變化檢測(cè)技術(shù)是圖像領(lǐng)域的重要研究方向之一,它的目標(biāo)是通過(guò)對(duì)同一地區(qū)不同時(shí)間段獲得的兩幅圖像進(jìn)行觀(guān)測(cè)與分析,從而定性定量的辨識(shí)出地表的變化信息,該技術(shù)能夠廣泛應(yīng)用于災(zāi)害評(píng)估、土地監(jiān)測(cè)等重要領(lǐng)域。按照?qǐng)D像獲取來(lái)源是否相同,可以將圖像變化檢測(cè)問(wèn)題分為同源圖像變化檢測(cè)和異源圖像變化檢測(cè)。近幾年來(lái),同源圖像變化檢測(cè)技術(shù)發(fā)展迅速,出現(xiàn)了很多效果卓著的算法,但隨著圖像獲取技術(shù)的不斷發(fā)展,這些同源圖像變化檢測(cè)算法越來(lái)越不能滿(mǎn)足實(shí)際的需要。而且深度學(xué)習(xí)在圖像領(lǐng)域的應(yīng)用日益成熟,將其應(yīng)用于圖像變化檢測(cè)問(wèn)題中的可行性也越來(lái)越高。因此,本文在對(duì)傳統(tǒng)的同源圖像變化檢測(cè)算法進(jìn)行充分研究的基礎(chǔ)上,提出了兩種基于深度學(xué)習(xí)的異源圖像變化檢測(cè)算法,并設(shè)計(jì)了一個(gè)用以解決實(shí)際問(wèn)題的圖像變化檢測(cè)系統(tǒng)。本文主要工作如下:（1）提出了一種基于特征學(xué)習(xí)與分類(lèi)的異源圖像變化檢測(cè)算法。該算法通過(guò)深度神經(jīng)網(wǎng)絡(luò)的特征學(xué)習(xí)能力將變化檢測(cè)問(wèn)題轉(zhuǎn)換到深層次特征空間上進(jìn)行,首先構(gòu)造初始變化檢測(cè)結(jié)果圖,然后利用堆疊自編碼器學(xué)習(xí)兩幅異源圖像的深層特征,最后利用卷積神經(jīng)網(wǎng)絡(luò)根據(jù)初始結(jié)果圖對(duì)特征圖進(jìn)行分類(lèi),得到最終變化檢測(cè)結(jié)果。該算法無(wú)需產(chǎn)生差異圖,實(shí)現(xiàn)了... 

【文章來(lái)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(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

自編碼器原理圖

差來(lái)獲得數(shù)據(jù)特征，因此，在自編碼器神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)中，其輸入層和輸出層應(yīng)該具有應(yīng)有相同或近似的結(jié)構(gòu)，如圖 2.4 所示。圖2.4 自編碼器神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖其 中 輸 入 層1 2 3{ , , ,..., }nI i i i i， 輸 出 層1 2 3{ , , ,..., }nO o o o o， 隱 藏 層1 2 3{ , , ,..., }nA a a a a，隱藏層由輸入層經(jīng)過(guò)非線(xiàn)性函數(shù)映射得到，其計(jì)算方式如下：

圖2.9 Sigmoid 函數(shù)曲線(xiàn)以看出 Sigmoid 函數(shù)會(huì)把數(shù)據(jù)映射到 0 到 1 之間進(jìn)行輸出化和輸出的概率化，但是 Sigmoid 函數(shù)曲線(xiàn)的兩端趨于平0，這種性質(zhì)被稱(chēng)為函數(shù)的飽和性，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練的后落入平緩區(qū)，導(dǎo)數(shù)接近于 0，導(dǎo)致向前層傳遞的梯度也變新，網(wǎng)絡(luò)無(wú)法得到有效訓(xùn)練，算法無(wú)法正常收斂，這就是同理，當(dāng)初始權(quán)值過(guò)大時(shí)，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練的后向傳遞過(guò)現(xiàn)前層比后層梯度變化更快的問(wèn)題，這就是梯度爆炸現(xiàn)值初始化一般采用正太分布初始化或小范圍隨機(jī)初始化題，最普遍的是梯度消失現(xiàn)象。度消失現(xiàn)象，現(xiàn)在流行的深度神經(jīng)網(wǎng)絡(luò)一般采用 ReLU（代替 Sigmoid 函數(shù)，其函數(shù)形式為：f ( x ) max(0, x)

【參考文獻(xiàn)】：
期刊論文
[1]基于OpenCV的精量噴霧圖像處理技術(shù)[J]. 陳釗,趙玉清,楊陸強(qiáng),周橋,高彥玉,劉存瑞,王子輝,時(shí)玲.  農(nóng)機(jī)化研究. 2018(06)



本文編號(hào)：3392239