[發明專利]一種基于曲線波SAE的高分辨SAR圖像變化檢測方法

有效

• 申請號: 201710571602.6
• 申請日: 2017-07-13
• 公開（公告）號: CN107358261B
• 公開（公告）日: 2020-05-01
• 發明（設計）人: 焦李成;屈嶸;孟繁榮;張丹;楊淑媛;侯彪;馬文萍;劉芳;尚榮華;張向榮;唐旭;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;G06K9/46;G06K9/34;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

本發明公開了一種基于曲線波SAE的高分辨SAR圖像變化檢測方法，根據兩幅配準后的同一地區不同時相的SAR圖像構建訓練數據集并進行歸一化；構建三層堆棧自編碼網絡；從數據集中選擇樣本訓練網絡；得到顯著性區域圖；修改選擇樣本的尺寸大小和自編碼網絡每層神經元個數，得到兩個尺度下的顯著性區域，將這兩個尺度下的顯著性區域合并得到最終顯著性區域，提取對應兩幅圖像的顯著性區域；構建曲線波堆棧自編碼網絡；選擇樣本訓練得到該尺度下變化檢測結果圖；得到多個尺度下的變化檢測結果，并將這些變化檢測結果通過閾值合并為最終的變化檢測結果。本發明引入曲線波SAE的變化檢測，在特征域作差異圖，避免了SAR圖像噪聲干擾，提高了檢測精度。

技術領域

本發明屬于深度學習與遙感圖像處理領域的結合，具體涉及一種基于曲線波SAE的高分辨SAR圖像變化檢測方法，可用于SAR圖像的變化檢測。

背景技術

基于遙感影像的變化檢測，就是從不同時間獲取的同一地理區域的多時相遙感影像中定性地或定量地分析和確定地表變化特征和過程的技術。由于變化檢測技術可以檢測出遙感影像的局部紋理變化信息以及輻射值，在資源和環境監測方面，可以檢測出土地利用率以及土地覆蓋狀況、森林以及植被的覆蓋率、城市的擴張狀況等；在農業調查方面，它可以及時地更新地理空間數據，了解某一地理區域內農作物生長狀況等；同時它對于自然災害監測和估計、軍事等領域也有著重要作用。

常用的經典SAR圖像變化檢測方法有(1)基于簡單代數運算的變化檢測，經典的變化檢測方法包括圖像差值法、圖像比值法、對數比值法；(2)基于圖像變換的變化檢測，經典的變化檢測方法包括主成分分析、變化向量分析法、相關分析法圖像變換法；(3)基于圖像分類的變化檢測方法。

SAR影像變化檢測研究在近年來得到了廣泛的關注，國內外的諸多優秀團隊對其進行了廣泛而細致的研究。在經典變化檢測算法的基礎上，近年來出現的深度學習在SAR圖像變化檢測領域的研究，主要是通過一些標記的數據訓練深度神經網絡，在特征域對圖像分析得到變化檢測結果。

目前的SAR變化檢測算法大部分為中低分辨率、象元級、單極化的SAR影像變化檢測。隨著SAR技術的日益成熟，圖像質量逐漸提高，分辨率逐漸增強，獲取數據的能力和精度越來越高，圖像獲取越來越便捷，SAR變化檢測的前景更加廣泛。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于曲線波SAE的高分辨SAR圖像變化檢測方法，通過SAE的自學習自訓練第一圖像和第二圖像獲得顯著性區域，再對顯著性區域利用曲線波SAE在多個尺度下學習，獲得最終變化檢測結果，有效避免了SAR圖像噪聲影響，增大了可處理圖像的尺寸，提高了檢測精度。

本發明采用以下技術方案：

一種基于曲線波SAE的高分辨SAR圖像變化檢測方法，根據兩幅配準后的同一地區不同時相的SAR圖像構建訓練數據集并進行歸一化；構建三層堆棧自編碼網絡，從數據集中選擇20％樣本送入自編碼網絡中訓練網絡，將數據集送入訓練好的自編碼網絡中得到顯著性區域圖，修改選擇樣本的尺寸大小和自編碼網絡每層神經元個數，得到兩個尺度下的顯著性區域，將這兩個尺度下的顯著性區域合并得到最終顯著性區域，從最終顯著性區域中提取對應第一圖像和第二圖像的顯著性區域，選取訓練數據集，構建曲線波堆棧自編碼網絡，從數據集中選擇20％樣本送入曲線波堆棧自編碼網絡中訓練網絡；將數據集送入訓練好的曲線波堆棧自編碼網絡中得到該尺度下變化檢測結果圖；修改選擇樣本的尺寸大小和曲線波堆棧自編碼網絡中每層神經元個數，得到多個尺度下的變化檢測結果，并將這些變化檢測結果通過閾值合并為最終的變化檢測結果。

進一步的，包括以下步驟：

S1、構造訓練數據集D_s，通過滑窗的方式從兩幅配準后的同一地區不同時相的SAR圖像中取一定尺度的圖像塊作為訓練數據集D_s；

S2、將數據集D_s歸一化到[0，1]之間，記作N_s；