基于DAP和ARELM的在轨SAR图像变化检测方法技术

本发明专利技术提出了一种基于DAP和ARELM的在轨SAR图像变化检测方法，消除了训练数据对方法检测能力的限制。其实现包括：针对两幅配准的SAR图像对，计算获得对数差分图DI；对DI进行SLIC超像素分割，并求取所有超像素的均值和质心，用DAP算法对超像素聚类获得若干类超像素集合；用K‑means算法再进行区域三分类，均值最高的集合为严格变化区域，最低的集合为严格未变化区域，剩余为未知类别区域；选择区域训练样本，并将其邻域特征送到ARELM中训练，获得训练好网络参数的ARELM；将待检测的所有像素邻域特征送入训练好的ARELM中进行分类，自动获得变化检测结果图。本发明专利技术消除了训练数据对方法检测能力的限制，检测正确率高，自动决策。检测能力稳定可靠，用于SAR图像变化检测。

【技术实现步骤摘要】
基于DAP和ARELM的在轨SAR图像变化检测方法
本专利技术属于图像检测
，主要涉及SAR图像的变化检测，具体是一种基于DAP聚类和基于图正则的极速学习机(ARELM)的在轨SAR图像变化检测方法，用于对SAR图像的变化检测。
技术介绍
变化检测是一种根据同一地区不同时间得到的多时相卫星图片分析检测出区域内地物变化的技术。随着科学技术的不断进步，变化检测技术在理论和实践中都取得了瞩目的成果，检测手段日趋成熟，一些优秀算法也被应用到了变化检测技术中。现如今，变化检测技术已广泛应用于医学诊断、土地利用、植被覆盖检测等方面。作为一种微波成像雷达，合成孔径雷达系统获得的SAR图像因为不受云层、光照等现象的干扰，在植被监控、工业生产及军事领域都有广泛应用。随着科技进步，我国的遥感技术得到了长足的发展。在发射的各种卫星获得的海量地面区域数据面前，正确有效且及时从其中获取有效数据信息成了目前急需解决的问题。可将在轨的SAR的图像变化检测方法分为两类：(1)无监督SAR图像在轨变化检测，该类方法是利用图像中的特征信息进行分析聚类，最终获取目标区域的变化部分；(2)有监督的SAR图像在轨变化检本文档来自技高网...

【技术保护点】
一种基于DAP聚类和图正则的极速学习机ARELM的在轨SAR图像变化检测方法，直接在卫星上对配准后的SAR图像进行变化检测，其特征是：包括有以下步骤：步骤1：针对两幅配准后的同一地区不同时相的SAR图像对X1和X2，逐一地在图像对每个对应的像素点上作对数比值法计算，获得SAR图像对的对数差分图DI；步骤2：设置超像素的分割块数和紧致度，对获得的对数差分图进行SLIC超像素分割，将对数差分图DI分割成若干超像素,用超像素代替对数差分图中的所有像素，获得整体分割成超像素的对数差分图；步骤3：求取整体分割成超像素的对数差分图中所有超像素的均值和质心，运用添加了样本间距离相似度的DAP聚类算法，根据超...

【技术特征摘要】
1.一种基于DAP聚类和图正则的极速学习机ARELM的在轨SAR图像变化检测方法，直接在卫星上对配准后的SAR图像进行变化检测，其特征是：包括有以下步骤：步骤1：针对两幅配准后的同一地区不同时相的SAR图像对X1和X2，逐一地在图像对每个对应的像素点上作对数比值法计算，获得SAR图像对的对数差分图DI；步骤2：设置超像素的分割块数和紧致度，对获得的对数差分图进行SLIC超像素分割，将对数差分图DI分割成若干超像素,用超像素代替对数差分图中的所有像素，获得整体分割成超像素的对数差分图；步骤3：求取整体分割成超像素的对数差分图中所有超像素的均值和质心，运用添加了样本间距离相似度的DAP聚类算法，根据超像素的均值和质心对所有超像素进行相似度划分，获得若干类超像素集合；步骤4：设置区域分类的类别数为3，运用K-means算法对获得的若干类超像素集合再进行区域分类，分类后的三个区域中均值最高的集合为严格变化区域，将均值最低的集合为严格未变化区域，剩余的一类区域为未知类别区域；步骤5：获得的三类区域集合中样本数过多，从三个区域中均按序选择其中的1/100的像素作为区域训练样本，以每个区域训练样本为中心，提取所有区域训练样本的n×n邻域特征；初始化基于图正则的极速学习机ARELM中所有网络节点的权重和偏置，将三类区域训练样本的邻域特征分别送入到ARELM中进行训练，获得训练好网络参数的ARELM；步骤6：将待检测的对数差分图中所有像素视为测试样本，以每个测试样本为中心，提取所有测试样本的n×n邻域特征，送入到训练好的ARELM中进行分类判决，最终自动获得待检测图像的变化检测结果图。2.根据权利要求1所述的基于DAP聚类和ARELM的在轨SAR图像变化检测方法，其特征是：步骤2所述的对归一化的对数差分图进行超像素分割，包括有如下步骤：步骤2.1：参数设置:设置超像素分割方法的预定分割块数，设置超像素的预定分割块数和超像素的紧致度；步骤2.2：将对数差分图的长宽和设定的参数送入到SLIC超像素分割方法中，对归一化的对数差分图进行超像素分割；首先根据设定的超像素分割的块数，在图像内均匀分配聚类中心；微调聚类中心到邻域的梯度最小处；根据像素到聚类中心的颜色距离和空间距离，迭代优化超像素的聚类中心；当超像素的聚类中心不再发生变化后，得到整体分割成超像素的对数差分图；步骤2.3：得到整体分割成超像素的对数差分图，结束SLIC超像素分割。3.根据权利要求1所述的基于DAP聚类和ARELM的在轨SAR图像变化检测方法，其特征是：步骤3所述运用添加了样本间距离相似度的DAP聚类算法进行相似度划分，包括有如下步骤：步骤3.1：针对每个不规则外形的超像素，分别计算其均值和质心；步骤3.2：计算相似度矩阵：在整体分割成超像素的对数差分图中，利用每个超像素的均值，求解计算超像素间的灰度相似度sgray(i,j)，以及计算超像素间的距离相似度sdistance(i,j)，最终按照如下公式获得超像素间的相似度s(i,j)，i,j分别表示第i个和第j个超像素的编号:s(i,j)＝sgray(i,j)+μ×sdistance(i,j)其中μ是距离相似度的权重，具体取值范围为10-1～10-2之间，sgray(i,j)＝-||pi-pj||2，pi和pj分别表示第i个超像素的灰度均值和第j个超像素的灰度均值；灰度相差越小，计算得到的灰度相似度值...

【专利技术属性】
技术研发人员：杨淑媛，焦李成，李剑，马文萍，刘志，李倩兰，马宏斌，邢颖慧，冯志玺，张凯，王士刚，
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