发明名称 |
基于无监督深度神经网络的SAR图像变化检测方法 |
摘要 |
本发明提出了一种基于无监督的深度网络学的SAR图像变化检测算法,包括如下步骤:步骤101:开始基于无监督的深度神经网络SAR图像变化检测方法;步骤102:对两幅配准后的同一地区不同时相的SAR图像进行FCM联合分类获得粗糙的变化检测结果,Ω={Ω<sup>1</sup>,Ω<sup>2</sup>};步骤103:根据初始的变化检测结果选择可能性大的非噪声点作为深度网络训练的样本;步骤104:将待训练的样本点输入到设计好的深度神经网络中进行训练;步骤105:将两幅待检测的图像输入训练好的深度神经网络中,得出最终的变化检测结果图;步骤106:结束基于无监督的深度神经网络SAR图像变化检测方法。本发明首先避免了差异图的构造环节,同时一定程度上改善了噪声的敏感问题,显著地提高了检测效果及检测的正确率。 |
申请公布号 |
CN103810699A |
申请公布日期 |
2014.05.21 |
申请号 |
CN201310733194.1 |
申请日期 |
2013.12.24 |
申请人 |
西安电子科技大学 |
发明人 |
公茂果;焦李成;赵姣姣;马文萍;马晶晶;刘嘉;雷雨;李豪 |
分类号 |
G06T7/00(2006.01)I;G06N3/02(2006.01)I |
主分类号 |
G06T7/00(2006.01)I |
代理机构 |
西安吉盛专利代理有限责任公司 61108 |
代理人 |
张培勋 |
主权项 |
一种基于无监督的深度神经网络SAR图像变化检测方法,其特征是:包括如下步骤:步骤101:开始基于无监督的深度神经网络SAR图像变化检测方法;步骤102:对两幅配准后的同一地区不同时相的SAR图像进行FCM联合分类获得粗糙的变化检测结果,Ω={Ω<sup>1</sup>,Ω<sup>2</sup>};步骤103:根据初始的变化检测结果选择可能性大的非噪声点作为深度网络训练的样本;步骤104:将待训练的样本点输入到设计好的深度神经网络中进行训练;步骤105:将两幅待检测的图像输入训练好的深度神经网络中,得出最终的变化检测结果图;步骤106:结束基于无监督的深度神经网络SAR图像变化检测方法。 |
地址 |
710071 陕西省西安市太白南路2号西安电子科技大学 |