The invention discloses a SAR image change super pixel segmentation and feature detection algorithm based on learning, which comprises the following steps: 1) to start SAR image change detection method of super pixel segmentation and feature based learning; 2) in the same area two after the registration of multi temporal SAR images of super pixel segmentation; 3) application difference clustering method to generate the initial results; 4) according to the initial change detection results in a change and no change in the same number of selected samples as the training samples; 5) will be input to the neural network training sample depth design good in training; 6) the two images to be detected to the depth of the input the trained neural network, get the final change detection results; the end of 7). The present invention to super pixel block as the basic processing unit, the data processing time can be improved to a certain extent, while improving the sensitivity problem of noise to a great extent, significantly improve the detection accuracy and the detection effect.
【技术实现步骤摘要】
基于超像素分割和特征学习的SAR图像变化检测方法
本专利技术属于SAR图像变化检测
,涉及超像素分割和深度神经网络的结合,具体提供了一种介于目标级别和像素级别之间的基于超像素分割和特征学习的SAR图像变化检测方法,通过无监督深度神经网络对超像素块的特征进行学习,实现对SAR图像的变化检测,可运用于环境监测、农业调查、救灾工作等SAR图像变化检测相关领域中。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)具有全天时、全天候、分辨率高等特点,相对于可见光、红外传感器等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,它通过联合分析同一地区在不同时刻的两幅或多幅图像,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、科研和军事等领域。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、图像增强等;图像的分析过程大体有两种类型的方法:(1)基于像素点的变化检测技术;(2)基于目标级别的变化检测技术。基于像素点的图像变化检测技术是比较传统的变化检测方法,它是通过对两幅同一地区不同时间的SAR图像逐个像素点进行比较生成差异图,然后对差异图进行图像分割操作得到最终的只反映变化和未变化信息的二值图。传统的基于像素点的变化检测方法相对简单、快速、直接,但是由于SAR图像存在大量的相干斑噪声,基于像素点的变化检测方法对噪声非常敏感,导致误检或漏检的现象比较严重;另外由于基于像素点的方法要对图像中的每个像素点进行 ...
【技术保护点】
基于超像素分割和特征学习的SAR图像变化检测方法,其特征在于,包括如下步骤:步骤101:开始基于超像素分割和特征学习的SAR图像变化检测方法;步骤102:对两幅配准后的同一地区不同时相的SAR图像进行超像素分割;步骤103:应用差异度聚类法生成初始变化结果;步骤104:根据初始变化结果在变化类和未变化类中选择相同数量的样本作为训练样本;步骤105:将训练样本输入到设计好的深度神经网络中进行训练;步骤106:将两幅待检测的图像输入到训练好的深度神经网络中,得到最终的变化检测结果;步骤107:结束基于超像素分割和特征学习的SAR图像变换检测方法。
【技术特征摘要】
1.基于超像素分割和特征学习的SAR图像变化检测方法,其特征在于,包括如下步骤:步骤101:开始基于超像素分割和特征学习的SAR图像变化检测方法;步骤102:对两幅配准后的同一地区不同时相的SAR图像进行超像素分割;步骤103:应用差异度聚类法生成初始变化结果;步骤104:根据初始变化结果在变化类和未变化类中选择相同数量的样本作为训练样本;步骤105:将训练样本输入到设计好的深度神经网络中进行训练;步骤106:将两幅待检测的图像输入到训练好的深度神经网络中,得到最终的变化检测结果;步骤107:结束基于超像素分割和特征学习的SAR图像变换检测方法。2.根据权利要求1所述的基于超像素分割和特征学习的SAR图像变化检测方法,其特征在于,所述的步骤102,包括如下步骤:步骤201:对两幅配准后待检测的SAR图像应用对数比值算子生成差异图;步骤202:对差异图应用超像素分割技术进行分割,用得到的分割结果去分割待检测的SAR图像,保证两幅SAR图像分割区域的一致性;步骤203:结束输入SAR图像的超像素分割。3.根据权利要求1所述的基于超像素分割和特征学习的SAR图像变化检测方法,其特征在于,所述的步骤103,包括如下步骤:步骤301:计算两幅图像I1,I2对应分割区域Rx的相似度步骤302:不断重复步骤301,直...
【专利技术属性】
技术研发人员:公茂果,武越,李泉霖,张普照,刘嘉,李豪,马晶晶,
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。