[发明专利]深度卷积神经网络结合形态学检测图像变化的方法有效
| 申请号： | 201810417006.7 | 申请日： | 2018-05-02 |
| 公开（公告）号： | CN108805863B | 公开（公告）日： | 2022-02-22 |
| 发明（设计）人： | 徐梦溪;吴晓彬;朱斌;王鑫;石爱业;陈哲;韩磊 | 申请（专利权）人： | 南京工程学院;河海大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/10;G06T7/30;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 深度 卷积 神经网络 结合 形态学 检测 图像 变化 方法 | ||
1.一种深度卷积神经网络结合形态学检测图像变化的方法，其特征在于，包括以下步骤：
(1)对已配准的不同时相的遥感图像进行分割；
(2)对分割后的图像进行旋转和镜像，然后将不同时相对应位置的遥感图像合并为8通道的图像；
(3)将得到的8通道的图像数据输入到SegNet网络模型中进行训练，输出2通道的图像；
(4)对图像采用并操作对图像进行孔洞填充，然后采用腐蚀操作去除噪声信息，得到图像处理模型；
(5)对待预检测数遥感图像进行分割后输入到所述步骤(4)的模型中进行处理，输出处理后的图像；
(6)把步骤(5)输出的图像合并为原始待检测遥感图像的大小，即完成图像变化检测。
2.根据权利要求1所述的深度卷积神经网络结合形态学检测图像变化的方法，其特征在于，所述步骤(1)中采用滑动分割的方法将图像分割为224×224大小的图像。
3.根据权利要求1所述的深度卷积神经网络结合形态学检测图像变化的方法，其特征在于，所述步骤(2)中采用90°、180°和270°旋转，采用上、下和左、右镜像。
4.根据权利要求1所述的深度卷积神经网络结合形态学检测图像变化的方法，其特征在于，所述SegNet网络模型在pool1、pool2和pool3操作后进行merge操作，将各个poll层分贝与inputs层的数据进行合并。
5.根据权利要求1所述的深度卷积神经网络结合形态学检测图像变化的方法，其特征在于，所述步骤(3)中利用SegNet网络模型进行训练时选用交叉熵作为损失函数，损失函数为：
其中，y0表示无变化区域，y1变化区域， y′0预测为无变化区域的概率，y′1为变化区域概率。
6.根据权利要求1所述的深度卷积神经网络结合形态学检测图像变化的方法，其特征在于，所述步骤(5)中对待检测区域进行分割时，采用滑动重叠分割，分割大小为224×224，最后每个分割后的图像得到的结果只取中间200×200的部分。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京工程学院;河海大学，未经南京工程学院;河海大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810417006.7/1.html，转载请声明来源钻瓜专利网。
