[发明专利]基于DCGAN的多尺度图像变化检测方法及存储介质

权利要求书

1.一种基于DCGAN的多尺度图像变化检测方法，其特征在于，包括以下步骤，

S1、收集同一位置两个不同时期的配准图像及其变化区域的标注数据，裁剪为设定大小作为真实样本数据集合分别记为R1，R2和变化图真值GT；

S2、将步骤S1中的真实图像样本集合(R1、R2)中的一批输入到深度卷积生成对抗网络DCGAN网络的判别器D中，初步训练判别器D的特征提取和判别真伪能力，然后把这些真实样本和随机噪声z一同输入到初始化好的DCGAN网络的生成器G中，训练以使其生成器G生成混淆真伪图像的合成图像；

S3、将步骤S2中生成的合成图像样本和真实图像样本一同输入到DCGAN网络的判别器D中，判断图像真伪，使判别器D具有判别图像真伪和图像特征提取的功能；

S4、循环迭代S2、S3步骤训练生成器G和判别器D，直到DCGAN网络训练完成，并把最终DCGAN网络生成的较好合成图像作为数据集G(z)；

S5、先从真实图像样本集合(R1、R2)中取一批图像及合成图像集合G(z)中取一批图像组成不同时相的成对图像输入到多尺度变化检测网络MCDN中进行初步训练，再从真实图像样本集合(R1、R2)中取不同时相的成对图像对网络进行微调，当网络的损失函数收敛时即训练好网络；

S6、对于一对待测变化图像，将其输入到S5中训练好的MCDN网络中，其输出即为变化预测结果。

2.根据权利要求1所述的基于DCGAN的多尺度图像变化检测方法，其特征在于，所述步骤S2中的深度卷积生成对抗网络DCGAN，它由生成器G和判别器D组成，生成器G可以通过输入真实样本和随机噪声生成合成图像，判别器D具有对输入的图像做特征提取以及判别真伪的功能。

3.根据权利要求1所述的基于DCGAN的多尺度图像变化检测方法，其特征在于，所述步骤S5中MCDN网络的结构为：MCDN网络包括双通道多尺度特征提取网络Net1、特征差分网络Net2以及特征融合网络Net3，其中双通道多尺度特征提取网络Net1使用所述步骤S4中训练好的判别器D的卷积层和多尺度特征模块构成。