一种基于NSCT DBN的极化SAR影像变化检测方法技术

本发明专利技术公开了一种基于NSCT DBN的极化SAR影像变化检测方法，输入两幅待检测的两时相极化SAR影像，进行预处理并对预处理后的两幅极化SAR影像提取相干极化矩阵的对角线元素，归一化特征矩阵构成基于图像块的特征矩阵，得到训练数据集和测试数据集，构造基于NSCT DBN的检测模型，用构造的数据集对分类模型进行训练，利用训练好的分类模型对待检测图像进行检测。本发明专利技术构造了一种新的NSCT DBN网络模型，以学习更好的深层特征，最终实现变化检测，该方法有效的实现了极化SAR影像变化检测，并使结果更加清晰，从而提高检测精度。

A polarimetric SAR image change detection method based on NSCT DBN

The invention discloses a change detection method of polarimetric SAR image based on DBN NSCT, input two amplitude to be detected two phase polarization SAR image preprocessing, and on two pieces of polarimetric SAR image preprocessing after extracting the diagonal elements coherent polarization matrix, normalized feature matrix feature matrix based on image block and get the training data set and test data set to construct detection model based on DBN NSCT, training of a classification model using a structured data set, using the classification model trained to detect image detection. The invention constructs a new NSCT DBN network model, based on deep learning characteristics better, and ultimately change detection, this method effectively realizes polarization SAR image change detection, and make the result more clear, so as to improve the accuracy of detection.

【技术实现步骤摘要】
一种基于NSCTDBN的极化SAR影像变化检测方法
本专利技术属于图像处理领域，具体涉及一种基于NSCTDBN的极化SAR影像变化检测方法。
技术介绍
极化SAR是一种高分辨率主动式有源微波遥感成像雷达，具有全天候、全天时、分辨率高、可侧视成像等优点，能获得目标更丰富的信息。极化SAR图像变化检测方法是一种通过对不同时期同一地点的极化SAR成像的比较分析，根据信息间的差异来获得同一地理位置不同时段地物信息变化的方法。近年来，极化合成孔径雷达SAR已成为遥感领域最先进的传感器之一。到目前为止，极化SAR变化检测在军事领域，民用领域等有广泛的应用。相比于SAR图像，极化SAR图像包含的信息量更加丰富，能够更加完整的揭示目标的散射机理。由于极化SAR数据的复杂性等原因，针对极化SAR图像的变化检测研究相对缓慢。经典的极化SAR变化检测的主要流程为预处理、差异图提取、阈值分割、后处理和图像融合等，其中差异图提取与阈值分割最为核心。极化SAR变化检测，其中比较经典的算法有：极化似然比变化检测算法，该算法的应用前提是地物目标的极化协方差矩阵满足Wishart分布，但实际地物散射特性较为复杂，有时很难满足该条件，因此算法通用性受到限制；基于极化距离变化检测算法，该算法是针对复杂场景下某一特定类地物的变化提出的；基于极化对比增强的变化检测算法利用极化对比度理论提高变化区域与不变区域的对比度，以此来获得更好的检测效果；基于联合加权极化差异度的变化检测算法，该算法无需知道图像的统计分布，通用性强。这些极化SAR变化检测方法由于均没有考虑到极化SAR图像的多尺度、多方向、多分辨特性，因而对背景复杂的极化SAR图像难以得到较高的分类精度。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于NSCTDBN的极化SAR影像变化检测方法，通过在深度置信网络层加入NSCT层和将冗余采样层，学习更好的多尺度特征，最终实现变化检测，能有效的实现极化SAR影像变化检测，并使结果更加清晰，从而提高变化的检测精度。本专利技术采用以下技术方案：一种基于NSCTDBN的极化SAR影像变化检测方法，输入两幅待检测的两时相极化SAR影像，进行预处理并对预处理后的两幅极化SAR影像提取相干极化矩阵的对角线元素，归一化特征矩阵构成基于图像块的特征矩阵，得到训练数据集和测试数据集，构造基于NSCTDBN的检测模型，用构造的数据集对分类模型进行训练，利用训练好的分类模型对待检测图像进行检测。进一步的，包括以下步骤：S1、输入待检测的两幅同一地区、不同时相极化SAR影像；S2、配准、滤波、提取极化相干矩阵特征和归一化对所述SAR影像进行预处理；S3、用归一化后的特征矩阵F1中每个元素取周围5*5的块代表原来的元素值，构成基于图像块的特征矩阵F3，构造训练数据集D和测试数据集T；S4、构造基于NSCTDBN的检测模型，用构造的数据集对所述检测模型进行训练，得到训练好的模型；S5、将待检测图像送入已经训练好的网络模型，训练好的检测模型的输出作为对待检测图像中每个像素点进行检测得到的检测类别。进一步的，步骤S1中，所述极化SAR影像的图像大小为865×2000。进一步的，步骤S2具体为，使用ENVI软件对两幅极化SAR影像进行配准，然后用精致Lee滤波对两幅极化SAR图像进行预处理，滤除极化合成孔径雷达SAR图像数据中的相干斑噪声，分别提取两幅滤波后的极化SAR影像的相干极化矩阵的对角线元素，并进行级联，构成基于像素点的特征矩阵F，将基于像素点的特征矩阵F中的元素值归一化到[0,1]之间，记作F1。进一步的，所述基于像素点的特征矩阵F的具体步骤如下：S231、已知两幅待检测图像的极化相干矩阵TA和TB，由A时相的极化相干矩阵TA得到其对角线上的三个元素TA11、TA22、TA33，由B时相的极化相干矩阵TB得到其对角线上的三个元素TB11、TB22、TB33；S232、定义一个大小为M1×M2×6的矩阵F，M1为待分类极化SAR图像的长，M2为待分类极化SAR图像的宽，将TA11、TA22、TA33，TB11、TB22、TB33进行级联，并赋给矩阵F，得到基于像素点的特征矩阵F。进一步的，所述特征矩阵F如下：F＝[TA11、TA22、TA33、TB11、TB22、TB33]其中，TA11为极化相干矩阵TA第1行第1列的元素，TA22为极化相干矩阵TA第2行第2列的元素，TA33为极化相干矩阵TA第3行第3列的元素，TB11为极化相干矩阵TB第1行第1列的元素，TB22为极化相干矩阵TB第2行第2列的元素，TB33为极化相干矩阵TB第3行第3列的元素。进一步的，步骤S3中，构造训练数据集D和测试数据集T，具体步骤如下：S321、将极化SAR影像变化检测当作未变化和变化两个分类问题；S322、训练集D中包含变化类样本和未变化类的样本，从变化类样本中选取50％，从未变化的样本中选取4％，构成训练集数据集D；S323、其余样本构成测试集数据集T。进一步的，步骤S4中，所述基于NSCTDBN的检测模型包括输入层→NSCT层→降冗余稀疏采样层→第一DBN隐层→第二DBN隐层→softmax分类器。进一步的，所述输入层的节点数设置为150，所述NSCT层的网络节点数为600，所述降冗余稀疏采样层的网络节点为100，所述第一DBN隐层的网络节点数为256，所述第二DBN隐层的网络节点数为64，所述softmax分类器的输出层为2。与现有技术相比，本专利技术至少具有以下有益效果：本专利技术基于NSCTDBN的极化SAR影像变化检测方法，输入两幅待检测的两时相极化SAR影像，进行预处理并对预处理后的两幅极化SAR影像提取相干极化矩阵的对角线元素，归一化特征矩阵构成基于图像块的特征矩阵，得到训练数据集和测试数据集，构造基于NSCTDBN的检测模型，用构造的数据集对分类模型进行训练，利用训练好的分类模型对待检测图像进行检测，构造了一种新的NSCTDBN网络模型，以学习更好的深层特征，最终实现变化检测，采用NSCTDBN模型考虑到极化SAR图像数据的多尺度和多分辨信息，克服了现有技术中不能充分利用极化合成孔径雷达SAR影像数据的特征信息而导致的分类边缘模糊的不足，使得本专利技术可以充分利用极化合成孔径雷达SAR图像数据的多方向上的信息，使分类后的极化合成孔径雷达SAR图像的边缘更加清晰。进一步的，NSCT层同时考虑到了有效的高频信息和低频信息，克服了现有技术检测精度低的不足，提高了本专利技术的检测精确度。进一步的，采用降冗余采样层对多尺度和多分辨信息进行了降维处理，克服了现有技术对极化合成孔径雷达SAR图像数据输入维数特征高的不足，可有效地提高检测效率。综上所述，本专利技术构造了一种新的NSCTDBN网络模型，以学习更好的深层特征，最终实现变化检测，该方法有效的实现了极化SAR影像变化检测，并使结果更加清晰，从而提高检测精度。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1为本专利技术检测方法的整体流程图；图2为本专利技术极化SAR影像，其中，(a)和(b)为不同时间的极化SAR影像；图3为本专利技术检测效果图，其中，(a)为对500*500待检测图像的检测效果图，(本文档来自技高网...

【技术保护点】
一种基于NSCT DBN的极化SAR影像变化检测方法，其特征在于，输入两幅待检测的两时相极化SAR影像，进行预处理并对预处理后的两幅极化SAR影像提取相干极化矩阵的对角线元素，归一化特征矩阵构成基于图像块的特征矩阵，得到训练数据集和测试数据集，构造基于NSCT DBN的检测模型，用构造的数据集对分类模型进行训练，利用训练好的分类模型对待检测图像进行检测。

【技术特征摘要】
1.一种基于NSCTDBN的极化SAR影像变化检测方法，其特征在于，输入两幅待检测的两时相极化SAR影像，进行预处理并对预处理后的两幅极化SAR影像提取相干极化矩阵的对角线元素，归一化特征矩阵构成基于图像块的特征矩阵，得到训练数据集和测试数据集，构造基于NSCTDBN的检测模型，用构造的数据集对分类模型进行训练，利用训练好的分类模型对待检测图像进行检测。2.根据权利要求1所述的一种基于NSCTDBN的极化SAR影像变化检测方法，其特征在于，包括以下步骤：S1、输入待检测的两幅同一地区、不同时相极化SAR影像；S2、配准、滤波、提取极化相干矩阵特征和归一化对所述SAR影像进行预处理；S3、用归一化后的特征矩阵F1中每个元素取周围5*5的块代表原来的元素值，构成基于图像块的特征矩阵F3，构造训练数据集D和测试数据集T；S4、构造基于NSCTDBN的检测模型，用构造的数据集对所述检测模型进行训练，得到训练好的模型；S5、将待检测图像送入已经训练好的网络模型，训练好的检测模型的输出作为对待检测图像中每个像素点进行检测得到的检测类别。3.根据权利要求2所述的一种基于NSCTDBN的极化SAR影像变化检测方法，其特征在于，步骤S1中，所述极化SAR影像的图像大小为865×2000。4.根据权利要求2所述的一种基于NSCTDBN的极化SAR影像变化检测方法，其特征在于，步骤S2具体为，使用ENVI软件对两幅极化SAR影像进行配准，然后用精致Lee滤波对两幅极化SAR图像进行预处理，滤除极化合成孔径雷达SAR图像数据中的相干斑噪声，分别提取两幅滤波后的极化SAR影像的相干极化矩阵的对角线元素，并进行级联，构成基于像素点的特征矩阵F，将基于像素点的特征矩阵F中的元素值归一化到[0,1]之间，记作F1。5.根据权利要求4所述的一种基于NSCTDBN的极化SAR影像变化检测方法，其特征在于，所述基于像素点的特征矩阵F的具体步骤如下：S231、已知两幅待检测图像的极化相干矩阵TA和TB，由A时相的极化相干矩阵TA得到...

【专利技术属性】
技术研发人员：焦李成，屈嵘，李玉景，马晶晶，杨淑媛，侯彪，马文萍，刘芳，尚荣华，张向荣，张丹，唐旭，
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