[發明專利]基于深度膠囊網絡的SAR圖像變化檢測方法

有效

• 申請號: 201910043861.0
• 申請日: 2019-01-17
• 公開（公告）號: CN109801305B
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 馬文萍;熊云塔;武越;楊惠;陳小波;焦李成
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/194;G06T7/30;G06K9/62;G06N3/04
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華

本發明公開了一種基于深度膠囊網絡結構的SAR圖像變化檢測方法，主要解決現有技術無法從圖像中提取到更多有用特征信息及獲取的訓練樣本中包含的有效圖像信息不足的問題。其實現步驟是：獲取兩張SAR實驗圖像；根據實驗圖像的像素信息，獲取像素間的相似度閾值和像素的差異值；用KI閾值法對實驗圖進行預分類，得到圖像的標簽；根據相似度閾值、像素的差異值及圖像的標簽，得到訓練標簽和訓練樣本并膠囊網絡進行訓練；再對的訓練好網絡進行層次加深；將實驗圖輸入到深度膠囊網絡中，得到變化檢測結果圖。本發明能從訓練樣本中得到更多有用的特征信息，提高了變化檢測精度，可用于環境監測、農業調查和救災工作的SAR圖像變化檢測中。

技術領域

本發明屬于圖像處理技術領域，特別涉及一種SAR圖像變化檢測方法，可用于環境監測、農業調查和救災工作。

背景技術

合成孔徑雷達SAR具有全天時、全天候、分辨率高等特點，相對于可見光、紅外傳感器具有得天獨厚的優勢。變化檢測是在遙感領域中最重要的應用，它通過分析同一地區在不同時刻的兩幅圖像，根據圖像之間的差異來獲得所需要的地物變化信息。隨著遙感技術的不斷發展，變化檢測技術也得到了迅猛發展，被廣泛應用于農業生產和科研等領域。

SAR圖像變化檢測的過程可以被分為圖像預處理過程和圖像分析過程。圖像的預處理過程包括圖像配準、幾何校正和圖像增強；圖像的分析過程大體有兩種類型的方法：(1)有監督的SAR圖像變化檢測技術；(2)無監督的SAR圖像變化檢測技術。

雖然有監督的SAR圖像變化檢測技術有時可以獲得比較理想的檢測結果，但是要求知道真實變化信息，或者需要大量的有標記訓練樣本，而這些在實際應用中往往是很難做到的。所以無監督的SAR圖像變化檢測能更好的迎合實際工作的需要，具有重要意義。傳統的無監督的SAR圖像變化檢測方法有圖像差值法，圖像比值法，后分類比較法，圖像回歸法，植被索引法等。這些變化檢測方法實現簡單，但通常對噪聲非常敏感，導致誤檢或漏檢的現象比較嚴重，近年來又有學者提出了基于深度學習的SAR圖像變化檢測算法。

基于深度學習的SAR圖像變化檢測技術是基于圖像的光譜特性、形狀、紋理、大小和其他拓撲特征將圖像預分類數據輸入到網絡模型中，然后通過網絡模型進行訓練，根據訓練好的網絡模型來學習圖像特征信息，通過分類器對圖像特征信息進行分類得到最終變化的結果，基于深度學習的變化檢測方法已經成功的應用于土地利用和土地覆蓋的分類等領域中。由于基于深度學習的變化檢測融入了很多周圍像素點的特征，因此它對于處理分辨率特別大的SAR圖像在分類效果上具有明顯的優勢。SAR圖像變化檢測的難點在于圖像中存在大量的相干斑噪聲，這些噪聲難于處理，容易對結果產生很大的影響。國內外的學者在變化檢測領域中做了大量的研究。

授權公告號為CN 103810699 B，名稱為“基于無監督神經網絡的SAR圖像變化檢測方法”的中國專利，公開了一種基于深度神經網絡的變化檢測方法，該方法基于對兩幅配準后的同一地區不同時相的SAR圖像進行模糊C均值聯合分類獲得粗糙的變化檢測結果，根據初始的變化檢測結果選擇可能性大的非噪聲點作為訓練樣本，將訓練樣本輸入到神經網絡中訓練，將待檢測圖片輸入到訓練好的模型中得到最后的變化檢測結果圖。但這種方法的不足在于，無法充分地從獲得的圖像塊中得到有用的信息，從而降低檢測的精度，同時得到的預處理圖像會影響得到的訓練標簽，進一步影響到SAR圖像變化檢測的結果。在深度學習方法中，卷積網絡、深信度網絡、玻爾茲曼機等深度神經網絡被提出，廣泛用于圖像特征信息提取和分類，不同的神經網絡提取圖像特征信息的能力不同，從而影響最終的分類效果，其中：

膠囊網絡是一種基于膠囊化的卷積網絡和動態路由算法的深度神經網絡，通過將處理后的圖像作為標簽來進行網絡訓練，實現無監督的深度學習SAR圖像變化檢測。通過膠囊化的卷積網絡可以獲取圖像的有用的不同特征信息，同時獲取的特征信息被組合成向量，并通過動態路由算法對這個向量進行歸一化，歸一化后的向量用來表征信息。這個向量的模的大小表示不同類別的概率，網絡通過這個概率來進行分類。雖然膠囊網絡處理后的特征信息可以取得不錯的分類效果，但是網絡不能夠更有效地分類已獲取的高級特征信息，從而降低檢測精度，無法得到更好的變化檢測結果。