[發(fā)明專利]一種基于堆棧半監(jiān)督自適應(yīng)去噪自編碼器的SAR圖像變化檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710437638.5
• 申請(qǐng)日: 2017-06-12
• 公開（公告）號(hào): CN107392940B
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 王桂婷;尉樺;劉辰;鐘樺;鄧成;李隱峰;于昕;伍振軍
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/254
• 分類號(hào): G06T7/254;G06K9/62
• 代理公司: 西安吉盛專利代理有限責(zé)任公司 61108
• 代理人: 張恒陽

1.一種基于堆棧半監(jiān)督自適應(yīng)去噪自編碼器的SAR圖像變化檢測(cè)方法，其特征在于，包括如下步驟：

(1)輸入時(shí)相1圖像I和時(shí)相2圖像J，圖像大小均為U行V列，圖像的灰度級(jí)范圍為0～255；

(2)由時(shí)相1圖像I和時(shí)相2圖像J計(jì)算多尺度差異指導(dǎo)圖MGI；

(3)建立堆棧去噪自編碼器SDAE網(wǎng)絡(luò)，該網(wǎng)絡(luò)由兩層去噪自編碼器DAE網(wǎng)絡(luò)堆棧而成，堆棧結(jié)構(gòu)為：輸入層、第一隱含層、第二隱含層、第三隱含層、輸出層神經(jīng)元數(shù)目分別為NN1、NN2、NN3、NN2、NN1；在單層預(yù)訓(xùn)練階段，第一層DAE網(wǎng)絡(luò)的結(jié)構(gòu)為：輸入層、隱含層、輸出層神經(jīng)元數(shù)目分別為NN1、NN2、NN1；第二層DAE網(wǎng)絡(luò)的結(jié)構(gòu)為：輸入層、隱含層、輸出層神經(jīng)元數(shù)目分別為NN2、NN3、NN2；

(4)將時(shí)相1圖像I作為SDAE網(wǎng)絡(luò)的輸入，進(jìn)行SDAE網(wǎng)絡(luò)訓(xùn)練，得到輸入層與第一隱含層之間的權(quán)重第一隱含層與第二隱含層之間的權(quán)重第二隱含層與第三隱含層之間的權(quán)重第三隱含層與輸出層之間的權(quán)重

(5)建立半監(jiān)督去噪自編碼器Semi-DAE網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)為：輸入層、隱含層、輸出層神經(jīng)元數(shù)目分別為NN1、NN2、NN1；

(6)建立堆棧半監(jiān)督自適應(yīng)去噪自編碼器SSADAE網(wǎng)絡(luò)，該網(wǎng)絡(luò)由兩層網(wǎng)絡(luò)堆棧而成，堆棧結(jié)構(gòu)與SDAE網(wǎng)絡(luò)相同，在單層預(yù)訓(xùn)練階段，第一層網(wǎng)絡(luò)為Semi-DAE網(wǎng)絡(luò)，第二層網(wǎng)絡(luò)為DAE網(wǎng)絡(luò)；

(7)將時(shí)相1圖像I、時(shí)相2圖像J和多尺度差異指導(dǎo)圖MGI作為SSADAE網(wǎng)絡(luò)輸入，進(jìn)行SSADAE網(wǎng)絡(luò)訓(xùn)練，得到SSADAE網(wǎng)絡(luò)權(quán)重，多層微調(diào)階段的誤差計(jì)算采用自適應(yīng)誤差函數(shù)；

(8)將時(shí)相1圖像I和時(shí)相2圖像J輸入訓(xùn)練好的SSADAE網(wǎng)絡(luò)得到時(shí)相1圖像特征和時(shí)相2圖像特征；將這兩個(gè)圖像特征相減，使用模糊C均值聚類算法FCM分為兩類，得到變化檢測(cè)結(jié)果；

步驟(2)中所述的計(jì)算多尺度差異指導(dǎo)圖MGI的方法包括如下步驟：

(2a)對(duì)時(shí)相1圖像I和時(shí)相2圖像J中位置(u,v)處像素點(diǎn)的3×3鄰域分別計(jì)算該3×3鄰域中共9個(gè)像素值的均值，分別記為μ_N3(I(u,v))和μ_N3(J(u,v))，再根據(jù)下式計(jì)算(u,v)處的3×3鄰域均值差異值I_S(u,v)，

遍歷所有像素點(diǎn)，得到3×3鄰域均值差異圖像I_S＝{I_S(u,v)|1≤u≤U,1≤v≤V}，即小尺度差異圖I_S，這里u和v分別為圖像的行序號(hào)和列序號(hào)；

再根據(jù)下式計(jì)算(u,v)處的3×3鄰域均值差異對(duì)數(shù)值LI_S(u,v)，

LI_S(u,v)＝log(I_S(u,v)) (2)

遍歷所有像素點(diǎn)，得到3×3鄰域均值差異對(duì)數(shù)圖像LI_S＝{LI_S(u,v)|1≤u≤U,1≤v≤V}；

(2b)對(duì)時(shí)相1圖像I和時(shí)相2圖像J中位置(u,v)處像素點(diǎn)的7×7鄰域分別計(jì)算該7×7鄰域中共49個(gè)像素值的均值，分別記為μ_N7(I(u,v))和μ_N7(J(u,v))，再根據(jù)下式計(jì)算(u,v)處兩時(shí)相之間的7×7鄰域均值差異值I_M(u,v)，

遍歷所有像素點(diǎn)，得到7×7鄰域均值差異圖像I_M＝{I_M(u,v)|1≤u≤U,1≤v≤V}，即中尺度差異圖I_M；

(2c)對(duì)時(shí)相1圖像I和時(shí)相2圖像J中位置(u,v)處像素點(diǎn)的11×11鄰域分別計(jì)算該鄰域塊共121個(gè)像素值的均值，分別記為μ_N11(I(u,v))和μ_N11(J(u,v))，再根據(jù)下式計(jì)算(u,v)處兩時(shí)相之間的11×11鄰域均值差異值I_L(u,v)，

遍歷所有像素點(diǎn)，得到11×11鄰域均值差異圖像I_L＝{I_L(u,v)|1≤u≤U,1≤v≤V}，即大尺度差異圖I_L；

(2d)對(duì)步驟(2a)得到的3×3鄰域均值差異對(duì)數(shù)圖像LI_S，計(jì)算其像素點(diǎn)(u,v)的5×5鄰域的標(biāo)準(zhǔn)差σ_N5(u,v)和均值μ_N5(u,v)的比值r(u,v)，

遍歷所有像素點(diǎn)，得到5×5鄰域標(biāo)準(zhǔn)差均值比圖像R＝{r(u,v)|1≤u≤U,1≤v≤V}；

(2e)按照下式計(jì)算(u,v)處兩時(shí)相之間的多尺度差異參考值MGI(u,v)，

遍歷所有像素點(diǎn)，得到多尺度差異指導(dǎo)圖像，簡(jiǎn)稱MGI圖。