基于NSGA-Ⅱ进化算法的变化检测方法技术

本发明专利技术的目的是提供一种基于NSGA-Ⅱ进化算法的变化检测方法。主要解决SAR图像变化检测中由差异图生成结果图的问题。其实现步骤为：(1)设置运行参数；(2)用对数比生成差异图；(3)初始化隶属度矩阵和聚类中心；(4)计算个体适应度；(5)非支配快速排序；(6)更新隶属度矩阵；(7)二元锦标赛选择父代；(8)父代交叉和变异生成子代；(9)对父代和子代一起进行非支配快速排序；(10)选择精英种群；(11)判断进化代数是否达到设置条件，未达到则返回步骤(6)，否则，输出pareto前端和结果图。本发明专利技术具有权衡图像细节和噪声的作用，可用于变化检测、图像分割等技术领域中。

【技术实现步骤摘要】
【专利摘要】本专利技术的目的是提供一种基于NSGA-Ⅱ进化算法的变化检测方法。主要解决SAR图像变化检测中由差异图生成结果图的问题。其实现步骤为：(1)设置运行参数；(2)用对数比生成差异图；(3)初始化隶属度矩阵和聚类中心；(4)计算个体适应度；(5)非支配快速排序；(6)更新隶属度矩阵；(7)二元锦标赛选择父代；(8)父代交叉和变异生成子代；(9)对父代和子代一起进行非支配快速排序；(10)选择精英种群；(11)判断进化代数是否达到设置条件，未达到则返回步骤(6)，否则，输出pareto前端和结果图。本专利技术具有权衡图像细节和噪声的作用，可用于变化检测、图像分割等
中。【专利说明】基于NSGA- II进化算法的变化检测方法
本专利技术属于图像处理
，可用于变化检测、图像分割等
中。
技术介绍
图像变化检测是分析同一地点不同时间两幅图像差别的过程。在最近几十年，由 于在各个方面的应用，比如遥感、医学诊断和视频监控等，图像变化检测越来越受到关注。 随着遥感技术的发展，在遥感领域的变化检测变得越来越重要。在这其中，相比于光学图 像，SAR图像表现出一些复杂性，这是由于受到斑点噪声存在的影响。当然，SAR图像的优点 是受到大气和光照的影响较小。 无监督SAR图像变化检测可以大致分为三个步骤：一是图像预处理过程。主要包 括配准、几何校正、去噪等步骤；二是生成差异图。两幅已配准的图像像素点对应进行比较 生成差异图，常用的技术是差值和比值，由于乘性噪声的存在，常用的是均值比和对数比； 三是分析差异图。这一步相当于对图像做二值分割，常用的技术有阈值法和聚类法。 进化算法作为一类启发式搜索算法，已被成功应用与多目标优化领域，发展成为 一个相对较热的研究方向一进化多目标优化。最优化问题是工程实践和科学研究中主要 的形式之一，其中，仅有1个目标函数的最优化问题称为单目标优化问题，目标函数超过1 个并且需要同时处理的最优化问题称为多目标优化问题。对于多目标优化问题，一个解对 于某个目标来说可能是较好的，而对于其他目标来讲可能是较差的，因此，存在一个折衷解 的集合，称为pareto最优解集或非支配解集。起初，多目标优化问题往往通过加权方式转 化为单目标优化问题，然后用数学规划的方法来求解，每次只能得到一种权值情况下的最 优解。同时，由于多目标优化问题的目标函数和约束函数可能是非线性、不可微或不连续 的，传统的数学规划方法往往效率较低，且它们对于权重值或目标给定的次序较敏感。进化 算法通过在代与代之间维持由潜在解组成的种群来实现全局搜索，这种从种群到种群的方 法对于搜索多目标优化问题的pareto最优解集是很有用的。 NSGA- II是2002年Deb等人对其算法NSGA的改进，它是迄今为止最优秀的进 化多目标优化算法之一，提出该算法的文献是《Deb K，Pratap A，Agarwal S，Meyarivan T. A fast and elitist multi-objective genetic algorithm:NSGA-II. IEEE Trans, on Evolutionary Computation, 2002, 6(2): 182-197》。相对于 NSGA 而言，NSGA- II具有以下 优点：一是新的基于分级的快速非支配解排序方法降低了计算复杂度；二是为了标定快速 非支配排序后同级中不同元素的适应度值，同时使当前pareto前沿面中的个体能够扩展 到整个pareto前沿面，并尽可能地均匀遍布。该算法提出了拥挤距离的概念。采用拥挤距 离比较算子代替了 NSGA中的适应度共享方法；三是引入了精英保留机制，经选择后参加繁 殖的个体所产生的后代与其父代个体共同竞争来产生下一代种群，因此有利于保持优良的 个体，提高种群的整体进化水平。
技术实现思路
本专利技术的目的是提供一种基于NSGA- II进化算法的变化检测方法。动机在于分 析差异图利用聚类算法时，目标函数可以拆成两部分，一部分代表图像细节，一部分图像去 噪，两个目标是矛盾的，一方面好时，另一方面不一定好，这就可以考虑用多目标进化算法 对两个目标进行优化，得到一组折衷解，使得目标函数达到最小值。 本专利技术的技术方案是将NSGA- II进化算法引入变化检测分析差异图这一步骤，权 衡图像细节和去噪程度，得到一组折衷解，然后从一组图像中选取自己需要的一幅或几幅 结果图。 其具体实现过程如下： 步骤101 :设置运行参数； 步骤102 :用对数比生成差异图； 步骤103 :随机初始化隶属度矩阵和聚类中心； 步骤104 :计算个体适应度； 步骤105 :非支配快速排序； 步骤106 :更新隶属度矩阵； 步骤107 :二元锦标赛选择父代； 步骤108 :父代交叉和变异生成子代； 步骤109 :对父代和子代一起进行非支配快速排序； 步骤110 :选择精英种群； 步骤111 :判断进化代数是否达到设置条件，未达到则返回步骤106,否则，输出 pareto前端和结果图。 所述步骤101，包括以下步骤： 步骤201 :设置运行参数，包括种群大小pop,进化代数gen,其中pop设为50, gen 设为200。 所述步骤102,包括以下步骤： 步骤301 :对不同时刻同一地点的两幅图像进行配准； 步骤302 :对两幅图像Xi和X2利用如下公式生成差异图 【权利要求】1. 一种基于NSGA- II进化算法的变化检测方法，其特征是：包括如下步骤： 步骤101 :设置运行参数； 步骤102:用对数比生成差异图； 步骤103 :随机初始化隶属度矩阵和聚类中心； 步骤104 :计算个体适应度； 步骤105 :非支配快速排序； 步骤106 :更新隶属度矩阵； 步骤107 :二元锦标赛选择父代； 步骤108 :父代交叉和变异生成子代； 步骤109 :对父代和子代一起进行非支配快速排序； 步骤110 :选择精英种群； 步骤111 :判断进化代数是否达到设置条件，未达到则返回步骤106,否则，输出pareto 前端和结果图。2. 根据权利要求1所述的基于NSGA- II进化算法的变化检测方法，其特征是，所述步骤 101，包括以下步骤： 步骤201 :设置运行参数，包括种群大小pop，进化代数gen，其中pop设为50, gen设为 200。3. 根据权利要求1所述的基于NSGA- II进化算法的变化检测方法，其特征是，所述步骤 102, 包括以下步骤： 步骤301 :对不同时刻同一地点的两幅图像进行配准； 步骤302 :对两幅图像Xi和X2利用如下公式生成差异图4. 根据权利要求1所述的基于NSGA- II进化算法的变化检测方法，其特征是，所述步骤 103, 包括以下步骤： 步骤401 :用matlab的随机函数初始化隶属度矩阵和聚类中心。5. 根据权利要求1所述的基于NSGA- II进化算法的变化检测方法，其特征是，所述步骤 104, 包括以下步骤： 步骤501 :目标函数1按下式计算；步骤502 :目标函数本文档来自技高网...

【技术保护点】
一种基于NSGA‑Ⅱ进化算法的变化检测方法，其特征是：包括如下步骤： 步骤101：设置运行参数； 步骤102：用对数比生成差异图； 步骤103：随机初始化隶属度矩阵和聚类中心； 步骤104：计算个体适应度； 步骤105：非支配快速排序； 步骤106：更新隶属度矩阵； 步骤107：二元锦标赛选择父代； 步骤108：父代交叉和变异生成子代； 步骤109：对父代和子代一起进行非支配快速排序； 步骤110：选择精英种群； 步骤111：判断进化代数是否达到设置条件，未达到则返回步骤106，否则，输出pareto前端和结果图。

【技术特征摘要】

【专利技术属性】
技术研发人员：公茂果，焦李成，薛长琪，马文萍，马晶晶，刘嘉，李豪，王桥，姜琼芝，
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