【技术实现步骤摘要】
基于边缘映射和深度学习的遥感图像变化检测方法及系统
本专利技术涉及高分辨率遥感图像变化检测领域，具体涉及一种基于边缘映射和深度学习的遥感图像变化检测方法及系统。
技术介绍
随着卫星遥感器技术的发展，许多基于高分辨率遥感影像的新应用涌现，例如土地覆盖变迁，自然灾害评估等等。这些应用都要求尽可能快速、准确地识别地球表面上的变化区域。为此，我们需要分析不同时间在同一地理区域获取的一系列遥感图像，从而找出发生的变化。然而，由于高分辨率遥感图像的复杂性，直接对两幅图像进行分析相对比较困难。一方面，真实地况信息可以促进变化/未变化区域的区分，但是很难获取这些信息。另一方面，遥感成像受到天气、光照、辐射甚至不同卫星的影响，导致双时相遥感图像含有较多干扰信息，从而使差异特征不够鲜明。
技术实现思路
为解决上述技术问题，本专利技术提供一种基于边缘映射和深度学习的遥感图像变化检测方法及系统，利用边缘映射提取双时相高分辨率遥感图像的丰富边缘信息，设计了基于堆栈降噪自动编码器的深度神经网络来提取遥感图像对的差异特征，对高分辨率遥...
【技术保护点】
1.一种基于边缘映射和深度学习的遥感图像变化检测方法，其特征在于：包括以下步骤：/nS1.对双时相高分辨率遥感图像进行边缘检测获取初始边缘映射图；/nS2.对初始边缘映射图进行二值化处理，得到双时相高分辨率遥感图像的二值边缘映射；/nS3.根据二值边缘映射对双时相高分辨率遥感图像进行预分类，提取显著的变化/未变化区域，即获得预分类结果；/nS4.利用超像素分割理论，从步骤S3的预分类结果中选取准确率更高的像素对作为训练样本；/nS5.构建基于堆栈降噪自动编码器的深层神经网络，并且利用步骤S4中筛选的训练样本对神经网络进行训练，从而使其拥有变化检测能力，对高分辨率遥感图像进行...
【技术特征摘要】
1.一种基于边缘映射和深度学习的遥感图像变化检测方法，其特征在于：包括以下步骤：
S1.对双时相高分辨率遥感图像进行边缘检测获取初始边缘映射图；
S2.对初始边缘映射图进行二值化处理，得到双时相高分辨率遥感图像的二值边缘映射；
S3.根据二值边缘映射对双时相高分辨率遥感图像进行预分类，提取显著的变化/未变化区域，即获得预分类结果；
S4.利用超像素分割理论，从步骤S3的预分类结果中选取准确率更高的像素对作为训练样本；
S5.构建基于堆栈降噪自动编码器的深层神经网络，并且利用步骤S4中筛选的训练样本对神经网络进行训练，从而使其拥有变化检测能力，对高分辨率遥感图像进行更精确地变化检测。
2.根据权利要求1所述的基于边缘映射和深度学习的遥感图像变化检测方法，其特征在于：所述步骤S2中具体包括以下处理步骤：
S2-1，对初始边缘映射图进行简单阈值处理；
S2-2，对初始边缘映射图进行自适应阈值处理；
S2-3，对于简单阈值处理结果中的背景像素点，除去自适应阈值处理结果中的相应位置的噪声点；对于简单阈值处理结果中的非背景像素点，自适应阈值处理结果中的相应像素点保持不变；
S2-4，经过步骤S2-3处理的自适应阈值处理结果即为二值边缘映射。
3.根据权利要求1所述的基于边缘映射和深度学习的遥感图像变化检测方法，其特征在于：所述步骤S3中具体包括以下处理步骤：
S3-1，将双时相高分辨率遥感图像的二值边缘映射叠合获得边缘差异图；
S3-2，在边缘差异图中设置滑动窗口，并从左至右、从上往下扫描；
S3-3，计算当前滑动窗口的边缘像素点的总数，如果总数为零，则滑动窗口内的所有像素点被分类为未变化；如果总数大于零，则将滑动窗口内的边缘像素点看作是潜在的变化像素，并设置为搜索点；
S3-4，计算双时相高分辨率遥感图像中搜索点位置及其周边区域的光谱差异值，若光谱差异值满足预设条件，则搜索点及其相邻像素点分类为变化区域；若不满足预设条件，则搜索点及其相邻像素点分类为未变化区域；
S3-5，重复S3-2、S3-3、S3-4三个步骤，直到预分类的结果保持稳定；其中，每次重复S3-2步骤时，在最新的预分类结果中设置滑动窗口；每次重复S3-3步骤时，计算当前滑动窗口内最新预分类结果的变化像素点的总数。
4.根据权利要求1所述的基于边缘映射和深度学习的遥感图像变化检测方法，其特征在于：所述步骤S4中具体包括以下处理步骤：
S4-1，对双时相高分辨率...
【专利技术属性】
技术研发人员：史闻博，陈璨，马嘉晋，鲁宁，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：河北;13
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。