【技术实现步骤摘要】
一种利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法
[0001]本专利技术属于遥感高光谱遥感图像
,涉及高光谱图像变化检测技术,特别涉及一种利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法。
技术介绍
[0002]变化检测指通过对比多幅拍摄于同一地区但是具有一定时间差异的图像,从而发现差异的过程。此技术对于了解陆地表面变化至关重要,目前已广泛应用于生态系统监测、土地覆盖制图、城市扩展研究、资源管理等领域。因此,变化检测一直是遥感应用领域的研究热点。传感器技术的快速发展促进了高光谱图像的形成。高光谱图像提供了较宽光谱波长范围内的目标光谱特征的密集采样,使得在较细的光谱尺度上对土地覆盖进行精确监测成为可能。高光谱变化检测的挑战是在抑制虚假变化的同时,精准检测出强烈变化和精细变化。
[0003]国内外学者投入了大量的精力对变化检测问题展开深入研究,提出大量的变化检测方法和理论模型。深度学习已经席卷了计算机视觉和遥感图像解译领域,高光谱的高维特性使得基于深度学习的方法越来越受欢迎。许多基于有监督深度学习的高光谱变化检测方法已经被相继提出。然而,有限的数据源和参考变化图的稀缺性使得用于训练和测试的像素来自同一个场景。这些特征导致无法使用大型监督网络,以及对监督网络的性能评估过于乐观。因此,不依赖参考变化图的无监督深度学习方法更有前景。其中,基于伪标签的无监督深度学习方法具有简单,易于实现,高精度的优点而被广泛研究。然而,目前的高光谱变化检测方法生成的伪标签的质量有待提升。伪标签质量的衡量需要考虑准确 ...
【技术保护点】
【技术特征摘要】
1.一种利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法,其特征在于,包括如下步骤:步骤1:针对双时相高光谱图像,利用高置信度空间约束伪标签生成策略,联合使用多个预分类方法和超像素分割,生成初始伪标签;步骤2:利用初始伪标签训练贝叶斯深度学习分类网络模型,然后测试所有像素,获得变化图和不确定度;利用基于不确定度感知的伪标签选择机制优化伪标签,直至模型收敛并输出最终的变化图。2.根据权利要求1所述利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法,其特征在于,所述步骤1,包括如下步骤:步骤1.1,对双时相高光谱图像T1和T2进行逐像素差分获取差异图X,表示为:X=abs(T1‑
T2);步骤1.2,分别利用3种预分类方法对双时相高光谱图像T1和T2进行预分类,获得3个二值变化图,图中值为1代表对应区域有变化,值为0代表对应区域无变化,所述3种预分类方法为变化向量分析方法、结构相似性方法和光谱解混方法;步骤1.3,将所述3个二值变化图融合为一个变化图,使得融合后的变化图有更高的可信度,并且既包含强烈变化又包含微弱变化;步骤1.4,对差异图X进行超像素分割实现空间约束,再依据分割结果,从逐个超像素中抽取若干像素并记录索引,根据索引从融合后的变化图中取值作为初始伪标签。3.根据权利要求2所述利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法,其特征在于,步骤1.2中,所述变化向量分析方法:将差异图X压缩至2维:其中,是X的第k个分量,k=1,
…
,K,K为高光谱图像的光谱通道数,W为每个高光谱图像的空间宽度,H为每个高光谱图像的空间高度,对DI
cva
进行K
‑
means聚类即可得到变化向量分析方法的结果图,即1个二值变化图,表示为CM
cva
;所述结构相似性方法:设w1和w2为双时相高光谱图像T1和T2在一个光谱通道中同一空间位置的窗口,w1和w2的结构相似性指数S(w1,w2)的计算公式为:式中和是w1的均值和方差,和是w2的均值和方差,表示w1和w2之间的统计协方差,C1和C2是常数,用于避免分母为零的情况;将双时相高光谱图像T1和T2的结构相似性指数压缩至2维:
其中S
k
为第k个光谱通道的结构相似性指数,将S
HSI
转换为差异:DI
ssim
=1
‑
S
HSI
对DI
ssim
进行K
‑
means聚类得到1个二值变化图,表示为CM
ssim
;所述光谱解混方法:采用线性光谱解混模型对差异图X进行解混,线性解混模型表示为:线性解混模型表示为:其中x为混合像素的光谱特征,m
e
为X中的第e个端元,α
e
表示相应的丰度图,即m
e
在所考虑的混合像素中的百分比,e=1,
…
,E,E表示X中的端元数量,ε为噪声向量,端元的数量等于变化类别的数量;采用全约束最小二乘方法进行丰度图估计:设m1为不变端元,α1为相应的丰度图,m2,
…
,m
E
为变化端元,α2…
,α
E
为相应的丰度图;对所有丰度图进行阈值选择,得到1个二值变化图,表示为CM
unmix
。4.根据权利要求3所述利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法,其特征在于,所述光谱解混方法中,将阈值统一设置为0.5,基于解混的方法的二值变化图表示为:。5.根据权利要求3所述利用贝叶斯网络优化伪标签的无监督高光谱图像变化检测方法,其特征在于,所述步骤1.3,融合3个二值变化图的过程表示为:即,CM
cva
、CM
ssim
...
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。