基于多粒度级联森林模型的SAR图像变化检测方法技术

本发明专利技术公开了一种基于多粒度级联森林模型的SAR图像变化检测方法，主要解决传统方法对差异图的强依赖性问题，其实现方案是：给定两幅配准的多时相SAR图像I1和I2；对I1和I2用对数比算子生成差异图Id；对Id提取类哈尔特征并输入到训练好的多粒度级联森林模型，生成两个概率图I1和I0并与差异图Id构成新特征；利用新特征重新训练模型，得到新的预测结果

【技术实现步骤摘要】
基于多粒度级联森林模型的SAR图像变化检测方法
本专利技术属于图像处理
，尤其涉及一种SAR图像变化检测方法，可用于环境检测、农业调查、自然灾害检测、森林资源监测等。
技术介绍
合成孔径雷达SAR具有高分辨率，可全天时、全天候工作的优势，被广泛应用于民用和军事领域。目前，自然环境的恶劣变化，城市的迅速发展，使得图像变化检测技术迅速崛起。变化检测是用于检测同一地点在一段时间内所发生的变化情况，传统的变化检测方法采用Bruzzone等人在2002年提出的经典三步流程范式：1)预处理；2)生成差异图；3)分析差异图。由于SAR图像深受相干斑的影响，这种传统的方法的检测结果很大程度上依赖于差异图的性能，往往当差异图的性能不好时，产生的精度会很低。为了克服这个缺点，可利用具有强大的抽象表达能力的深度学习来进行变化检测。随着近年来深度学习的火热，深度学习的应用越来越频繁。理论分析证明，深度学习能够学习表达抽象的复杂函数，深度结构由多层非线性结构组成。很多学者都利用深度学习来解决变化检测问题，例如Gong等人提出基于深度神经网络的SAR图像变化检测，利用堆叠的限制性波尔兹曼机，通过逐层的预训本文档来自技高网...

【技术保护点】
1.一种基于多粒度级联森林模型的SAR图像变化检测方法，其特征在于，包括如下步骤：(1)给定两幅配准的具有相同尺寸的多时相SAR图像I1和I2，并对I1和I2使用对数比算子，生成归一化的差异图Id；(2)以归一化的差异图Id每个像素点为中心按大小为21×21取块，每个图像块作为一个样本，也就是每个样本对应一个像素点，然后对每个样本提取类哈尔特征；(3)随机选取少量样本作为训练样本，利用训练样本的类哈尔特征对多粒度级联森林模型进行训练，得到训练好的多粒度级联森林模型；(4)利用训练好的多粒度级联森林模型，对所有样本进行测试，得到预测结果

【技术特征摘要】
2018.05.16 CN 20181046557971.一种基于多粒度级联森林模型的SAR图像变化检测方法，其特征在于，包括如下步骤：(1)给定两幅配准的具有相同尺寸的多时相SAR图像I1和I2，并对I1和I2使用对数比算子，生成归一化的差异图Id；(2)以归一化的差异图Id每个像素点为中心按大小为21×21取块，每个图像块作为一个样本，也就是每个样本对应一个像素点，然后对每个样本提取类哈尔特征；(3)随机选取少量样本作为训练样本，利用训练样本的类哈尔特征对多粒度级联森林模型进行训练，得到训练好的多粒度级联森林模型；(4)利用训练好的多粒度级联森林模型，对所有样本进行测试，得到预测结果(5)生成两个概率图I1和I0将所有样本的类哈尔特征输入到已训练好的多粒度级联森林模型，得到每个样本属于变化类的概率p1和属于非变化类的概率p0，其中，对每个样本有p1+p0＝1，用所有样本中属于变化类的概率p1构成第一概率图I1，用所有样本中属于非变化类的概率p0构成第二概率图I0；(6)利用差异图Id、第一概率图I1和第二概率图I0构成新特征，重新训练多粒度级联森林模型，得到新预测结果并将新预测结果的Kappa系数与上一次预测结果的Kappa系数进行比较，选择Kappa系数较高的预测结果作为最终的变化检测结果。2.如权利要求1所述的方法，其特征在于，步骤(1)中利用对数比算子生成归一化后的差异图Id，按如下步骤生成：(1a)根据多时相SAR图像I1和I2生成差异图：其中，log代表取...

【专利技术属性】
技术研发人员：王蓉芳，张杰，焦李成，陈佳伟，熊涛，郝红侠，尚荣华，
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