[发明专利]基于自步学习的SAR图像变化区域检测方法

权利要求书

1.一种基于自步学习的合成孔径雷达SAR图像变化区域检测方法，其特征在于，包括如下步骤：

(1)读入合成孔径雷达SAR图像：

读入同一地区不同时相的两幅已配准且校正的合成孔径雷达SAR图像I₁和I₂；

(2)归一化：

使用归一化公式，对合成孔径雷达SAR图像I₁和I₂分别进行归一化处理，得到归一化后的合成孔径雷达SAR图像I₁'和I₂'；

(3)构建变化检测矩阵：

(3a)将归一化后的合成孔径雷达SAR图像I₁'的每一个像素点与其周围3×3邻域的9个像素点作为检测子矩阵M1的行向量，组成一个检测子矩阵M1；

(3b)将归一化后的合成孔径雷达SAR图像I₂'的每一个像素点与其周围3×3邻域的9个像素点作为检测子矩阵M2的行向量，组成一个检测子矩阵M2；

(3c)将检测子矩阵M1和检测子矩阵M2的所有行向量，依次存放在变化检测矩阵的行向量中，组成一个变化检测矩阵；

(4)选择训练样本集：

(4a)从变化检测矩阵中随机选择一个行向量，作为一个训练样本；

(4b)除变化检测矩阵中所选行向量外，从变化检测矩阵中分别随机选择行向量总数的15％，30％，45％，60％，75％的行向量，组成5个训练样本集；

(5)训练深度信念网络：

将5个训练样本集的不同样本，依次输入到深度信念网络中，训练深度信念网络；

(6)构建概率矩阵：

将变化检测矩阵的每一个元素及其周围3×3邻域元素，依次输入到训练好的深度信念网络中，得到每一个元素的变化概率，将变化概率保存到概率矩阵中；

(7)更新概率矩阵：

(7a)判断概率矩阵中的每一个元素是否大于等于0.5，若是，则执行步骤(7b)，否则，执行步骤(7c)；

(7b)将元素的值更新为255后执行步骤(8)；

(7c)将元素的值更新为0后执行步骤(8)；

(8)获得变化检测图像：

将更新的概率矩阵中的所有元素值作为像素灰度值，将像素灰度值转化为变化检测图像。

2.基于权利要求1所述的基于自步学习的合成孔径雷达SAR图像变化区域检测方法，其特征在于：步骤(2)所述的归一化公式如下：

其中，I₁'表示合成孔径雷达SAR图像I₁归一化后的合成孔径雷达SAR图像，min表示取最小值操作，max表示取最大值操作，I₂'表示合成孔径雷达SAR图像I₂归一化后的合成孔径雷达SAR图像。

3.基于权利要求1所述的基于自步学习的合成孔径雷达SAR图像变化区域检测方法，其特征在于：步骤(5)所述的训练深度信念网络的具体步骤如下：

第一步，将深度信念网络的隐藏层层数设为4，每个隐藏层的节点数目分别为250，150，100，1，深度信念网络的每个隐藏层的结构为一个由多神经元组成的受限玻尔兹曼机RBM网络，深度信念网络的输入层的节点数目为9，输出层的节点数目为1；

第二步，用0到50以内的浮点数随机初始化每个隐藏层受限玻尔兹曼机RBM的权重和偏置，用所选的训练样本集单独地无监督训练每一层RBM网络，将每个隐藏层的受限玻尔兹曼机RBM训练100次，得到每一层RBM网络的最优权重和偏置；

第三步，使用基于最小交叉熵的反向传播算法，对深度信念网络进行微调，得到训练好的深度信念网络。