[发明专利]基于SPP Net和感兴趣区域检测的SAR图像变化检测方法

说明书

本发明公开了一种基于SPP Net和感兴趣区域检测的高分辨SAR图像变化检测方法，包括以下步骤：1)获取两幅配准后同一地区不同时相的SAR图像，然后从两幅配准后同一地区不同时相的SAR图像选取若干有标签数据，并将选取出来的有标签数据作为训练样本；2)将训练样本归一化到[0，1]之间，并将归一化的结果记作样本X；3)得到训练好的SPP Net感兴趣区域检测网络；4)得最终的感兴趣区域；5)得两幅经过感兴趣检测后SAR图像I1及I2；6)通过基于图像块的GKI对经步骤5)得到的两幅经过感兴趣检测后SAR图像I1及I2进行变化检测，得最终的变化检测结果图，该方法实现大规模、高分辨SAR图像的变化检测，并且变化检测精度较高。

技术领域

本发明属于深度学习与遥感图像处理领域，涉及一种基于SPP Net 和感兴趣区域检测的高分辨SAR图像变化检测方法。

背景技术

近年来，随着航空和航天遥感技术的飞速发展，变化检测技术经过几十年的发展，在各方面都取得了一定进展。从数据源角度看，变化检测已不再局限于使用单一的遥感影像，而是综合利用多来源、多平台、多分辨率的遥感影像、GIS数据及一些辅助数据检测变化信息；从技术角度看，传统的变化检测方法日趋完善，新方法不断涌现。其中，传统的SAR图像变化检测的方法主要分为两类，一类是采用非深度学习的变化检测算法，另一类是结合了深度学习的变化检测算法。

传统的单极化SAR非深度学习变化检测方法的基本流程包括：图像预处理、生成差异图和分析差异图等三个部分。传统的生成差异图方法有：图像差值法、图像比值法、对数比值法。该方法思路简单清晰，检测准确率相对较高。但是，这种方法对差异图的依赖性较高，只有在获得较好差异图的基础上，才会获得良好的检测结果。目前，结合深度学习进行SAR图像变化检测的研究不是很多，已实现的检测方法大多是针对小规模图像，采用DBN或者AE的方法，这些方法虽然避免了差异图的产生，但是在处理大规模、高分辨图像时，准确率相对较低。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于SPP Net和感兴趣区域检测的高分辨SAR图像变化检测方法，该方法实现大规模、高分辨SAR图像的变化检测，并且变化检测精度较高。

为达到上述目的，本发明所述的基于SPP Net和感兴趣区域检测的高分辨SAR图像变化检测方法包括以下步骤：

1)获取两幅配准后同一地区不同时相的SAR图像，然后从两幅配准后同一地区不同时相的SAR图像选取若干有标签数据，并将选取出来的有标签数据作为训练样本；

2)将训练样本归一化到[0，1]之间，并将归一化的结果记作样本X；

3)从样本X中选择不同尺度的图像块，并将选择出来的不同尺度的图像块输入到SPP Net感兴趣区域检测网络中进行感兴趣区域检测训练，得到训练好的SPP Net感兴趣区域检测网络；

4)从待检测地区选取两幅尺寸为2000×2000的图像，并将选取出来的两幅尺寸为2000×2000的图像作为测试数据送入SPP Net感兴趣区域检测网络进行感兴趣测试，得最终的感兴趣区域；

5)将步骤4)中得到的最终的感兴趣区域对应的位置映射到对应尺寸为2000×2000的图像，并将所述尺寸为2000×2000的图像中的非感兴趣区域的像素值设置为0，得两幅经过感兴趣检测后SAR图像I1及I2；

6)通过基于图像块的GKI对经步骤5)得到的两幅经过感兴趣检测后SAR图像I1及I2进行变化检测，得最终的变化检测结果图，完成基于SPP Net感兴趣区域检测的高分辨SAR图像变化检测。

步骤3)的具体操作为：

3a)从样本X1中取50×50的图像块、55×55的图像块、60×60 的图像块，然后通过50×50的图像块、55×55的图像块及60×60的图像块构成基于图像块的输入矩阵X11、X12及X13；