[發(fā)明專利]一種基于圖神經(jīng)網(wǎng)絡(luò)的變化檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110336097.3
• 申請(qǐng)日: 2021-03-29
• 公開（公告）號(hào): CN113160146B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 張新征;蘇杭;周喜川
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/90;G06V10/74;G06V10/762;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶博凱知識(shí)產(chǎn)權(quán)代理有限公司 50212
• 代理人: 胡逸然

本發(fā)明公開了一種基于圖神經(jīng)網(wǎng)絡(luò)的變化檢測(cè)方法，包括：獲取二時(shí)相SAR圖像I₁和I₂；基于I₁和I₂生成三通道圖像整合了對(duì)數(shù)比圖像、組合差分圖像及基于多尺度超像素重建的差分圖像；從三通道圖像中提取超像素，計(jì)算超像素件的相似度，構(gòu)建圖G(V,E)，V表示圖的節(jié)點(diǎn)，E表示圖的邊；利用變分圖自動(dòng)編碼器網(wǎng)絡(luò)提取圖G(V,E)的非局部空間特征表示；利用k?means聚類算法基于非局部空間特征表示對(duì)每一個(gè)超像素進(jìn)行分類。與現(xiàn)有技術(shù)相比，本發(fā)明通過非局部特征學(xué)習(xí)建立更加有效的特征表示，使得檢測(cè)不僅限于局部空間信息，提高了檢測(cè)精度以及檢測(cè)方法的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及雷達(dá)圖像變化檢測(cè)領(lǐng)域，具體涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的變化檢測(cè)方法。

背景技術(shù)

多時(shí)相合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像變化檢測(cè)技術(shù)被廣泛應(yīng)用于環(huán) 境檢測(cè)、城市研究和森林資源管理檢測(cè)等對(duì)地觀測(cè)任務(wù)，相較于光學(xué)圖像，SAR圖像變化檢 測(cè)技術(shù)常常遭到固有斑點(diǎn)噪聲的干擾?？朔唿c(diǎn)噪聲的影響精準(zhǔn)檢測(cè)變化極為重要。

由于具有地面參考圖的多時(shí)相SAR圖像極為匱乏，難以獲得大量具有標(biāo)簽的訓(xùn)練樣本， 監(jiān)督學(xué)習(xí)的方法往往不適用于SAR圖像變化檢測(cè)，目前無監(jiān)督學(xué)習(xí)方法被廣泛應(yīng)用于此領(lǐng) 域，其主要步驟包括：1)預(yù)處理；2)生成差分圖像(Difference image,DI)；3)差分圖像 分析。其中預(yù)處理階段主要包括圖像去噪和幾何配準(zhǔn)。

生成差分圖像的步驟旨在為后面的過程提供有價(jià)值的指導(dǎo)，其中減法和比率運(yùn)算符是兩 種經(jīng)典方法，可以很容易地找到微弱變化區(qū)域的細(xì)節(jié)。此外，對(duì)數(shù)比是更受歡迎的方法，因 為它可以將乘性斑點(diǎn)噪聲轉(zhuǎn)換為加性噪聲，這對(duì)SAR圖像更為有效。整合局部空間信息可以 抑制斑點(diǎn)噪聲，局部均值比和鄰域比算子可以增強(qiáng)對(duì)變化后的像素和噪聲之間的像素強(qiáng)度的 區(qū)分。

在分析差分圖像的階段，大量的特征提取方法被用于此步驟，例如主成分分析(Principal component analysis，PCA)、Gabor小波特征表示等。近十年來，由于深度學(xué)習(xí)算法自動(dòng)提取 判別性特征的特點(diǎn)使其在圖像處理領(lǐng)域受到廣泛關(guān)注，并且逐漸取代了上述這類手工設(shè)計(jì)的 特征提取方法。目前，卷積神經(jīng)網(wǎng)絡(luò)以及其變種卷積小波變換神經(jīng)網(wǎng)絡(luò)已經(jīng)被用于差分圖像 的分析。此外，自編碼網(wǎng)絡(luò)也被廣泛研究并且用于分析差分圖像，稀疏自編碼網(wǎng)絡(luò)、堆疊自 編碼網(wǎng)絡(luò)以及Fisher約束的堆疊自編碼網(wǎng)絡(luò),上述的自編碼網(wǎng)絡(luò)及其變體僅非常強(qiáng)調(diào)局部空 間信息的特征學(xué)習(xí)，在其學(xué)習(xí)過程中樣本(圖像片或超像素)之間是相互孤立的。僅僅基于 像素的局部空間信息建立的特征表示能力是極其有限的，限制了檢測(cè)精度以及檢測(cè)方法的魯 棒性。

綜上所述，如何提供一種新的不僅限于局部空間信息的檢測(cè)的雷達(dá)圖像變化檢測(cè)方法， 提高檢測(cè)精度以及檢測(cè)方法的魯棒性，成為了本領(lǐng)域技術(shù)人員急需解決的問題。

發(fā)明內(nèi)容

針對(duì)上述現(xiàn)有技術(shù)的不足，本發(fā)明實(shí)際解決的問題包括：如何提供一種新的不僅限于局 部空間信息的檢測(cè)的雷達(dá)圖像變化檢測(cè)方法，提高檢測(cè)精度以及檢測(cè)方法的魯棒性。

為了解決上述技術(shù)問題，本發(fā)明采用了如下的技術(shù)方案：

一種基于圖神經(jīng)網(wǎng)絡(luò)的變化檢測(cè)方法，包括：

S1、獲取二時(shí)相SAR圖像I₁和I₂；

S2、基于I₁和I₂生成三通道圖像整合了對(duì)數(shù)比圖像、組合差分圖像及基于多尺度 超像素重建的差分圖像；

S3、從三通道圖像中提取超像素，計(jì)算超像素件的相似度，構(gòu)建圖G(V,E)，V表示圖 的節(jié)點(diǎn)，E表示圖的邊；

S4、利用變分圖自動(dòng)編碼器網(wǎng)絡(luò)提取圖G(V,E)的非局部空間特征表示；