一种基于深度网络的遥感影像变化检测方法及系统技术方案

本发明专利技术公开了一种基于深度网络的遥感影像变化检测方法及系统，包括，输入模块包括两个对称的深度网络用于投影双时相图像的输入数据；检测模块用于结合慢特征分析策略抑制投影后无变化像素并突出显示变化像素，基于变化向量检测策略选择高置信度的所述无变化像素作为训练样本，利用三层全连接网络策略构建检测模型，输入所述训练样本进行训练；输出模块用于所述模型基于卡方距离计算所述训练样本的变化强度，并输出检测结果。本发明专利技术与其他检测方法的对比结果可看出，我们提出的检测方法在各项评测标准上总体表现是最好的，并且具有很好的可分辨性和较高的鲁棒性。

【技术实现步骤摘要】
一种基于深度网络的遥感影像变化检测方法及系统
本专利技术涉及图像处理和神经网络
，尤其涉及一种基于神经网络的遥感影像变换检测方法。
技术介绍
近年来，变化检测算法主要分为以下几类：(1)图像代数方法，主要包括图像差分、图像比值、图像回归和变化向量分析。这些方法直接计算多时相遥感图像之间的差异；(2)图像变换方法，变换组合多时相遥感图像的特征带，提取其有效特征，主要包括PCA，MAD、GrammSchmidt变换(GS)和独立成分分析；(3)其他先进的方法如基于小波变换、局部渐进下降、马尔可夫随机场等算法。但这些方法面对数据规模不断增大、精度要求不断变高的现状时，已经不能满足实际需求。在各种变化检测算法中，图像变换方法的研究和应用最为广泛，图像变换的基本思想是将原始的多波段图像投影到一个新的特征空间中，以更好地分离改变和未发生改变的像素，在这个过程中，最关键的是要找到一种高效的投影算法用来提取某些确定的特征。多时相遥感图像中变化像素的特征差异总是向不同方向变化的，而不变像素的特征一般是不变的。然而，由于自然环境和传感器校准等因素的影本文档来自技高网...

【技术保护点】
1.一种基于深度网络的遥感影像变化检测方法，其特征在于：包括，/n利用两个对称的深度网络投影双时遥感图像的输入数据；/n结合慢特征分析策略抑制投影后无变化像素并突出显示变化像素；/n基于变化向量检测策略选择高置信度的所述无变化像素作为训练样本；/n利用三层全连接网络策略构建检测模型，输入所述训练样本进行训练；/n所述检测模型基于卡方距离计算所述训练样本的变化强度，并输出检测结果。/n

【技术特征摘要】
1.一种基于深度网络的遥感影像变化检测方法，其特征在于：包括，
利用两个对称的深度网络投影双时遥感图像的输入数据；
结合慢特征分析策略抑制投影后无变化像素并突出显示变化像素；
基于变化向量检测策略选择高置信度的所述无变化像素作为训练样本；
利用三层全连接网络策略构建检测模型，输入所述训练样本进行训练；
所述检测模型基于卡方距离计算所述训练样本的变化强度，并输出检测结果。


2.如权利要求1所述的基于深度网络的遥感影像变化检测方法，其特征在于：所述深度网络包括，
三层全连接网络，每层节点数分别为128、128、10。


3.如权利要求1或2所述的基于深度网络的遥感影像变化检测方法，其特征在于：对所述双时遥感图像的输入数据投影包括,
定义双时遥感图像为图像X和图像Y，X,Y∈Rm*n，对于图像X其第一个隐藏层的输出如下，



其中，m：特征带，n：像素的数目，权重矩阵，偏置向量，s(·)表示激活函数，pi表示网络的第i隐藏层的节点数，q表示输出层的节点数；
一个有h层隐藏层的网络，其最终的输出如下，




由输出层映射，网络的最终转换特征如下，



则图像Y，其Yφ表示对称的表达式如下，





4.如权利要求3所述的基于深度网络的遥感影像变化检测方法，其特征在于：所述慢性特征分析策略包括，
定义慢特征分析的目标函数如下，



其中，xi,yi∈Rm：双时相遥感图像中的对应像素，m:频带数，n:像素总数。


5.如权利要求4所述的基于深度网络的遥感影像变化检测方法，其特征在于：抑制所述无变化像素，突出所述变化像素，包括，
令其中O是一个q*q的全1矩阵，计算变化后数据的协方差矩阵；



其中，I：恒等式矩阵，r:正则化常数；
当r...

【专利技术属性】
技术研发人员：张涛，刘子阳，
申请(专利权)人：江南大学，深圳市数字城市工程研究中心，
类型：发明
国别省市：江苏;32