The invention discloses a SAR image change detection method based on the deep capsule network structure, which mainly solves the problem that the existing technology can not extract more useful feature information from the image and insufficient effective image information contained in the acquired training samples. The steps are as follows: acquiring two SAR experimental images; acquiring similarity threshold and difference value between pixels according to the pixel information of the experimental images; pre-classifying the experimental images with KI threshold method to get the labels of the images; according to similarity threshold, difference value of the pixels and labels of the images, training labels and training samples are obtained and the capsule network is trained; and then pairing. The network is trained to deepen the hierarchy, and the experimental map is input into the deep capsule network to get the change detection result map. The invention can obtain more useful feature information from training samples, improve the accuracy of change detection, and can be used in SAR image change detection of environmental monitoring, agricultural investigation and disaster relief work.
【技术实现步骤摘要】
基于深度胶囊网络的SAR图像变化检测方法
本专利技术属于图像处理
,特别涉及一种SAR图像变化检测方法,可用于环境监测、农业调查和救灾工作。
技术介绍
合成孔径雷达SAR具有全天时、全天候、分辨率高等特点,相对于可见光、红外传感器具有得天独厚的优势。变化检测是在遥感领域中最重要的应用,它通过分析同一地区在不同时刻的两幅图像,根据图像之间的差异来获得所需要的地物变化信息。随着遥感技术的不断发展,变化检测技术也得到了迅猛发展,被广泛应用于农业生产和科研等领域。SAR图像变化检测的过程可以被分为图像预处理过程和图像分析过程。图像的预处理过程包括图像配准、几何校正和图像增强;图像的分析过程大体有两种类型的方法:(1)有监督的SAR图像变化检测技术;(2)无监督的SAR图像变化检测技术。虽然有监督的SAR图像变化检测技术有时可以获得比较理想的检测结果,但是要求知道真实变化信息,或者需要大量的有标记训练样本,而这些在实际应用中往往是很难做到的。所以无监督的SAR图像变化检测能更好的迎合实际工作的需要,具有重要意义。传统的无监督的SAR图像变化检测方法有图像差值法,图像比值法,后分类比较法,图像回归法,植被索引法等。这些变化检测方法实现简单,但通常对噪声非常敏感,导致误检或漏检的现象比较严重,近年来又有学者提出了基于深度学习的SAR图像变化检测算法。基于深度学习的SAR图像变化检测技术是基于图像的光谱特性、形状、纹理、大小和其他拓扑特征将图像预分类数据输入到网络模型中,然后通过网络模型进行训练,根据训练好的网络模型来学习图像特征信息,通过分类器对图像特征信息进行分 ...
【技术保护点】
1.一种基于深度胶囊网络的SAR图像变化检测方法,其特征在于,包括如下:(1)获取同一地区不同时相的两幅已配准SAR实验图像I1和I2,并用I1(i,j)表示图I1中在位置(i,j)处的像素灰度值,用I2(i,j)表示图I2中在位置(i,j)处的像素灰度值;(2)根据SAR实验图获取胶囊网络训练的标签:(2a)计算SAR实验图的像素间相似度S(i,j):
【技术特征摘要】
1.一种基于深度胶囊网络的SAR图像变化检测方法,其特征在于,包括如下:(1)获取同一地区不同时相的两幅已配准SAR实验图像I1和I2,并用I1(i,j)表示图I1中在位置(i,j)处的像素灰度值,用I2(i,j)表示图I2中在位置(i,j)处的像素灰度值;(2)根据SAR实验图获取胶囊网络训练的标签:(2a)计算SAR实验图的像素间相似度S(i,j):(2b)用Otsu阈值法对获得的相似度进行分割,得到像素间相似度阈值T;(2c)计算实验图像素的差异值δ:δ1(i,j)=w1(i,j)×(I1(i,j)-G(i,j))2δ2(i,j)=w2(i,j)×(I2(i,j)-G(i,j))2其中w(i,j)表示像素灰度值的权值,G(i,j)表示加权灰度值,δ1(i,j)表示图像I1在位置(i,j)处的像素差异值,δ2(i,j)表示图像I2在位置(i,j)处的像素差异值;(2d)根据相似度阈值T和像素差异值δ获取胶囊网络训练标签label:(2d1)用KI阈值法分别对这两张实验图进行聚类,得到两张二分类后的图像J1和J2;(2d2)将第一张实验图在位置(i,j)处的像素差异值δ1(i,j)与第二张实验图I2在位置(i,j)处的像素差异值δ2(i,j)进行比较,获取两张实验图在位置(i,j)处的标签:如果δ1(i,j)≤δ2(i,j),则第一张实验图I1的标签label1(i,j)=J1(i,j),再将该位置处像素的相似度S(i,j)与相似度阈值T进行比较:若S(i,j)<T,则第二张实验图I2的标签label2(i,j)=label1(i,j);否则,第二张实验图I2的标签label2(i,j)=1-label1(i,j);如果δ1(i,j)>δ2(i,j),则第二张实验图I2的标签label2(i,j)=J2(i,j),再将该位置处像素的相似度S(i,j)与相似度阈值T进行比较:若S(i,j)<T,则第一张实验图I1的标签label1(i,j)=label2(i,j);否则,第一张实验图I1的标签label1(i,j)=1-label2(i,j);(2d3)根据两张实验图的标签获取训练标签:如果label1(i,j)=label2(i,j),则...
【专利技术属性】
技术研发人员:马文萍,熊云塔,武越,杨惠,陈小波,焦李成,
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。