[發(fā)明專利]基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010903822.6
• 申請(qǐng)日: 2020-09-01
• 公開（公告）號(hào): CN112131969A
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 王鑫;呂安;石愛(ài)業(yè);徐立中
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 湯金燕

1.一種基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)方法，其特征在于，包括如下步驟：

S30，將訓(xùn)練集輸入預(yù)先構(gòu)建的全卷積神經(jīng)網(wǎng)絡(luò)，并選擇特定損失函數(shù)，根據(jù)所述特定損失函數(shù)采用梯度下降算法訓(xùn)練所述全卷積神經(jīng)網(wǎng)絡(luò)，在所述全卷積神經(jīng)網(wǎng)絡(luò)收斂時(shí)確定遙感圖像變化檢測(cè)網(wǎng)絡(luò)；

S40，將測(cè)試集輸入遙感圖像變化檢測(cè)網(wǎng)絡(luò)，生成測(cè)試集中各個(gè)測(cè)試圖像的分割圖像；

S50，計(jì)算各個(gè)分割圖像中像素的強(qiáng)度值差值，根據(jù)強(qiáng)度值差值的絕對(duì)值生成差異圖像；

S60，提取所述差異圖像中像素塊的各個(gè)特征向量，根據(jù)各個(gè)特征向量構(gòu)建特征向量空間，對(duì)特征向量空間進(jìn)行聚類，根據(jù)聚類結(jié)果生成粗變化檢測(cè)圖；

S70，對(duì)粗變化檢測(cè)圖進(jìn)行形態(tài)學(xué)濾波，以生成變化檢測(cè)圖。

2.根據(jù)權(quán)利要求1所述的基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)方法，其特征在于，步驟S30之前，還包括：

S10，構(gòu)建遙感圖像數(shù)據(jù)集，將遙感圖像數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集；

S20，構(gòu)建主體結(jié)構(gòu)基于U-net的全卷積神經(jīng)網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求2所述的基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)方法，其特征在于，構(gòu)建遙感圖像數(shù)據(jù)集，將遙感圖像數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集包括：

S11，構(gòu)建遙感圖像數(shù)據(jù)集Image＝[Image₀,Image₁,...,Image_i]，并制作相對(duì)應(yīng)的樣本標(biāo)簽集Lable＝[Lable₀,Lable₁,...,Lable_i]，其中i表示所構(gòu)建的圖像數(shù)據(jù)集和相對(duì)應(yīng)的標(biāo)簽集中所包含的圖像的最大數(shù)量，Image_i表示所構(gòu)建的遙感圖像數(shù)據(jù)集中第i個(gè)圖像，Lable_i表示所制作的樣本標(biāo)簽集中第i個(gè)標(biāo)簽圖像；

S12，從遙感圖像數(shù)據(jù)集中隨機(jī)抽取m張圖像和相對(duì)應(yīng)的標(biāo)簽圖像構(gòu)建訓(xùn)練集，其余n-m張圖像和相對(duì)應(yīng)的標(biāo)簽圖像構(gòu)建測(cè)試集。

4.根據(jù)權(quán)利要求1所述的基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)方法，其特征在于，所述特定損失函數(shù)包括：

L＝-y_i×log[p(y_i)]-(1-y_i)×log[1-p(y_i)]，

其中，y_i表示訓(xùn)練集中遙感圖像第i個(gè)像素所對(duì)應(yīng)的標(biāo)簽值像素值，p(y_i)表示經(jīng)過(guò)全卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)后輸出像素的值為1的概率值，L表示特定損失函數(shù)。

5.根據(jù)權(quán)利要求1所述的基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)方法，其特征在于，對(duì)特征向量空間進(jìn)行聚類，根據(jù)聚類結(jié)果生成粗變化檢測(cè)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(gè)簇，并計(jì)算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(gè)像素分配給兩個(gè)簇中的一個(gè)，生成粗變化檢測(cè)圖。

6.根據(jù)權(quán)利要求1所述的基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)方法，其特征在于，對(duì)粗變化檢測(cè)圖進(jìn)行形態(tài)學(xué)濾波，以生成變化檢測(cè)圖包括：

對(duì)所述粗變化檢測(cè)圖進(jìn)行腐蝕操作，濾除粗變化檢測(cè)圖中的噪聲像素點(diǎn)，生成變化檢測(cè)圖。