[發明專利]基于網絡結構優化的SAR圖像變化區域檢測方法

有效

• 申請號: 201810193117.4
• 申請日: 2018-03-09
• 公開（公告）號: CN108460392B
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 劉若辰;焦李成;王銳楠;李建霞;馮婕;慕彩紅;李陽陽;張向榮
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明公開了一種基于網絡結構優化的合成孔徑雷達SAR圖像變化區域檢測方法，主要解決現有技術無法提取合成孔徑雷達SAR圖像的局部特征，需要人工輸入學習誤差值進行測試的問題。本發明的具體步驟如下：(1)讀入合成孔徑雷達SAR圖像；(2)歸一化處理；(3)構建變化檢測矩陣；(4)更新變化檢測矩陣；(5)選擇訓練樣本集；(6)搭建堆棧自動編碼器網絡；(7)訓練堆棧自動編碼器網絡；(8)優化堆棧自動編碼器網絡；(9)構建概率矩陣；(10)更新概率矩陣；(11)獲得變化檢測圖像。本發明提取了合成孔徑雷達SAR圖像的局部特征，提高了變化檢測的精度。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及遙感圖像變化檢測技術領域中的一種基于網絡結構優化的合成孔徑雷達SAR(Synthetic Aperture Radar,SAR)圖像變化區域檢測方法。本發明可用于提取同一地區不同時段的兩幅合成孔徑雷達SAR圖像的鄰域像素信息，并用堆棧自動編碼器網絡對提取的像素信息進行學習，得到最終的變化檢測圖。

背景技術

目前合成孔徑雷達SAR圖像變化區域檢測的分析步驟大致分為兩步：(1)生成差異圖。此步驟是初步區分2幅合成孔徑雷達SAR圖像中的未變化類和變化類，并為差異圖分析提供基礎。其典型方法包括：差值法、均值比值法和對數比值法。這些方法存在的缺點是對相干斑噪聲敏感，檢測變化精度不高；(2)分析差異圖。該步驟是對步驟(1)獲得的差異圖進行分析，提取變化信息，最終得到兩幅圖像的變化區域和非變化區域。其典型方法包括閾值法、聚類法。這些方法存在的缺點是不能有效地提取圖像的局部特征。

西安電子科技大學在其擁有的專利技術“基于稀疏表示的合成孔徑雷達SAR圖像相干斑抑制方法”(專利申請號：201110346349.7，授權公告號：CN102346908B)中提出了一種基于稀疏表示的合成孔徑雷達SAR圖像變化區域檢測方法。該方法的步驟是，首先對原始合成孔徑雷達SAR圖像進行對數變換。然后將對數變換后的圖像分割為的重疊分塊，將圖像塊的自身信息作為控制因子對其進行稀疏表示。然后應用近似KSVD(K-Singular ValueDecomposition,KSVD)算法進行字典學習，需要人工輸入學習誤差值進行測試，得到自適應字典和更新后的稀疏表示系數。再利用自適應字典和更新后的稀疏表示系數得到圖像W，對W進行指數變換得到圖像R。最終對由原始合成孔徑雷達SAR圖像Y和指數變換后的圖像R得到的差值圖像V進行非線性各向異性擴散，得到最終變化檢測圖像。該方法存在的不足之處是，需要人工輸入學習誤差值進行測試，易造成圖像的部分紋理信息丟失，增加后期變化檢測的誤檢率。

Zheng等人在其發表的論文“Using combined difference image and k-meansclustering for合成孔徑雷達SAR image change detection”(IEEE Geoscience andRemote Sensing Letters,2014,11(3)：691-695)中提出了一種簡單實用的基于差異圖融合的合成孔徑雷達SAR圖像變化區域檢測方法。該方法的步驟是，首先用差值算子和對數比值算子分別處理合成孔徑雷達SAR圖像單個像素的值，圖像的所有像素處理完畢后，得到合成孔徑雷達SAR圖像的差值差異圖和對數比值差異圖。然后對上述差異圖進行均值濾波和中值濾波，初步去除噪聲干擾和野點，獲得融合差異圖。最終使用K-means算法分析融合差異圖。該方法存在的不足之處是，只考慮合成孔徑雷達SAR圖像的單個像素點信息，無法提取合成孔徑雷達SAR圖像的局部特征，降低后期變化檢測的準確度。

發明內容

本發明的目的在于針對上述已有技術的缺點，提出了一種基于網絡結構優化的合成孔徑雷達SAR圖像變化區域檢測方法，以實現對合成孔徑雷達SAR圖像變化區域的準確檢測。該方法從變化檢測矩陣中隨機選擇不同的訓練樣本，用選擇的訓練樣本逐層訓練堆棧自動編碼器網絡，使用粒子群算法逐層優化堆棧自動編碼器網絡，提升了堆棧自動編碼器網絡的自學習能力，提高了變化檢測矩陣中每一個元素被劃分為變化類的概率的準確度。該方法思路簡單明確，通過有效提取合成孔徑雷達SAR圖像的局部特征提高了變化檢測的精度。