[發(fā)明專利]一種基于稀疏表示和膠囊網(wǎng)絡(luò)的SAR圖像變化檢測方法

有效

• 申請?zhí)枺?/td>: 202011237608.8
• 申請日: 2020-11-09
• 公開（公告）號: CN112270285B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計）人: 王亞男;王少娜;劉陽;李林林
• 申請（專利權(quán)）人: 天津工業(yè)大學(xué)
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/762;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 北京東方盛凡知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11562
• 代理人: 王穎

本發(fā)明提供一種基于稀疏表示和膠囊網(wǎng)絡(luò)的SAR圖像變化檢測方法，實現(xiàn)步驟包括：(1)選取兩幅多時相SAR圖像X₁和X₂，利用鄰域?qū)?shù)比算子獲取差分圖像；(2)通過稀疏表示的方法提取差分圖上的稀疏特征,生成特征圖；(3)通過模糊聚類的方法FCM獲得初始分類的偽標(biāo)簽,采取高置信度樣本的挑選原則,從所述特征圖上挑選合適樣本制作樣本集；(4)構(gòu)造改進(jìn)的膠囊網(wǎng)絡(luò)，輸入通過稀疏表示提取的特征圖，訓(xùn)練優(yōu)化網(wǎng)絡(luò)；(5)測試網(wǎng)絡(luò)，生成變化檢測圖。本發(fā)明充分考慮了SAR圖像的空間鄰域信息，利用稀疏表示和膠囊網(wǎng)絡(luò)相結(jié)合，不僅減少了散斑噪聲的影響，而且提取到了圖像的深層次特征，提高了SAR圖像變化檢測的精度和速度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于稀疏表示和膠囊網(wǎng)絡(luò)的SAR圖像變化檢測方法，在農(nóng)業(yè)調(diào)查、森林監(jiān)測、自然災(zāi)害預(yù)警等領(lǐng)域具有重要的研究價值。

背景技術(shù)

合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)是一種主動式微波傳感器，其成像技術(shù)是利用綜合孔徑的原理提高方位分辨率，進(jìn)而捕獲到大面積高分辨率的SAR圖像。遙感中的變化檢測是對同一地理區(qū)域內(nèi)不同時間獲取的兩幅SAR圖像進(jìn)行分析，識別出其中的變化區(qū)域。SAR成像由于不受光照、天氣等外在條件的影響，能夠?qū)Φ啬繕?biāo)進(jìn)行全天候、大面積的探測，使得SAR圖像的變化檢測在農(nóng)業(yè)調(diào)查、森林監(jiān)測、自然災(zāi)害預(yù)警等方面具有重要的研究意義。

傳統(tǒng)的變化檢測過程通常分為三個步驟：圖像預(yù)處理；生成差異圖；對差異圖進(jìn)行分析和處理。傳統(tǒng)方法在抑制噪聲和保留圖像的細(xì)節(jié)信息上效果不佳，容易丟失圖像邊緣信息，忽略鄰域信息，導(dǎo)致變化檢測的精度不高。近幾年隨著人工智能和深度學(xué)習(xí)的不斷發(fā)展和普及，許多學(xué)者利用深度學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)的知識，提出了新的變化檢測方法，在很大程度上提高了變化檢測的準(zhǔn)確度。比如應(yīng)用廣泛的卷積神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)以及生成對抗網(wǎng)絡(luò)等通過訓(xùn)練分類器提取樣本中的特征及空間關(guān)系，學(xué)習(xí)不同類別的特征，進(jìn)而區(qū)分開變化區(qū)域和未變化區(qū)域。雖然卷積神經(jīng)網(wǎng)絡(luò)在SAR圖像變化檢測任務(wù)中已經(jīng)達(dá)到了較好的檢測效果，但是對一些傾斜、旋轉(zhuǎn)物體，CNN表現(xiàn)出來的效果都不是很令人滿意。另外，卷積網(wǎng)絡(luò)需要大量的數(shù)據(jù)來泛化，用于網(wǎng)絡(luò)的學(xué)習(xí)，這對于SAR圖像的變化檢測任務(wù)是一大難點。

因此如何提供一種新的方法能夠在保留SAR圖像關(guān)鍵位置信息的基礎(chǔ)上減少神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)集數(shù)量的要求，提高SAR圖像變化檢測的檢測精度和速度是亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于稀疏表示和膠囊網(wǎng)絡(luò)的SAR圖像變化檢測方法，更加適用于小數(shù)據(jù)集上的變化檢測任務(wù)，能夠提高檢測的精度和速度。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案，包括以下步驟：

S1、選取同一地理區(qū)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}，通過鄰域?qū)?shù)比算子生成圖像X₁和圖像X₂的差分圖像；

S2、通過KSVD方法從所述差分圖像上學(xué)習(xí)字典，通過字典更新和稀疏編碼獲得所述差分圖像上每個像素的稀疏特征，生成特征圖；

S3、通過FCM方法從所述差分圖像上獲得初始分類結(jié)果，作為樣本集的偽標(biāo)簽，稀疏表示之后的特征圖作為樣本，并采取一種高置信度樣本的挑選原則，選擇合適的樣本作為訓(xùn)練集；

S4、構(gòu)建一種改進(jìn)的膠囊網(wǎng)絡(luò)模型，輸入所述訓(xùn)練集，來訓(xùn)練膠囊網(wǎng)絡(luò)學(xué)習(xí)圖像的深層特征；

S5、測試膠囊網(wǎng)絡(luò)，輸出預(yù)測標(biāo)簽結(jié)果，生成變化檢測圖。