[發明專利]一種基于非負稀疏編碼的SAR圖像變化檢測方法

在審

• 申請號: 202010558978.5
• 申請日: 2020-06-18
• 公開（公告）號: CN111753700A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 王少娜;王亞男
• 申請（專利權）人: 天津工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 謝秀娟

1.一種基于非負稀疏編碼的SAR圖像變化檢測方法，其特征在于，包括如下內容：

S1.選取同一地理區域在不同時刻t₁和t₂的兩幅SAR圖像，其中t₁時刻的SAR圖像表示為X₁＝{X₁(i,j),1≤i≤I,1≤j≤J}，t₂時刻的SAR圖像表示為X₂＝{X₂(i,j),1≤i≤I,1≤j≤J}，然后生成圖像X₁和圖像X₂的差分圖像；

S2.通過非負矩陣分解NMF方法從所述差分圖像上學習字典；

S3.通過非負約束的稀疏編碼獲得所述差分圖像上每個像素的判別特征；

S4.通過K均值聚類方法獲取變化檢測圖。

2.根據權利要求1所述的基于非負稀疏編碼的SAR圖像變化檢測方法，其特征在于，步驟S1中用對數比算子生成圖像X₁和圖像X₂的差分圖像，所述對數比算子DI定義如下：

上式中ε是數學意義上的微小常量。

3.根據權利要求1所述的基于非負稀疏編碼的SAR圖像變化檢測方法，其特征在于，步驟S2的內容為：將所述差分圖像分割成互不重疊的圖像塊矩陣Q_m×n＝[q₁,q₂,...,q_n]∈R^m×n，然后使用非負矩陣分解NMF方法將所述圖像塊矩陣分解成基礎矩陣M和權矩陣H的乘積，即Q_m×n＝M_m×kH_k×n，q_i表示圖像塊，i＝1,2...,n；m代表每個圖像塊的維數，n代表訓練數據的數量，將所述基礎矩陣M作為學習到的字典。

4.根據權利要求3所述的基于非負稀疏編碼的SAR圖像變化檢測方法，其特征在于，通過使下式所示的約束函數最小化來完成對所述圖像塊矩陣Q_m×n的非負矩陣分解：

其中矩陣M和矩陣H都是非負矩陣。

5.根據權利要求4所述的基于非負稀疏編碼的SAR圖像變化檢測方法，其特征在于，使用迭代方法求解原始矩陣Q的非負矩陣分解中的基礎矩陣M和權矩陣H，當近似誤差變為收斂或迭代達到指定的數值時，迭代結束，迭代方法采用如下式所示的KL散度方法：

其中M_ia表示矩陣M第i行第a列位置的值，H_au表示矩陣H第a行第u列位置的值；H_av表示矩陣H第a行第v列位置的值；Q_iu表示矩陣Q第i行第u列位置的值；(MH)_iu表示矩陣MH第i行第u列位置的值；H_ia表示矩陣H第i行第a列位置的值；H_ka表示矩陣H第k行第a列位置的值。

6.根據權利要求1所述的基于非負稀疏編碼的SAR圖像變化檢測方法，其特征在于，步驟S3的內容為：通過重疊所述差分圖像中每個像素的鄰域數據來得到每個像素的初始特征向量，從而得到所述差分圖像中所有像素的初始特征向量集合D＝{d₁,d₂,...,d_N}，d_i表示所述差分圖像中第i個像素的初始特征向量，N表示所述差分圖像中像素的數量，N＝I×J；然后應用稀疏編碼方法利用所述差分圖像中每個像素的特征；

系數編碼方法表示為如下優化問題：

arg min||d_i-Mc_i||+λ||c_i||_||l||

λ是平衡重構誤差與稀疏性之間權衡的參數，c_i是具有非負約束稀疏編碼的特征向量。

7.根據權利要求1所述的基于非負稀疏編碼的SAR圖像變化檢測方法，其特征在于，步驟S4的內容為：通過K均值聚類方法將步驟S3學習到的特征劃分為兩個聚類，根據歐式距離創建二進制變化圖CM＝{cm(i,j),1≤i≤I,1≤j≤J}，其中：

“0”代表未變化像素，“1”代表變化像素。