[发明专利]基于残差网络的SAR图像变化检测方法

说明书

本发明公开了一种基于残差网络的SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测的检测精度不高、对噪声抑制不够明显的问题。本发明的具体步骤如下：(1)构造训练标签集；(2)构造训练数据集；(3)构造残差变化检测网络；(4)训练残差变化检测网络；(5)生成检测数据集；(6)获取特征向量集；(7)输出变化检测结果图。本发明构造了一个7层的残差变化检测网络，提取了合成孔径雷达SAR图像像素点邻域特征，具有降低了合成孔径雷达SAR图像变化检测的噪声和提高了合成孔径雷达SAR图像变化检测精度的优点。

技术领域

本发明属于图像处理技术领域，更进一步涉及遥感图像变化检测技术领域中的一种基于残差网络的合成孔径雷达SAR(Synthetic Aperture Radar)图像变化检测方法。本发明可对两幅不同时相获取的SAR图像的地物变化区域进行检测，可在地物覆盖与利用、自然灾害监测与评估，城市规划，地图更新等领域进行SAR图像的变化检测。

背景技术

变化检测是指通过观测某一物体或现象在不同时间的状态得出其变化信息的技术。SAR图像变化检测是分析同一地区不同时段的SAR图像，检测出该地区的变化信息。作为对地观测卫星的关键技术，合成孔径雷达SAR图像变化检测已经被运用在包括灾害检测、城市规划、全球气温变化检测等诸多领域。经典的合成孔径雷达SAR图像变化检测过程如下：1)输入两张经过预处理后的合成孔径雷达SAR图像。2)使用差异算子构造差异图。3)对差异图的像素点进行二聚类，根据聚类结果产生变化检测结果图。但由于经典的SAR图像变化检测算法在构造差异图的过程中，丢失了图像的像素值信息，导致检测结果错检率较高。深度学习的变化检测算法，避免构造差异图的过程，直接通过有监督的提取SAR图像像素值的差异特征，错检率较低。

西安电子科技大学在其申请的专利文献“基于稀疏自动编码机的遥感图像变化检测方法”(专利申请号201510512145.4，公开号：CN105205807A)公开了一种基于稀疏自动编码机的遥感图像变化检测方法。该方法读入两幅合成孔径雷达SAR图像，利用对数比值算子构造出一幅差异图，其次提取差异图中每个像素点的邻域信息对稀疏自编码机进行无监督的训练，随后使用稀疏自动编码机对差异图每个像素点的像素值进行特征提取，并使用模糊C均值FCM聚类算法对稀疏自动编码机提取的差异图特征进行分类，得到变化检测结果图。该方法存在的不足之处是，在提取图像差异图特征时，会同时放大差异图噪声，导致变化检测结果图中的噪声点较多。

马骕等人在其发表的论文“结合KI准则与数学形态学滤波的SAR变化检测”(《激光杂志》2017年第38卷第4期)变化检测中提出一种结合KI准则与数学形态学滤波的合成孔径雷达SAR图像变化检测的方法。该方法首先对两幅图像首先利用差值法来构造一幅差异图，其次，使用结合广义高斯模型的基于最小错误率的贝叶斯理论的阈值算法对差异图进行分割，利用不同形状大小的结构元素对阈值算法的分割结果进行二值形态学滤波，得出变化检测结果图。但是，该方法仍然存在不足之处是，该方法使用差值法来构造一幅差异图，丢失了图像的像素值信息，其次，该方法没有考虑两幅合成孔径雷达SAR图像像素点的邻域信息，使得检测结果图中变化区域与为变化区域的边缘检测效果较差，变化检测结果中误检和漏检的像素点较多，导致检测结果的全局错误数较多。

发明内容

本发明的目的在于针对上述现有技术的不足，提出了一种基于残差网络的合成孔径雷达SAR图像变化检测方法。本发明与现有技术中其他合成孔径雷达SAR图像变化检测技术相比，构造了一个7层的残差变化检测网络，提取了合成孔径雷达SAR图像像素点邻域特征，使用模糊C均值FCM对残差网络输出的特征向量集进行变化检测，降低了合成孔径雷达SAR图像变化检测的噪声，提高了合成孔径雷达SAR图像变化检测精度。