[发明专利]基于深度堆栈网络的极化SAR影像变化检测方法

说明书

本发明公开了一种基于深度堆栈网络的极化SAR影像变化检测方法，包括：1)得配准后两幅样本图像的极化散射矩阵S₁及配准后两幅待检测图像的极化散射矩阵S₂；2)生成极化协方差矩阵C；3)对极化协方差矩阵C进行预处理；4)得特征矩阵F1；5)人工标记配准后两幅样本图像的变化检测标准图；6)得基于图像块的特征矩阵F21；7)得配准后两幅待检测图像对应的基于图像块的特征矩阵F22；8)构建训练数据集D的特征矩阵W1及测试数据集T的特征矩阵W2；9)构建基于深度堆栈网络的极化SAR影像变化检测模型；10)对模型进行训练；11)根据训练后的模型对特征矩阵F22进行变化检测，该方法能够实现极化SAR影像的变化检测，操作较为简单。

技术领域

本发明属于图像处理技术领域，涉及一种基于深度堆栈网络的极化SAR影像变化检测方法。

背景技术

合成孔径雷达(synthetic aperture radar,SAR)能够全天时、全天候实时对地面或空间目标进行探测，能实时获取地面目标的二维高分辨图像，被广泛应用于军事领域、民用领域等。近年来,极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)数据获取途径逐渐增多,其图像所包含的信息量远大于单极化SAR图像,能记录目标散射回波的全极化信息,更加完整准确地揭示目标的散射机理,能增强杂波抑制与抗干扰能力等。为目标分解、分类以及检测提供了有力的数据支持,也为变化检测技术提供了一个新的研究方向。

图像变化检测是一种通过对采集于不同时间同一地点的两幅SAR图像进行比较分析,确定地物变化信息的图像处理技术,在土地利用、水域检测和灾难监测等方面有广泛的应用。现有的极化SAR影像的变化检测方法有基于复Wishart分布的极化SAR图像变化检测算法、极化状态的变化检测方法等。

2003年丹麦科技大学国际空间研究所的Knut Conradsen等人提出了一种基于复Wishart分布的极化SAR图像变化检测算法，该算法通过构造似然比检测量实现极化SAR图像的变化检测。

2014年中国民航大学的韩萍团队提出了一种基于极化状态提取的极化SAR图像变化检测算法。首先利用不变样本目标提取图像的最优极化状态，并将此极化状态下的接收功率比值作为变化检测特征量,最后利用双阈值判别方法提取变化区域实现变化检测。

这些变化检测方法人工提取特征，直接利用图像的某种特性进行检测，没有运用深度学习的方法，因而特征提取的方法很繁琐。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于深度堆栈网络的极化SAR影像变化检测方法，该方法能够实现极化SAR影像的变化检测，操作较为简单。

为达到上述目的，本发明所述的基于深度堆栈网络的极化SAR影像变化检测方法包括以下步骤：

1)将两幅极化SAR影像样本在相同地物不同时相的图像利用ENVI软件进行配准，得配准后两幅样本图像的极化散射矩阵S₁；将两幅待检测极化SAR影像在相同地物不同时相的图像利用ENVI软件进行配准，得到配准后两幅待检测图像的极化散射矩阵S₂；

2)根据配准后两幅样本图像的极化散射矩阵S₁生成极化协方差矩阵C；

3)对步骤2)得到的极化协方差矩阵C进行精致LEE滤波及去除斑点噪声处理；

4)将经步骤3)处理后的极化协方差矩阵C中的每个像素值归一化到[0，1]之间，得特征矩阵F1；

5)人工标记配准后两幅样本图像的变化检测标准图；