針對兩時相合成孔徑雷達(dá)圖像的變化檢測中直接用比值法生成差異圖存在的不足,提出了采用像素級和特征級信息互補(bǔ)融合的處理方法。根據(jù)像素級強(qiáng)度比值和特征級鄰域塊強(qiáng)度比值互補(bǔ)融合構(gòu)建差異圖,然后對差異圖像素利用層次模糊C均值聚類的方法得到高概率變化類、不變化類以及中間不確定類,進(jìn)而以這些變化類和不變化類像素點(diǎn)為中心構(gòu)建兩輸入時相圖的鄰域圖像塊作為分類器的樣本集,且為進(jìn)一步提高分類器的精度,采用基于遺傳算法優(yōu)化的極限學(xué)習(xí)機(jī)進(jìn)行分類,將聚類結(jié)果和分類器結(jié)果相結(jié)合,生成兩時相的合成孔徑雷達(dá)圖像的變化檢測圖。對多個真實(shí)的合成孔徑雷達(dá)圖像數(shù)據(jù)進(jìn)行測試,表明該方法對噪聲的影響具有較高的魯棒性,能夠有效地檢測兩時相合成孔徑雷達(dá)圖像的變化情況,且具有較高的正確率和KAPPA系數(shù)值。 

【文章來源】：長春師范大學(xué)學(xué)報. 2020,39(08)

【文章頁數(shù)】：8 頁

【部分圖文】：

本文方法的總體框架

其中, y ^ i (i=1,2,?,n) 為第i個測試集元素的訓(xùn)練輸出值,yi(i=1,2,…,n)為第i個測試集元素的真實(shí)值,n為測試集元素的數(shù)目。3.3.2 GA_ELM二分類

①生成以Ωc和Ωu類對應(yīng)像素為中心的兩輸入時相圖的鄰域特征,并構(gòu)造標(biāo)簽為Ωc和Ωu的訓(xùn)練樣本集,其中,鄰域特征構(gòu)造方法是以對應(yīng)像素為中心,取大小為k×k的像素塊構(gòu)造圖像鄰域特征,將兩輸入時相圖的領(lǐng)域特征按圖3(圖示例k取值為3)形式連接并轉(zhuǎn)換為行向量形式,作為GA_ELM網(wǎng)絡(luò)的樣本特征向量,再加上中心像素點(diǎn)的類別標(biāo)簽,即構(gòu)成GA_ELM網(wǎng)絡(luò)的訓(xùn)練樣本集,同理,根據(jù)同樣的方法按序選取所有的像素為中心,取大小為k×k的像素塊構(gòu)造圖像鄰域特征,即構(gòu)成GA_ELM網(wǎng)絡(luò)的測試樣本集。②對訓(xùn)練樣本集和測試樣本集的特征向量進(jìn)行PCA降維。


本文編號：2973926