-
公开(公告)号:CN105844637B
公开(公告)日:2020-04-28
申请号:CN201610168000.1
申请日:2016-03-23
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于非局部CV模型的SAR图像变化检测方法,实现步骤包括:(1)输入同一区域不同时间的两幅SAR图像构造差异图;(2)在差异图上做矩形轮廓曲线,初始化水平集函数;(3)计算内部区域的灰度均值和外部区域的灰度均值;(4)构建基于非邻域和基于区域信息的总能量函数E;(5)通过梯度下降法最小化E更新水平集函数φ,获得新的水平集函数φn+1,用其对差异图X进行分割;(6)判断当前的φn+1能否使总能量函数E达到最小值,如果能,停止迭代,输出最终的变化检测结果;否则,返回步骤3。本发明的方法对于差异位置更加敏感,对于初始化和图像质量的鲁棒性有明显增强。
-
公开(公告)号:CN105205807B
公开(公告)日:2018-03-27
申请号:CN201510512145.4
申请日:2015-08-19
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于稀疏自动编码机的遥感图像变化检测方法,主要针对现有技术的变化检测结果漏检与误检的像素较多,且直接对差异图进行处理无法利用差异图隐含信息的缺点。其实现步骤为:(1)读入图像;(2)构造差异图;(3)训练稀疏自动编码机;(4)提取特征;(5)对特征进行模糊聚类;(6)去模糊处理;(7)输出变化检测结果。本发明先采用稀疏自动编码机提取差异图,再利用提取特征对遥感图像进行变化检测,从而减少了变化检测结果中像素的漏检与误检的个数,提高了变化检测的精度。
-
公开(公告)号:CN107239795A
公开(公告)日:2017-10-10
申请号:CN201710358877.1
申请日:2017-05-19
申请人: 西安电子科技大学
CPC分类号: G06K9/6277 , G06K9/6218 , G06N3/10 , G06T7/0002 , G06T2207/10044
摘要: 一种基于稀疏自编码器和卷积神经网络的SAR图像变化检测系统及方法,属于SAR图像处理领域,该方法通过稀疏自编码器SAE对差异图提取特征,进而根据图像的特征用FCM聚类对差异图进行聚类,得到初始的分类结果,结合差异图和初始分类结果来训练卷积神经网络CNN,通过训练好的CNN对初始的分类结果进行微调,得到最终的分类结果图。该方法充分的利用图像像素的特征信息和邻域信息,进一步提高了变化检测结果的准确率。仿真结果表明,本发明采用的基于稀疏自编码器和卷积神经网络的SAR图像变化检测方法与KI、FCM等传统算法相比,正确检测率明显提高,Kappa系数也得到明显提高。
-
公开(公告)号:CN105844637A
公开(公告)日:2016-08-10
申请号:CN201610168000.1
申请日:2016-03-23
申请人: 西安电子科技大学
IPC分类号: G06T7/00
摘要: 本发明公开了一种基于非局部CV模型的SAR图像变化检测方法,实现步骤包括:(1)输入同一区域不同时间的两幅SAR图像构造差异图;(2)在差异图上做矩形轮廓曲线,初始化水平集函数;(3)计算内部区域的灰度均值和外部区域的灰度均值;(4)构建基于非邻域和基于区域信息的总能量函数E;(5)通过梯度下降法最小化E更新水平集函数φ,获得新的水平集函数φn+1,用其对差异图X进行分割;(6)判断当前的φn+1能否使总能量函数E达到最小值,如果能,停止迭代,输出最终的变化检测结果;否则,返回步骤3。本发明的方法对于差异位置更加敏感,对于初始化和图像质量的鲁棒性有明显增强。
-
公开(公告)号:CN105205807A
公开(公告)日:2015-12-30
申请号:CN201510512145.4
申请日:2015-08-19
申请人: 西安电子科技大学
CPC分类号: G06K9/468 , G06K9/6202 , G06K9/6269 , G06K2009/4695 , G06T2207/10032 , G06T2207/20081
摘要: 本发明公开了一种基于稀疏自动编码机的遥感图像变化检测方法,主要针对现有技术的变化检测结果漏检与误检的像素较多,且直接对差异图进行处理无法利用差异图隐含信息的缺点。其实现步骤为:(1)读入图像;(2)构造差异图;(3)训练稀疏自动编码机;(4)提取特征;(5)对特征进行模糊聚类;(6)去模糊处理;(7)输出变化检测结果。本发明先采用稀疏自动编码机提取差异图,再利用提取特征对遥感图像进行变化检测,从而减少了变化检测结果中像素的漏检与误检的个数,提高了变化检测的精度。
-
公开(公告)号:CN107437091A
公开(公告)日:2017-12-05
申请号:CN201710180543.X
申请日:2017-03-23
申请人: 西安电子科技大学
CPC分类号: G06K9/6222 , G06K9/6272 , G06N3/084
摘要: 本发明公开了一种多层限制玻尔兹曼机的SAR图像细分正负类变化检测方法,包括如下步骤:步骤101:开始基于多层限制玻尔兹曼机的SAR图像细分正负类变化检测方法;步骤102:对两幅已配准的同一地区不同时相的SAR图像构造三类差异图;步骤103:对差异图进行模糊C均值聚类获得粗糙的三类变化检测结果;步骤104:根据变化检测结果选择可能性大的非噪声点作为改进的多层限制玻尔兹曼机的训练样本,训练改进的多层限制玻尔兹曼机;步骤105:将待检测图像输入训练好的网络中,得到最终的变化检测结果图。本发明将变化类细分为正变化,负变化与未变化三类,提高了变化检测的精度。
-
-
-
-
-