[发明专利]基于深度曲波差分DSN的极化SAR图像变化检测方法

权利要求书

1.一种基于深度曲波差分堆栈网络DSN的极化合成孔径雷达SAR图像变化检测方法，其特征在于，包括如下步骤：

(1)输入极化合成孔径雷达SAR图像：

输入同一地区不同时相的两幅待检测的极化合成孔径雷达SAR图像I₁和I₂；

(2)获得极化散射矩阵：

利用遥感图像配准软件，对极化合成孔径雷达SAR图像I₁和I₂进行配准操作，获得配准后的极化散射矩阵S₁和S₂；

(3)获得极化协方差矩阵：

利用矩阵转换方法，将极化散射矩阵S₁和S₂转换为极化协方差矩阵C₁和C₂；

(4)获得滤波后的极化协方差矩阵：

采用Lee滤波器，分别对极化协方差矩阵C₁和C₂进行滤波降噪处理，得到滤波后的极化协方差矩阵C₁′和C₂′；

(5)计算归一化后的极化协方差矩阵：

利用归一化公式，将滤波后的极化协方差矩阵C₁′和C₂′中的每个元素值归一化到[0，1]之间，得到归一化后的极化协方差矩阵F₁和F₂；

(6)构建数据集：

(6a)以5×5像素的滑动窗口，分别对极化协方差矩阵F₁和F₂取块，得到特征矩阵块集P₁和P₂；

(6b)从特征矩阵块集P₁和P₂中分别随机选取5％的特征矩阵块，组成训练样本集W₁和W₂，将其余的特征矩阵块组成测试样本集V₁和V₂；

(7)构建多尺度变化检测模型：

(7a)构建两个12层的深度堆栈网络DSN模型；

(7b)用曲波变换中的多尺度滤波器，构建两个多尺度滤波器层；

(7c)用两个多尺度滤波器层，分别替换两个深度堆栈网络DSN模型中第2层的隐含层，得到两个多尺度变化检测模型；

(8)获得深度曲波差分堆栈网络DSN模型：

将两个多尺度变化检测模型接到一个差分器上，再在差分器上接入一个二分类多层感知器，得到深度曲波差分堆栈网络DSN模型；

(9)训练深度曲波差分堆栈网络DSN模型：

将训练样本集W₁和W₂输入到深度曲波差分堆栈网络DSN模型中，对深度曲波差分堆栈网路DSN模型进行训练，得到训练好的深度曲波差分堆栈网络DSN模型；

(10)获得变化检测结果：

将测试样本集V₁和V₂输入到训练好的深度曲波差分堆栈网络DSN模型中，输出得到的测试样本集中每个像素的变化检测结果。