[发明专利]基于生成对抗网络的多光谱图像变化检测方法

权利要求书

1.一种基于生成对抗网络的多光谱图像变化检测方法，包括：

(1)分别设定判别分类网络D，生成网络G的结构及它们对应的目标函数f_D和f_G，并设定生成网络G生成的图像与真实图像之间距离L₁的系数λ；

其中设定的判别分类网络D的目标函数，表示如下：

其中，x表示判别分类网络D输入的真实的图像，x～p_x(x)表示真实图像x服从的分布，表示判别分类网络D判断输入的真实图像为真的期望，z表示生成网络G输入的噪声，z～p_z(z)表示噪声z服从的分布，G(z)表示生成网络G生成的图像，表示判别分类网络D判断生成网络G生成的图像为假的期望，T_c为判别分类网络D的分类误差，表示如下：

其中，e_i表示第i个像素在初始变化检测结果中的类别，表示判别分类器D获得的第i个像素的类别；

其中设定的生成网络G的目标函数f_G，表示如下：

其中，z表示生成网络G输入的噪声，z～p_z(z)表示噪声z服从的分布，G(z)表示生成网络G生成的图像，表示判别分类网络D判断生成网络G生成的图像为假的期望；λ用于控制L₁(G(z))在目标函数f_G中所占的权重，取值为1；L₁(G(z))为1范数，表示如下：

L₁(G(z))＝||x-G(z)||₁，

其中，x表示判别分类网络D输入的真实的图像，G(z)表示生成网络G生成的图像；

(2)运用变化矢量分析方法CVA获得两幅不同时相的图像I₁和I₂的差异图；

(3)运用最大类间方差法Otsu将差异图划分为变化和未变化两类，获得初始变化检测结果；

(4)根据初始的变化检测结果，将不同时相的图像I₁和I₂均划分为标记数据和未标记数据，组成训练集合；

(5)使用判别分类网络D和生成网络G组成分类网络W，运用训练集合对分类网络W进行训练，直到判别分类网络D的目标函数f_D收敛，获得训练完成后的判别分类网络D'；

(6)将两幅不同时相的图像I₁和I₂输入到训练完成后的判别分类网络D'中，以对这两幅图像进行变化和未变化的类别划分，获得最终的变化检测结果图。

2.根据权利要求1所述的方法，其中步骤(1)设定的判别分类网络D是一个7层的神经网络，其自上而下的神经元个数为150、100、200、100、50、25、3；该判别分类网络D的输入维数为150，输出维数为3，且输出的前两维表示变化和未变化两个类别，最后一维用于判断输入图像的真假，即判断输入的图像是真实的图像还是生成网络G生成的图像。

3.根据权利要求1所述的方法，其中步骤(1)设定的生成网络G是一个6层的神经网络，其自上而下的神经元个数为100、50、25、50、100、150；该生成网络G的输入噪声维数为100，且输出维数为150。

4.根据权利要求1所述的方法，其中步骤(2)中计算两幅不同时相的图像I₁和I₂的差异图I_D，通过下式计算：

其中，I_1i表示图像I₁在第i个光谱通道的像素，I_2i表示图像I₂在第i个光谱通道的像素，N表示图像I₁和I₂对应的光谱通道数量。