【技术实现步骤摘要】
本专利技术涉及遥感图像变化检测，尤其是涉及一种基于卷积和宽度学习的sar图像变化检测方法。
技术介绍
1、变化检测是利用在同一地区采集的两幅遥感图像来检测两个不同时间之间变化的过程，变化检测技术提供了陆地表面变化的关键信息，因此具有广泛的应用，如环境监测、森林预防和自然灾害评估等。sar(syntheticaperture radar，合成孔径雷达)是一种利用窄带天线测量地面物体反射信号的有源系统，与光学图像相比，sar图像可以避免太阳光照的干扰和大气的干扰，可以在全天候和全天候条件下采集。因此，利用sar图像进行变化检测研究已成为遥感界的研究热点。
2、然而，传统算法通过特征工程提取浅层特征，难以分析sar图像内部复杂的相关性，并且由于地面散射特性、雷达系统变量、数据处理方法和气象条件等因素，sar图像不可避免地存在畸变。深度学习网路通常增加特征模块以适应于sar图像变化检测所面临的复杂问题，但这些模块将使结构复杂化，不但增加了优化时间，还需要在实际应用中频繁调整设置。宽度学习具有简单结构和鲁棒学习能力的机器学习系统，但由...
【技术保护点】
1.一种基于卷积和宽度学习的SAR图像变化检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于卷积和宽度学习的SAR图像变化检测方法，其特征在于，S1中的交叉特征提取模块包括若干层依次连接的PCConv层，S2具体过程如下：
3.如权利要求2所述的基于卷积和宽度学习的SAR图像变化检测方法，其特征在于，S22中若干PCConv层中的第一层接收第一时相SAR图像和第二时相SAR图像并处理，相应得到第一层的第一深度交叉特征和第二深度交叉特征，具体包括如下步骤：
4.如权利要求3所述的基于卷积和宽度学习的SAR图像变化检测方法...
【技术特征摘要】
1.一种基于卷积和宽度学习的sar图像变化检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于卷积和宽度学习的sar图像变化检测方法，其特征在于，s1中的交叉特征提取模块包括若干层依次连接的pcconv层，s2具体过程如下：
3.如权利要求2所述的基于卷积和宽度学习的sar图像变化检测方法，其特征在于，s22中若干pcconv层中的第一层接收第一时相sar图像和第二时相sar图像并处理，相应得到第一层的第一深度交叉特征和第二深度交叉特征，具体包括如下步骤：
4.如权利要求3所述的基于卷积和宽度学习的sar图像变化检测方法，其特征在于，s221中第一pcconv层在lab模式下的特征具体可用公式表示为：
5.如权利要求4所述的基于卷积和宽度学习的sar图像变化检测方法，其特征在于，s225中第一pcconv层的第一深度交叉特征和第二深度交叉特征具体可...
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。