[发明专利]一种基于复数神经网络的SAR图像变化检测方法

权利要求书

1.一种基于复数神经网络的SAR图像变化检测方法，其特征在于，输入两幅原始SAR灰度图像，利用初步差异图作为初步标签；根据初步标签，通过置信度检测筛选出两幅原始图像中部分像素块作为候选训练样本；构造一个包含3层复数全连接层和2层复数批归一化层的复数网络；从候选训练样本中按随机比例方法选出部分构造出复数训练样本，以此训练复数网络；利用已训练好的复数网络对两幅原始SAR图像直接构造出的测试复数样本进行测试，得到最终变化检测结果。

2.根据权利要求1所述的一种基于复数神经网络的SAR图像变化检测方法，其特征在于，两幅原始SAR灰度图像I₁和I₂的大小均为412*300，求取两幅原始图像在相关位置的灰度相似度以及全局相似度门限；然后对两幅原始图像在相关位置求取灰度方差；再对两幅图像进行联合C均值模糊聚类，聚类时的聚类原则依靠图像的灰度方差，一次聚类完成后，比较两幅聚类图像在相关位置的灰度相似度；直到聚类中心的变化程度小于预定参数或者达到迭代次数上限为止。

3.根据权利要求2所述的一种基于复数神经网络的SAR图像变化检测方法，其特征在于，相关位置的灰度相似度如下：

其中，S_ij代表两幅原始图像在第i行第j列的像素值灰度相似度，全局相似度门限如下：

T＝Otsu(I₁,I₂)

其中，I₁,I₂分别代表原始的第一幅和第二幅图像，Otsu为一种图像二分阈值计算方法；

灰度方差如下：

其中，代表表示第t幅图像上第i行第j列的像素值，t＝1,2，代表两幅图像在第i行第j列的像素值灰度方差。

4.根据权利要求2或3所述的一种基于复数神经网络的SAR图像变化检测方法，其特征在于，比较两幅聚类图像在相关位置的灰度相似度S_ij如下：

如果则当此时该联合分类器的参考点选择是依据最大方差原则，则被看作为参考点；

当S_ij≤T时，并且当S_ij＞T时，

当S_ij≤T时，并且当S_ij＞T时，

其中，和分别代表两幅原始图像上第i行第j列的像素值，和分别代表两幅原始图像上第i行第j列的像素值灰度方差，S_ij代表两幅原始图像在第i行第j列的像素值灰度相似度，T代表全局相似度门限；和分别代表两幅原始图像使用传统变化检测方法得到的初步标签。

5.根据权利要求1所述的一种基于复数神经网络的SAR图像变化检测方法，其特征在于，根据初步标签，通过置信度检测筛选出两幅原始图像中部分像素块作为候选训练样本具体如下：

S201、假设在位置P(i,j)的像素P_ij在预分类结果图中的标签是Ω_ij，记N_ij为以(i,j)为中心周围n×n范围区域的邻居数目；

S202、如果点P_ij拥有的邻居P_ξη满足条件式如下：

其中Ω_ξη为P_ξη的标签；Q()代表统计满足条件的样本个数，则P_ij被选为用于训练深度网络的样本，即为可信样本x，α为设定的经验常数。

6.根据权利要求5所述的一种基于复数神经网络的SAR图像变化检测方法，其特征在于，三类点被作为中心考虑，具体如下：

a、处在变化或者非变化区域内的点，其所有邻居都与其拥有相同类别的标签；

b、处在变化区和非变化区交界处的点，其邻居基本一半标签与其相同，一半标签与其不同，这两类点都包含有正确的聚类信息，被选为训练样本；

c、被错误分类的点，其邻居很少甚至基本没有与其相同类别的标签，这类点应该被去除。