[发明专利]基于全局-局部SPP Net的高分辨SAR图像变化检测方法

权利要求书

1.基于全局-局部SPP Net的高分辨SAR图像变化检测方法，其特征在于，包括如下步骤：

步骤1，从两幅配准后的同一地区不同时相的SAR图像中，选取部分有标签数据作为训练样本；

步骤2，将步骤1选取的训练样本归一化到[0，1]之间，记作X1；

步骤3，从X1中选择m组较大尺度的图像块送入局部大尺度SPP Net进行感兴趣区域检测训练，得到训练好的局部大尺度SPP Net，其中m为正整数；

步骤4，从X1中选择n组较小尺度的图像块送入局部小尺度SPP Net进行变化检测训练，得到训练好的局部小尺度SPP Net，其中n为正整数，n>m；

步骤5，从待检测地区任意选取a×b像素的图像作为测试数据送入训练好的局部大尺度SPP Net进行ROI测试，得到最终的ROI测试结果；

步骤6，将步骤5中得到的ROI检测结果送入训练好的局部小尺度SPP Net进行变化检测测试，得到最终的变化检测结果图；

所述步骤3包括如下步骤：

步骤3.1，从归一化后的训练样本X1中取m组图像块，通过这m组图像块构成基于图像块的输入矩阵X11、X12、……X1m，将这m组输入矩阵作为局部大尺度SPP Net的输入数据；

步骤3.2，选择一个由输入层→卷积层→最大池化层→卷积层→卷积层→空间金子塔池化层→全连接层→全连接层→softmax分类器组成的9层SPP Net；

步骤3.3，给定各层的特征映射图，确定卷积层的滤波器尺寸并随机初始化滤波器；

步骤3.4，将步骤3.1的输入数据送入局部大尺度SPP Net，训练局部大尺度SPP Net，获取局部大尺度SPP Net参数，得到训练好的局部大尺度SPP Net；

所述步骤3.3中，每层参数设置为：

对于第1层输入层，设置特征映射图数目为4；

对于第2层卷积层，设置特征映射图数目为8，设置滤波器尺寸为5；

对于第3层最大池化层，设置下采样尺寸为2；

对于第4层卷积层，设置特征映射图数目为8，设置滤波器尺寸为5；

对于第5层卷积层，设置特征映射图数目为16，设置滤波器尺寸为3；

对于第6层空间金子塔池化层，共设置3层，{1×1、2×2、3×3}；

对于第7层全连接层，设置特征映射图数目为128；

对于第8层全连接层，设置特征映射图数目为128；

对于第9层分类层，设置特征映射图数目为2。

2.根据权利要求1所述的图像变化检测方法，其特征在于，所述步骤4包括如下步骤：

步骤4.1，从归一化后的样本X1中取n组图像块，通过这n组图像块构成基于图像块的输入矩阵X21、X22、X23、……、X2n，将这n组输入矩阵作为局部小尺度SPP Net的输入数据；

步骤4.2，选择由输入层→卷积层→卷积层→卷积层→空间金子塔池化层→全连接层→全连接层→softmax分类器组成的8层SPP Net；

步骤4.3，给定各层SPP Net的特征映射图，确定卷积层的滤波器尺寸并随机初始化滤波器；

步骤4.4，将步骤4.1的输入数据送入局部小尺度SPP Net，训练局部小尺度SPP Net，获取局部小尺度SPP Net参数，得到训练好的局部小尺度SPP Net。

3.根据权利要求2所述的图像变化检测方法，其特征在于，所述步骤4.3中，每层参数设置为：

对于第1层输入层，设置特征映射图数目为4；

对于第2层卷积层，设置特征映射图数目为8，设置滤波器尺寸为3；

对于第3层卷积层，设置特征映射图数目为8，设置滤波器尺寸为3；

对于第4层卷积层，设置特征映射图数目为16，设置滤波器尺寸为3；

对于第5层空间金子塔池化层，共设置3层，{1×1、2×2、3×3}；

对于第6层全连接层，设置特征映射图数目为128；

对于第7层全连接层，设置特征映射图数目为128；

对于第8层分类层，设置特征映射图数目为2。