多層限制玻爾茲曼 機對三類差異圖進行分類完成遙感圖像的變化檢測。本發明可以應用于自然 災害檢測與救援時災區遙感圖像的變化檢測，城市發展規劃，地質研究等領 域，完成對特定地區的遙感圖像的變化進行檢測。

背景技術

合成孔徑雷達(Synthetic Aperture Radar，SAR)具有分辨率高、全天候 工作、有效識別偽裝和穿透掩蓋物等特點，已經廣泛應用于軍事，科研和工農業 生產領域。SAR圖像變化檢測是通過分析在不同時間的來自同一地區的兩幅或 者多幅圖像，通過技術手段從而檢測出此地區的地物隨時間發生的變化的信息。 對遙感圖像進行處理，從中提取出有用的信息，并促進其轉化成為更有價值的知 識，從而為有關部門做出相應的、準確的、快速的決策提供豐富且有益的輔助信 息。遙感圖像應用處理和分析技術是一個非常有意義且十分重要的應用，而這些 應用的不斷需求促使了遙感圖像變化檢測技術的產生和發展。

SAR圖像的變化檢測的研究方法可分為兩種：(1)分類后比較法即對兩幅已 配準的圖像先進行分類，通過比較分類結果得出變化部分(2)差異圖分類法即 先對兩幅已配準的圖像生成差異圖，在對差異圖進行分析，得出變化部分與未變 化部分，生成差異圖和分析差異圖像是這幾年研究的重點，目的是盡量減小相干 斑噪聲對SAR圖像的影響，這種方法研究的空間大，思路簡潔清晰，是當前比 較流行的處理方法。

經典的處理變化檢測問題的流程：(1)預處理；(2)生成差異圖；(3)分析差異 圖，常用的差異圖的分析方法有四種，閾值分析，圖切分析和水平集分析，傳統 的分析方法存在以下缺點(1)通過優化目標函數來進行圖像分類往往會陷入局 部最優解；(2)基于固定而復雜的公式進行迭代限制了算法的應用；(3)算法沒有 學習能力，分類的能力有限；在機器學習中，變化檢測問題是一種分類不均衡的 問題，可以演化為增量學習問題，神經網絡是解決這類問題的最佳方案。

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，提供一種基于多層限 制玻爾茲曼機的SAR圖像細分正負類變化檢測方法，該方法在傳統變化檢測 的基礎上細化了變化分類，并利用多層限制玻爾茲曼機(RBM)獲得變化檢測 結果。該方法思路簡單明確，有效的提高了遙感圖像變化檢測的精度。

實現本發明目的的技術方案是通過構造兩幅SAR圖像三類差異圖，利用模 糊C均值(FCM)對差異圖進行聚類獲得粗糙的三類變化檢測結果，選擇非噪聲 點作為訓練樣本訓練多層RBM網絡，利用訓練好的網絡測試樣本獲得最終變化檢 測的結果。其具體實施步驟包括如下：

步驟101：開始基于多層限制玻爾茲曼機的SAR圖像細分正負類變化檢測 方法；

步驟102：對兩幅已配準的同一地區不同時相的SAR圖像構造三類差異圖；

步驟103：對差異圖進行模糊C均值聚類獲得粗糙的三類變化檢測結果；

步驟104：根據變化檢測結果選擇可能性大的非噪聲點作為改進的多層限制 玻爾茲曼機的訓練樣本，訓練改進的多層限制玻爾茲曼機；

步驟105：將待檢測圖像輸入訓練好的網絡中，得到最終的變化檢測結果圖；

步驟106：結束基于多層限制玻爾茲曼機的SAR圖像細分正負類變化檢測 方法；

所述步驟102，包括如下步驟：

步驟201：開始構造三類變化檢測的差異圖；

步驟202：按照下式，構造三類變化檢測的差異圖：

其中，X表示已配準的同一地區不同時刻的兩幅遙感圖像的差異圖，log表 示以10為底的對數操作，X₁和X₂分別表示已配準的同一地區不同時刻的兩幅 遙感圖像；若X₂大于X₁，對數比圖像的像素呈正值，代表了正變化；若X₂小 于X₁，對數比圖的像素呈負值，代表了負變化；

步驟203：結束構造三類變化檢測的差異圖；

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；