[发明专利]一种深度学习分类后比较的SAR变化检测方法有效
| 申请号： | 201910226864.8 | 申请日： | 2019-03-25 |
| 公开（公告）号： | CN109977968B | 公开（公告）日： | 2021-03-12 |
| 发明（设计）人： | 杨学志;吴聪聪;汪骏 | 申请（专利权）人： | 合肥工业大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京睿博行远知识产权代理有限公司 11297 | 代理人： | 周梦仙 |
| 地址： | 230009 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种深度学习分类后比较SAR变化检测方法，其实现过程是：利用MDPS‑CNN具有两个网络通道且其可以具有不同权值这一特性，分别对灾前、灾后两时刻的SAR图像进行深度特征的提取。与此同时，我们用两时刻的原始SAR图像来得到其纹理特征和灰度特征，然后在MDPS‑CNN网络内部将纹理特征、灰度特征和深度特征进行融合。此外，为了针对具体SAR图像在不同深度层和保证高准确率的情况下做一个权衡，MDPS‑CNN采用分段反向传播来优化网络使其自动选择合适的层数。我们将得到的两组融合后的图像用阈值法进行分类。最后将得到的两幅分类图进行水域变化的比较来得到最终的水域变化检测图。 | ||
| 搜索关键词： | 一种 深度 学习 分类 比较 sar 变化 检测 方法 | ||
【主权项】：
1.一种深度学习分类后比较的SAR变化检测方法，其特征是包括以下步骤：步骤1）分别对SAR图像的深度特征、纹理特征、灰度特征进行提取，并准备特征融合；步骤2）构建MDPS‑CNN网络；步骤3）将得到的深度特征、纹理特征和灰度特征在MDPS‑CNN中进行融合，融合后的结果分类比较形成差异图。
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合肥工业大学，未经合肥工业大学许可，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/201910226864.8/，转载请声明来源钻瓜专利网。
