遙感圖像的變化檢測是指通過合適的算法分析同一地區(qū)不同時相的兩幅圖像,找出其中變化的區(qū)域。由于合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像不受光照、天氣等條件影響的優(yōu)勢,已經(jīng)在環(huán)境檢測、災(zāi)害評估、城市規(guī)劃與監(jiān)測等領(lǐng)域得到了廣泛的應(yīng)用。本文主要對一些原有的SAR圖像的變化檢測方法進行研究分析并對其改進。同時結(jié)合新理論提出一些新的方法來提高變化檢測精度。本文主要內(nèi)容如下:1.由于不同算子生成的差異圖具有不同的優(yōu)缺點,本文對差值法、對數(shù)比值法、均值比值法產(chǎn)生的3種差異圖進行優(yōu)勢互補。不同于以往人工選取策略將其融合的方法,該算法將3幅差異圖作為不同的特征圖像輸入到多通道卷積神經(jīng)網(wǎng)絡(luò)。然后卷積神經(jīng)網(wǎng)絡(luò)將自動學(xué)習(xí)并提取各個差異圖的不同特征。該算法通過選擇不同差異圖的像素及其鄰域空間像素生成訓(xùn)練樣本訓(xùn)練卷積網(wǎng)絡(luò),然后由訓(xùn)練好的網(wǎng)絡(luò)預(yù)測測試樣本的變化類與不變類。2.針對邊緣檢測精度低的問題本文提出了一種多尺度模型融合算法。該部分首先提出了一種新的差異圖生成算法:通過將比值算子差異圖進行伽馬變換然后得到一種新的差異圖,該變換與對數(shù)變換都能使圖像的對比度增強,新的差異圖比對數(shù)... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

光學(xué)圖像與SAR圖像區(qū)別

第二章 基于多特征與卷積神經(jīng)網(wǎng)絡(luò)的 SAR 圖像變化檢13圖2.3 卷積神經(jīng)網(wǎng)絡(luò)示意圖通常 CNN 由三大模塊組成。輸入層、多個卷積層和池化層的構(gòu)成的特征提取器和全連結(jié)神經(jīng)網(wǎng)絡(luò)即多層感知機(Multilayer Perceptron, MLP)分類器。1.卷積層：卷積層為特征提取器，用來學(xué)習(xí)圖像的特征，低層提取的特征為一些局部特征例如線條、邊緣等特征。往上卷積將低層特征組合抽象成高級特征。卷積層中的神經(jīng)元節(jié)點排列形成特征圖(feature map)。feature map 中每個節(jié)點通過一組權(quán)重和低層 feature map 的局部連接。輸入與權(quán)重進行卷積操作獲得新的特征圖，然后通過激活函數(shù)得到卷積結(jié)果。對于卷積層其提取特征的過程可以用公式 2-14 表示：l-1ii( )jl l lj ij jMX f X K b +(2-14)在上式中， 表示卷積操作，l 表示卷積神經(jīng)網(wǎng)絡(luò)的第 層，jM 表示第 層選擇輸入的 feature map 集合，lijK 為第 層的卷積核。ljb 為第 層每個輸出 feature map 所對應(yīng)的偏置向量。 f ( )為神經(jīng)元的激活函數(shù)。ljX 表示第 層最終通過激活函數(shù)得到的第 j 個 feature map。2.下采樣層：下采樣層的作用是降低特征維度，使上一層輸入的 featuremap 尺寸變小。達到平移空間不變性以及輸入失真不變性[42]的目的。下采樣層通常分為平均值采樣和最大值采樣。下采樣層可以用公式 2-15 表示：1( ( ) )l l l lj j j jX f down X b + (2-15)在公式 2-15 中

說可以將相同的學(xué)習(xí)特征用到 feature map 上的所有區(qū)域。共享權(quán)值帶來的優(yōu)勢是可以減少網(wǎng)絡(luò)層與層之間的連接參數(shù)，減小了網(wǎng)絡(luò)過擬合的概率。圖2.4 卷積神經(jīng)網(wǎng)絡(luò)局部感知示意圖卷積網(wǎng)絡(luò)不需要輸入和輸出之間的數(shù)學(xué)公式。它能夠自動的學(xué)習(xí)輸入與輸出之間的映射關(guān)系。CNN 會自動的對一張圖片學(xué)習(xí)出最好的卷積核以及這些卷積核的組合辦法。綜合而言多層卷積網(wǎng)絡(luò)通過卷積來提取和抽象特征。然后利用局部連接、下采樣以及共享權(quán)重值等手段來減小連接參數(shù)數(shù)目，然后利用經(jīng)典網(wǎng)絡(luò)得到最終結(jié)果。2.2.4 數(shù)據(jù)集介紹每個數(shù)據(jù)集由 3 幅圖像組成，兩幅同一位置不同時相的原始圖像，以及一幅變化檢測的參考圖像。參考圖中白色像素位置為變化區(qū)域，黑色像素位置為不變區(qū)域。第 1 個數(shù)據(jù)集是渥太華(Ottawa)地區(qū)水災(zāi)的 SAR 圖像，該圖像由 Radarsat—SAR衛(wèi)星拍攝，大小為290 350，拍攝時間分別為 1997 年 5 月和 1997 年 8 月。該數(shù)據(jù)集

【參考文獻】：
期刊論文
[1]合成孔徑雷達影像變化檢測研究進展[J]. 公茂果,蘇臨之,李豪,劉嘉.  計算機研究與發(fā)展. 2016(01)
[2]一種改進的粒子群優(yōu)化算法[J]. 侯振華.  計算機與現(xiàn)代化. 2010(02)
[3]SAR圖像乘性噪聲模型分析[J]. 高貴,張軍,呂信明,周蝶飛,黃紀(jì)軍,蔣詠梅.  信號處理. 2008(02)

博士論文
[1]SAR圖像相干斑抑制算法研究[D]. 陳少波.華中科技大學(xué) 2010
[2]SAR圖像噪聲抑制和局部特征提取[D]. 李軍俠.西安電子科技大學(xué) 2008

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的SAR圖像變化檢測[D]. 周林浩.西安電子科技大學(xué) 2018
[2]深度神經(jīng)網(wǎng)絡(luò)可視化技術(shù)研究與應(yīng)用[D]. 夏志強.電子科技大學(xué) 2017



本文編號：2903710