[发明专利]基于Gabor卷积网络的SAR图像变化检测方法

说明书

基于Gabor卷积网络的SAR图像变化检测方法，包括以下步骤：首先使用对数比率进行差异性分析，获取多时相SAR图像的差分图像；其次使用多层模糊C均值聚类算法对差分图像进行预分类，产生样本像素点的三个类别，即变化类别、未变化类别和模糊类别；然后使用预分类的结果构建训练数据集和测试数据集；最后将训练数据集用于Gabor卷积网络的训练，将测试数据集用于Gabor卷积网络的测试，从而获得最终的变化结果图。本发明使用Gabor滤波器调制学习滤波器得到Gabor方向滤波器，应用于卷积神经网络，可以更好的捕获空间信息，降低模型复杂度；同时，使用预分类策略，能获得更可靠的训练数据集，进一步提高分类的准确性。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于Gabor卷积网络的SAR(Synthetic Aperture Radar，合成孔径雷达)图像变化检测方法，本发明能够对多时相SAR图像的地物变化进行检测，在自然灾害检测与评估、城市规划和土地利用等领域具有重要意义。

背景技术

当今世界科学技术的飞速发展，尤其是卫星遥感技术的进步，使得遥感影像数据的获取更加容易。我国遥感技术成谱波段较全、卫星和机载系统完备，已建成了气象、资源等应用卫星。与此同时，人口的快速增长，人类活动日益增加，加剧了地表景观的变化，如各种土地使用性质的改变，某些地区建筑物拔地而起，城市扩张，山洪带来的泥石流、塌方等。因此，对某一地表景观的变化检测具有重要的应用价值，这一问题被越来越多的学者和专家关注。

合成孔径雷达具有全天候、全天时的成像能力，而且可以不受气候条件的影响，能够准确地获取地表景观的变化信息，成为当前研究热点。SAR图像变化检测是通过对同一地点不同时刻的SAR图像进行差异分析，得到所需的地物变化信息。目前，SAR图像变化检测技术被广泛应用于多种领域，例如在军事领域，SAR图像变化检测技术可以用来获悉战场态势，进行毁伤效果评估等。在民用领域，SAR图像变化检测技术可以用于资源和环境监测、农作物生长监测以及自然灾害监测与评估等。但是，由于SAR图像具有大量的斑点噪声，当前方法经常难以准确的检测图像中的变化区域。

近年来，国内外学习者对SAR图像的变化检测进行了大量研究。根据是否需要先验知识，主要可以分为有监督方法和无监督方法。有监督方法需要先验知识，例如受限玻尔兹曼机、极限学习机、卷积神经网络等学习模型，需要大量的标签样本用作模型训练，在标签质量差、数量不足的情况下很难获得出色的表现；无监督方法不需要先验知识，如期望最大化法、阈值化方法等，但是无监督方法的噪声鲁棒性和适应性较差。综合而言，对于多时相SAR图像的变化检测，当前方法还有很大的提升空间。

发明内容

本发明实施期望提供一种基于Gabor卷积网络的遥感图像变化检测方法，以解决噪声对分类精度影响大、分类精度低等技术问题。

基于Gabor卷积网络的图像变化检测方法，包括以下步骤：

对同一地理位置的两幅多时相SAR图像，使用对数比率获得差分图像；

对差分图像进行预分类，构建训练数据集和测试数据集；

将训练数据集用于Gabor卷积网络训练；

将测试数据集用于Gabor卷积网络测试，获得变化结果图。

本发明的具体步骤包括如下：

(1)对同一地理位置的两幅多时相SAR图像使用对数比率进行差异性分析，获取多时相SAR图像的差分图像；

所述的差异性分析的计算过程为：

I_DI＝|logI₁-logI₂|