[发明专利]一种基于无监督深度神经网络的异质图像变化检测方法有效
| 申请号： | 201710022541.8 | 申请日： | 2017-01-12 |
| 公开（公告）号： | CN106875380B | 公开（公告）日： | 2019-10-08 |
| 发明（设计）人： | 公茂果;马晶晶;王志锐;武越;刘嘉;李豪;王善峰;张普照 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11 |
| 代理公司： | 西安吉盛专利代理有限责任公司 61108 | 代理人： | 何锐 |
| 地址： | 710071 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于遥感图像处理技术领域，具体涉及一种基于无监督深度神经网络的异质图像变化检测方法，包括如下内容：对两幅同一地区不同时相的异质图像配准，利用深度神经网络以图像1所有点的邻域信息为输入，重构图像2的邻域信息，得到初始重构映射函数，获取初始差异图；选取样本点，重新训练深度神经网络，得到最终的重构映射函数；利用最终的重构映射函数，获取差异图，得到最终的变化检测结果。本发明首先适用于异质图像的变化检测，避免了对原始图像的预处理环节，同时一定程度上减少信息的丢失问题，具有受噪声影响小，变化检测结果精度高等优点。 | ||
| 搜索关键词： | 一种 基于 监督 深度 神经网络 图像 变化 检测 方法 | ||
【主权项】：
1.一种基于无监督深度神经网络的异质图像变化检测方法，其特征在于，包括如下步骤：步骤一：选取两幅同一地区不同时相的异质图像，记为图像I1和图像I2，利用深度神经网络以图像I1所有点的邻域信息为输入，重构图像I2的邻域信息，得到初始的重构映射函数f1(x)，获取初始差异图DI1；步骤二：在步骤一得到的初始差异图DI1中选取样本点，重新训练深度神经网络，得到最终的重构映射函数f(x)；步骤三：利用步骤二中得到的最终的重构映射函数f(x)，获取差异图DI，得到最终的变化检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710022541.8/，转载请声明来源钻瓜专利网。
