【技术实现步骤摘要】
本专利技术属于图像处理
,主要涉及深度神经网络与遥感图像处理领域的结合,主要解决遥感图像的变化检测问题,具体提供由聚类引导深度神经网络分类的多源图像变化检测方法,用于多源图像的变化检测,广泛应用于航天、地物覆盖与利用、地震灾害检测与评估等领域。
技术介绍
计算机数字图像处理、模式识别、人工智能,以及传感器数据融合技术不断发展,给遥感图像的自动变化检测提供了更多的技术保障。近二十年来,遥感图像的变化检测方法不断更新,变化检测技术取得了可喜成就,检测方法日益成熟。遥感影像变化检测技术是指利用不同历史时期的覆盖同一地表区域的多源遥感影像和相关地理数据,结合对应地物特性和遥感成像机理,采用图像图形处理理论及数理模型方法,确定和分析该区域地物的变化,包括地物位置、范围的变化和地物性质状态的变化。变化检测作为遥感图像分析中的一项重要应用,为环境监测、资源勘探、灾害救援与治理提供了有效的技术手段。目前广泛运用的图像变化检测方法主要基于同一传感器所获取的影像,称作同源图像处理,一般先产生差异图,再去差异图进行处理,最终获得变化检测结果。对于由不同传感器所获取的多源图像变化检测方法,也称作多源图像处理,各国学者从不同的角度研究了大量的变化检测方法和理论模型,传统的方法如代数法、时序分析法等,根据影像差值法或比值法产生差异图,再对阈值进行选择,该类方法算法简单易实现,并且部分变换方法能有效对维数约减,缺点在于难以 >克服由于大气条件,传感器噪声和大气辐射的差异性带来的干扰,影响最终的检测结果。随着变化检测方法应用的不断深入,对于由不同传感器所获得的影像运用先产生差异图的变化检测方法的检测结果的精度难以满足当前图像处理的要求,已很难适应于当前人类生产需求。本专利技术主要是基于该点,提出了一种不需产生差异图而对两幅多源图像进行变化检测的方法,并且取得了良好的效果。
技术实现思路
本专利技术的目的在于克服上述现有技术存在的不足,提供了一种不需产生差异图,检测精度高的聚类引导深度神经网络分类的多源图像变化检方法。1.本专利技术是一种聚类引导深度神经网络分类的多源图像变化检测方法,待处理的图像,是两个已配准的同一区域、不同时间、由不同传感器获取的多源图像,包括光学图像和TM图像,其特征在于,包括有如下步骤:(1)输入光学图像:输入多源图像中待检测光学图像的灰度矩阵;(2)分割光学图像:采用模糊C均值聚类方法对其中待检测的光学图像的灰度矩阵进行模糊聚类,得到光学图像聚类分割后的灰度矩阵;(3)对聚类分割后的光学图像做标记:把聚类分割后图像的类别进行分类和标记,作为标记的标签Ω,Ω={Ω1,Ω2,…本文档来自技高网...
【技术保护点】
一种聚类引导深度神经网络分类的多源图像变化检测方法,待处理的图像,是两个已配准的同一区域、不同时间、由不同传感器获取的多源图像,包括光学图像和TM图像,其特征在于,包括有如下步骤:(1)输入待检测光学图像:输入多源图像中待检测光学图像的灰度矩阵;(2)分割光学图像:采用模糊C均值聚类方法对其中待检测光学图像的灰度矩阵进行模糊聚类,得到光学图像聚类分割后的灰度矩阵;(3)对聚类分割后的光学图像做标记:对聚类分割后图像的类别进行分类并标记,以标签Ω作为标记,Ω={Ω1,Ω2,…},Ω1,Ω2分别表示分类后的类别标签;(4)对两图像进行采样:对光学图像和TM图像数据进行大小为n×n的块采样,采样出每个像素点对应的n2个像素点的值,对该值归一化处理,处理后得到的n2个数据,作为该像素点的采样样本,遍历整幅图像,直至采样完成两幅图中所有的像素点;(5)在TM图像中选取训练样本:(5a)选取候选训练样本区域,将分类后的光学图像中对应于变化检测参考图上未变化区域作为候选训练样本区域,训练样本将在该候选训练样本区域内选取;(5b)选取训练样本规则:在分类后的光学图像中,以像素点i为例,将像素点i的位置 ...
【技术特征摘要】
1.一种聚类引导深度神经网络分类的多源图像变化检测方法,待处理的图
像,是两个已配准的同一区域、不同时间、由不同传感器获取的多源图像,包括
光学图像和TM图像,其特征在于,包括有如下步骤:
(1)输入待检测光学图像:输入多源图像中待检测光学图像的灰度...
【专利技术属性】
技术研发人员:马文萍,李志舟,焦李成,马晶晶,张普照,赵暐,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。