一种基于Siamese网络结构的遥感图像无监督变化检测方法技术

本发明专利技术公开一种基于Siamese网络结构的遥感图像无监督变化检测方法，包括以下步骤：(1)初始化参数；(2)获取差异图像；(3)利用自适应局部能量加权算法对步骤(2)的两幅信息互补的差异图像进行像素级融合得到新的差异图像；(4)采用聚类算法实现预分类；(5)以预分类结果为标签，利用DFF‑Siamese网络实现SAR图像变化区域的精准检测；本发明专利技术实现了SAR图像的无监督变化检测，将先验知识引入到深度卷积神经网络中，在Siamese网络中通过增加逐层差异性度量模块使特征挖掘更深入，有效提升了网络的学习能力，能够获得更为理想的变化检测结果。

【技术实现步骤摘要】
一种基于Siamese网络结构的遥感图像无监督变化检测方法
本专利技术属于图像处理及模式识别领域，涉及遥感图像变化检测方法，具体涉及一种基于Siamese网络结构的遥感图像无监督变化检测方法。
技术介绍
遥感影像变化检测是通过在不同时间同一场景拍摄到的两幅或多幅影像分析地表差异的一项技术。随着遥感技术的迅速发展，基于遥感影像的变化检测已成为地理大数据更新的关键技术。其中合成孔径雷达遥感影像因为不易受光照和大气的影响，具有全天候、全天时、多极化、多波段等特点而被广泛应用于环境监测、城市研究、灾害评估、森林资源监测等多个领域。由于受波的干涉现象影响，雷达传感器的成像设备接收到的总回波会存在误差，导致真实的SAR影像中存在大量噪声，图像分辨率较低，地表的原有信息和特征易丢失。因此如何有效抑制噪声的同时获得较高精度的检测结果仍然是一个具有挑战性的课题。变化检测方法从实现方式的角度可分为有监督和无监督两种。有监督变化检测不仅依赖于双时相遥感图像，而且需要大量的人工标注结果，而无监督变化检测仅依赖于原始双时相遥感图像。由于人工标注工作效率低下，难以本文档来自技高网...

【技术保护点】
1.一种基于Siamese网络结构的遥感图像无监督变化检测方法，其特征在于包括如下步骤：/n(1)初始化：设置预分类算法参数和网络运行参数；/n(2)获取差异图像：利用对数比值差异算子和均值比值差异算子得到两幅差异图DI

【技术特征摘要】
1.一种基于Siamese网络结构的遥感图像无监督变化检测方法，其特征在于包括如下步骤：
(1)初始化：设置预分类算法参数和网络运行参数；
(2)获取差异图像：利用对数比值差异算子和均值比值差异算子得到两幅差异图DIlog和DImean，具体操作为：






其中，I1，I2分别为双时相图像，μ1，μ2分别表示I1，I2的均值滤波结果；
(3)预分类：通过引入能量矩阵对对数比值差异图像进行像素级融合，采用聚类算法对其进行变化与未变化的二分类，输出预分类结果，具体为：
(a)根据局部能量函数公式计算DIlog所对应的局部能量矩阵Elog(x,y)，能量函数的数学表达式如下：



其中(x,y)表示差异图像像素位置，w表示窗口大小，W可表示为w×w的滤波模版，w通常取3；
(b)将局部能量矩阵归一化到(0～1)之间，得到E′log



(c)自适应融合系数α



(d)根据融合公式得到差异融合图像DIF，具体操作如下：
DIF＝α×DIlog+(1-α)×DImean
(e)获取融合差异图后，利用模糊聚类算法将差异图分为变化及未变化区域；

【专利技术属性】
技术研发人员：雷涛，薛丁华，张肖，张栋，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：陕西;61