[发明专利]基于轮廓波BSPP网络的SAR图像变化检测方法

权利要求书

1.一种基于轮廓波二值空间金字塔池化BSPP网络的合成孔径雷达SAR图像变化检测方法，其特征在于，包括如下步骤：

(1)对合成孔径雷达SAR图像进行预处理：

(1a)将两幅配准后的同一地区不同时相的合成孔径雷达SAR图像，分别进行两级非下采样轮廓波变换，得到每幅图像的1个低频系数矩阵和3个高频系数矩阵；

(1b)分别对每幅合成孔径雷达SAR图像的3个高频系数矩阵取绝对值，从3个绝对值中取最大值，作为融合后的高频系数；

(1c)将低频系数矩阵与融合后的高频系数矩阵合并，得到特征矩阵；

(2)对特征矩阵进行归一化处理，得到归一化后的特征矩阵；

(3)构造训练数据集：

(3a)从归一化后特征矩阵中有类标的区域中选取部分样本，作为训练样本；

(3b)用50×50像素、55×55像素、60×60像素3个滑窗，分别从训练样本中分割出3个图像块，将分割出后的3个图像块作为轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络的输入数据；

(3c)用14×14像素、16×16像素、18×18像素、20×20像素、22×22像素5个滑窗，分别从训练样本中分割出5个图像块，将分割出后的5个图像块作为轮廓波二值空间金字塔池化BSPP变化检测网络的输入数据；

(4)构建轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络：

(4a)搭建一个14层的轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络，网络的结构如下：输入层→二值化卷积层→二值化激活层→最大池化层→二值化卷积层→二值化激活层→二值化卷积层→二值化激活层→空间金字塔池化层→二值化全连接层→二值化激活层→二值化全连接层→二值化激活层→softmax分类器；

(4b)将输入层的特征映射图数目设置为4个；将第2层、第5层和第7层的二值化卷积层的特征映射图数目分别设置为64个、64个和128个，与二值化卷积层对应的滤波器的尺寸分别设置为5×5像素、5×5像素和3×3像素；设置二值化激活层的激活函数为：Htanh(x)＝max(-1,min(1,x))，其中，max表示取最大值操作，min表示取最小值操作，x表示二值化激活层的输入值；将最大池化层的池化窗口设置为2×2像素；将空间金字塔池化层设置为3层，每层的池化窗口分别设置为1×1、2×2和3×3像素；将二值化全连接层的特征映射图数目设置为128个，并将全连接层的参数进行二值化处理，将分类层的特征映射图数目设置为2个；

(5)训练轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络：

将轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络的输入数据，送入构建好的轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络中，训练轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络，得到训练好的轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络；

(6)构建轮廓波二值空间金字塔池化BSPP变化检测网络：

(6a)搭建一个13层的变化检测网络，网络的结构如下：输入层→二值化卷积层→二值化激活层→二值化卷积层→二值化激活层→二值化卷积层→二值化激活层→空间金字塔池化层→二值化全连接层→二值化激活层→二值化全连接层→二值化激活层→softmax分类器；

(6b)将第2层、第4层和第6层二值化卷积层的特征映射图数目分别设置为64个、64个和128个，与二值化卷积层对应的滤波器的尺寸均设置为3×3像素；其余层的参数设置与轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络相同；

(7)训练轮廓波二值空间金字塔池化BSPP变化检测网络：

将轮廓波二值空间金字塔池化BSPP变化检测网络的输入数据，送入搭建好的轮廓波二值空间金字塔池化BSPP变化检测网络中，训练轮廓波二值空间金字塔池化BSPP变化检测网络，得到训练好的轮廓波二值空间金字塔池化BSPP变化检测网络；

(8)获取测试样本：

(8a)从归一化的特征矩阵中选取2000×2000像素大小的矩阵区域；

(8b)用50×50像素、55×55像素、60×60像素3个滑窗，分别从测试样本中分割出3个图像块，作为测试样本；

(9)检测测试样本的感兴趣区域：

(9a)将测试样本送入训练好的轮廓波二值空间金字塔池化BSPP感兴趣区域检测网络进行感兴趣区域检测，得到3个感兴趣区域检测结果图；

(9b)将检测结果进行感兴趣区域多尺度图像融合，得到融合后的感兴趣区域检测结果图；

(10)检测感兴趣区域检测结果图的变化区域：

(10a)用14×14像素、16×16像素、18×18像素、20×20像素、22×22像素5个滑窗，分别从测试样本的感兴趣区域检测结果图中分割出5个图像块，作为测试数据的变化检测样本；

(10b)将测试数据的变化检测样本，送入训练好的轮廓波二值空间金字塔池化BSPP变化检测网络，进行变化区域的检测，得到5个变化检测结果图；

(10c)将5个变化检测结果图进行变化区域多尺度图像融合，得到融合后的变化检测结果图；

(11)输出变化检测结果图。