[发明专利]基于深信度网络的多目标优化SAR图像变化检测方法

说明书

本发明公开了的一种基于深信度网络的多目标优化SAR图像变化检测方法，主要解决现有技术斑点噪声较大，不能保持SAR图像局部信息和分类准确度低的问题，其技术方案是：对输入的两幅SAR图像Y₁和Y₂采用波动参数划分的方法产生原始差异图D₁；再对原始差异图D₁去噪得到去噪差异图D₂；由原始差异图D₁和去噪差异图D₂构造两个目标函数，并计算得到这两个目标函数的函数值同时最小的解集，进而得到多个二值图像Q_k；由二值图像Q_k和训练好的深信度网络得到最终的变化检测图像R_k。本发明减少了斑点噪声，保留了图像局部信息，提高了分类的准确度，可应用于遥感、医疗诊断、视频监控。

技术领域

本发明属于图像处理技术领域，特别涉及一种SAR图像变化检测方法，可用于遥感、医疗诊断和视频监控。

背景技术

由于合成孔径雷达SAR不受云层覆盖和大气条件等因素的影响，SAR图像技术在人们的日常生活中扮演着不可或缺的重要角色。而SAR图像技术中的SAR图像变化检测技术更起着尤为关键的作用。SAR图像变化检测技术就是研究同一场景不同时段的两幅或者多幅SAR图像发生的变化。它的应用场景很广泛，包括自然生态的监控，自然灾害评估和预防，获取地貌变化信息等。但是SAR图像变化检测也经常会遇到难题，导致这些困难的原因很多，主要原因有：SAR成像系统或者传感器自身所固有的斑点噪声的影响，不同时段成像回波角度不同所带来的差异，不同时段相隔时间长所带来的雷达自身内部结构发生的差异。

从近年来对SAR图像变化检测的研究来看，现有的图像变化检测可分为两种：

第一种是差异图分类方法，它的核心是差异图的产生。该差异图分类方法包括差值法、比值法和对数比值法。差值法是最原始的处理方法，此方法的最大的缺点是对斑点噪声的抑制很差；比值法优点是在一定程度上抑制了斑点噪声，但是效果不是很明显，它的最大的缺点是加性噪声较多；对数比值法将加性噪声转化为乘性噪声，该方法通过对数转换后差异图得到了非线性拉伸，它的优点是增强了变化类和非变化类的对比度，但是它的缺点是差异图的准确度还不高。

第二种是后分类比较法，该方法的关键是差异图中变化信息的提取，它的缺点是存在分类累积误差问题，影响分类的准确度。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于深信度网络的多目标优化SAR图像变化检测方法，以进一步优化并减少噪声，提高变化检测的准确度。

实现本发明目的的技术方案是对输入的两幅SAR图像Y₁和Y₂采用波动参数划分的方法产生原始差异图D₁；再对原始差异图D₁去噪得到去噪差异图D₂；由原始差异图D₁和去噪差异图D₂构造两个目标函数，并计算得到这两个目标函数的函数值同时最小的解集，进而得到多个二值图像Q_k；由二值图像Q_k和训练好的深信度网络得到最终的变化检测图像R_k。其步骤包括如下：

(1)输入两幅同一地区不同时段的SAR图像Y₁和Y₂，并对其进行滤波处理，得到滤波处理后的两幅图像I₁和I₂；

(2)根据滤波处理后的两幅图像I₁和I₂产生原始差异图D₁；

2a)定义原始差异图的参数：