System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像处理,涉及双边深度特征图相似性度量的异质遥感图像变化检测方法。
技术介绍
1、变化检测通过分析和比较不同时间获取的同一地区的多时相遥感图像,可以精确识别地物的变化情况并进行定量描述。因此,充分利用丰富、多样的遥感数据资源对这些变化信息进行判断和识别,以应对不同应用领域的需求,为人类生产、生活提供重要的决策支持。如:在土地资源监测方面,可以快速、高效地监测大面积地物变化,保障土地资源合理开发及使用安全;在防灾减灾方面,能够及时地对受灾区域进行评估,帮助政府迅速、有效地展开灾后救援工作,减小人员、财产等方面的损失;在地理信息数据更新方面,对变化区域自动标定和分析可以辅助人们制定合理的地理信息更新策略,保证信息更新的完整性、正确性和高效性。然而,异质遥感图像由不同传感器获取,在强度或数据结构上存在较大差异,因此,定量分析和确定地表那些有意义的变化,同时忽略那些意义不大的、低置信度的变化以及那些由于噪声、辐射度差异、光照变化、天气等干扰因素所引起的“伪变化”,是目前需要研究的问题。
技术实现思路
1、本专利技术的目的是提供双边深度特征图相似性度量的异质遥感图像变化检测方法,采用该方法能够准确的将异质遥感图像中的变化区域检测出来。
2、本专利技术所采用的技术方案是,双边深度特征图相似性度量的异质遥感图像变化检测方法,具体包括如下步骤:
3、步骤1,给定两幅不同的传感器在不同的时间获取于同一地理位置的异质遥感图像x和y;
4、步骤2,构建双
5、步骤3,采用度量特征图结构相似性的方式比较特征图像zx和zy的结构特征,从而将异质遥感图像数据映射入了相同数据结构的特征空间;
6、步骤4,构造图像背景区域的先验信息,排除变化区域对双边卷积自编码网络训练的影响;
7、步骤5,将异质遥感图像变换到对应的特征空间,并得到差异图像,输出最终的变化检测结果。
8、本专利技术的特点还在于:
9、步骤1中,两幅异质遥感图像x和y的大小均为w×h。
10、步骤2中,双边卷积自编码网络包括两组卷积自动编码网络,每组卷积自编码网络包括一个编码器e和一个解码器d,将原始异质遥感图像x和y分别输入对应的卷积自动编码网络中,实现对于每个遥感图像的隐层特征提取和重建;
11、对于图像x,编码器ex(x):x→zx和相应的解码器dx(z):即
12、
13、对于图像y,编码器ey(y):y→zy和相应的解码器dy(z):即:
14、
15、步骤2中,通过训练双边卷积自编码将异质遥感图像映射到深度网络的隐空间,获取数据结构较为相似的特征图像zx和zy,具体来说:
16、图像x经过ex编码后得到隐空间特征表示zx,即:
17、zx=ex(x) (3)
18、图像y经过ey编码后得到隐空间特征表示zy,即
19、zy=ey(y) (4)。
20、步骤3的具体过程为:
21、采用度量特征图结构相似性的方式比较特征图像zx和zy的结构特征,具体如下:
22、d(x,y)=||s(zx)-s(zy)||2 (5)
23、其中,d(x,y)是用来逐像素测量特征图结构之间的差距,(x,y)表示特征图中的像素,s(·)表示对特征图结构信息的提取,即:
24、
25、
26、其中,a是一个标准化常数;z表示特征图,γ为常系数,ni为特征图中以像素i为中心的窗口,i、j均为像素位置标号;选择通过公式(6)和(7)选择中心像素最近的前10个像素,构造结构特征向量,即:
27、p=s(z) (8)
28、其中,这样就将异质遥感图像数据映射入了相同数据结构的特征空间。
29、步骤4的具体过程为:
30、步骤4.1,利用步骤3获取的结构特征计算隐层特征结构信息差异,因此,公式(5)进一步转换为:
31、d(x,y)=||px-py||2 (9)
32、其中,和为分别对应于图像x和y的特征图结构;
33、步骤4.2,基于步骤4.1获取的差异信息d(x,y),构造图像背景区域的先验信息,先验信息的构造如下:
34、
35、其中,概率pu(x,y)退化为二值,pu(x,y)作为背景区域像素的索引矩阵,用于训练网络参数,ε为阈值,因此,构造的目标函数如下:
36、minl(θ,pu)=∑(x,y)pu(x,y)||px(x,y)-py(x,y)||2-ε∑(x,y)pu(x,y) (11)
37、式中,θ表示网络参数集,ε∑(x,y)pu(x,y)正则化项用于防止完全零的情况出现,即pu={pu(x,y)≡0},通过最小化以上目标函数来训练双边卷积自编码网络,获得双边卷积自编码网络的最佳参数θ。
38、步骤5的具体过程为:
39、步骤5.1,将异质遥感图像x和y通过公式(3)和(4)变换到对应的特征空间,并利用公式(12)得到差异图像δ:
40、δ=d(x,y)=||px-py||2 (12)
41、其中,(x,y)表示图像像素的位置,和为分别对应于图像x和y的特征图结构;
42、步骤5.2,采用ostu聚类方法对差异图像δ进行聚类,设置类别数为2,变化类区域标记为“1”,非变化类标记为“0”,输出最终的变化检测结果。
43、本专利技术的有益效果是,本专利技术通过训练双边卷积自编码将异质遥感图像映射到深度网络的隐空间,获取数据结构较为相似的特征图像zx,zy,接着采用了度量特征图结构相似性的方式比较其结构特征,这样就将异质遥感图像数据映射入了相同数据结构的特征空间,同时考虑了图像内部的空间结构信息,有利于缓解噪声等客观因素的影响,提高变化检测结果精度,然后构造图像背景区域的先验信息,排除变化区域对网络训练的影响,最后将异质遥感图像和变换到对应的特征空间,并得到差异图像,输出最终的变化检测结果。
本文档来自技高网...【技术保护点】
1.双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,具体包括如下步骤:
2.根据权利要求1所述的双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,所述步骤1中,两幅异质遥感图像X和Y的大小均为W×H。
3.根据权利要求1所述的双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,所述步骤2中,双边卷积自编码网络包括两组卷积自动编码网络,每组卷积自编码网络包括一个编码器E和一个解码器D,将原始异质遥感图像X和Y分别输入对应的卷积自动编码网络中,实现对于每个遥感图像的隐层特征提取和重建;
4.根据权利要求3所述的双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,所述步骤2中,通过训练双边卷积自编码将异质遥感图像映射到深度网络的隐空间,获取数据结构较为相似的特征图像Zx和Zy,具体来说:
5.根据权利要求4所述的双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,所述步骤3的具体过程为:
6.根据权利要求5所述的双边深度特征图相似性度量的异质遥感图像变化检测方法
7.根据权利要求6所述的双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,所述步骤5的具体过程为:
...【技术特征摘要】
1.双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,具体包括如下步骤:
2.根据权利要求1所述的双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,所述步骤1中,两幅异质遥感图像x和y的大小均为w×h。
3.根据权利要求1所述的双边深度特征图相似性度量的异质遥感图像变化检测方法,其特征在于,所述步骤2中,双边卷积自编码网络包括两组卷积自动编码网络,每组卷积自编码网络包括一个编码器e和一个解码器d,将原始异质遥感图像x和y分别输入对应的卷积自动编码网络中,实现对于每个遥感图像的隐层特征提取和重建;
4.根据权利要...
【专利技术属性】
技术研发人员:杜占河,贾萌,娄向宇,熊晨惠,李田田,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:
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。