[發明專利]基于DCNN的雙時相遙感影像變化檢測方法在審
| 申請號： | 202010903557.1 | 申請日： | 2020-09-01 |
| 公開（公告）號： | CN112131968A | 公開（公告）日： | 2020-12-25 |
| 發明（設計）人： | 王鑫;呂安;張香梁;呂國芳 | 申請（專利權）人： | 河海大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 南京經緯專利商標代理有限公司 32200 | 代理人： | 湯金燕 |
| 地址： | 210000 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 dcnn 雙時相 遙感 影像 變化 檢測 方法 | ||
1.一種基于DCNN的雙時相遙感影像變化檢測方法，其特征在于，包括如下步驟：
S10，構建包括待檢測遙感影像的雙時相遙感圖像數據集；
S30，將雙時相遙感圖像數據集輸入預先構建的深度卷積神經網絡，以生成雙時相遙感圖像數據集所包括的各個遙感影像分別對應的雙時相特征圖；
S40，對雙時相特征圖進行雙線性插值，使雙時相特征圖的尺寸與雙時相遙感圖像數據集中遙感影像的尺寸相同；
S50，計算雙線性插值后的雙時相特征圖之間的歐氏距離，根據歐氏距離生成差異圖像，提取差異圖像中各個像素塊的特征向量，根據各個特征向量構建特征向量空間；
S60，對特征向量空間進行聚類，根據聚類結果生成粗變化檢測圖；
S70，對粗變化檢測圖進行形態學濾波，以生成變化檢測圖。
2.根據權利要求1所述的基于DCNN的雙時相遙感影像變化檢測方法，其特征在于，步驟S30之前，還包括：
S20，構建主體結構基于VGG19的深度卷積神經網絡，并加載在ImageNet上預訓練的權重參數作為深度卷積神經網絡的權重參數，以完成深度卷積神經網絡的構建。
3.根據權利要求1所述的基于DCNN的雙時相遙感影像變化檢測方法，其特征在于，計算雙線性插值后的雙時相特征圖之間的歐氏距離包括：
式中，表示雙時相特征圖中T1時刻特征圖的像素值，表示雙時相特征圖中T2時刻特征圖的像素值，DIi(x,y)表示歐氏距離。
4.根據權利要求1所述的基于DCNN的雙時相遙感影像變化檢測方法，其特征在于，對特征向量空間進行聚類，根據聚類結果生成粗變化檢測圖包括：
使用k＝2的k均值聚類將特征向量空間劃分為兩個簇，并計算兩個簇的特征向量和均值特征向量之間的最小歐氏距離，將每個像素分配給兩個簇中的一個，生成粗變化檢測圖。
5.根據權利要求1所述的基于DCNN的雙時相遙感影像變化檢測方法，其特征在于，對粗變化檢測圖進行形態學濾波，以生成變化檢測圖包括：
對粗變化檢測圖進行腐蝕操作，濾除粗變化檢測圖中的噪聲像素點，以生成變化檢測圖。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于河海大學，未經河海大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010903557.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：外泌體在制備治療肺纖維化的藥物中的應用
- 下一篇：電插鎖及玻璃門鎖具
