[发明专利]雷达影像变化检测的样本制作方法及系统、存储介质、设备

权利要求书

1.雷达影像变化检测的样本制作方法，其特征在于，包括如下步骤：

配准，将两幅同一地区不同时刻的原始雷达影像进行配准，得到第一雷达影像；

获得差异图像，将所述第一雷达影像进行对数比处理，得到差异图像；

融合，将获得的所述差异图像与所述第一雷达影像进行波段融合，得到三波段影像；

图像分割，利用分割法将步骤对数比中的所述差异图像进行分割处理，获得标签文件；获得加权指数值，所述分割法包括FCM算法自迭代加权指数，将所述加权指数设置为可变，并通过精度评价获得所述加权指数的值；FCM算法自迭代加权指数包括手动画出的真值标签，利用IOU函数进行精度评价，当真值标签与利用FCM算法产生的分割图之间的精度达到设定精度阈值范围时，获得此时的加权指数的值；否则，继续迭代；

形成样本库，分别对所述三波段影像与所述标签文件进行裁剪处理，以形成若干设定尺寸的样本文件，若干所述样本文件形成样本库。

2.如权利要求1所述的雷达影像变化检测的样本制作方法，其特征在于，在步骤图像分割中还包括：

图像处理，将所述差异图像进行分割处理后得到的分割结果图进行滤波去噪处理后获得所述标签文件。

3.如权利要求2所述的雷达影像变化检测的样本制作方法，其特征在于，在步骤形成样本库中还包括手工绘制样本，将所述手工绘制样本加入所述样本库。

4.如权利要求1或2所述的雷达影像变化检测的样本制作方法，其特征在于，在步骤形成样本库之后还包括：

模型训练，利用深度学习网络模型对所述样本库中的样本进行训练，得到变化检测模型；

精度评定，将待测试的雷达影像数据输入所述变化检测模型进行数据预测测试，并计算本次测试的检查平均函数IOU，若IOU值均达标则跳转至下一步，若IOU值存在不达标情况则调整深度学习网络模型参数返回步骤模型训练并重新迭代训练。

5.一种电子设备，其特征在于，包括：处理器；

存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行如权利要求1所述的方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1所述的方法。

7.雷达影像变化检测的样本库制作系统，其特征在于，包括配准模块、获得差异图像模块、融合模块、图像分割模块以及形成样本库模块；其中，

所述配准模块用于将两幅同一地区不同时刻的原始雷达影像进行配准，得到第一雷达影像；

所述获得差异图像模块用于将所述配准后的雷达影像进行对数比处理，得到差异图像；

所述融合模块用于将获得的所述差异图像与所述配准后的雷达影像进行波段融合，得到三波段影像；

所述图像分割模块用于利用分割法将步骤对数比中的所述差异图像进行分割处理，获得标签文件；所述图像分割模块包括图像处理单元与获得加权指数单元，所述图像处理单元用于将所述差异图像进行分割处理后得到的分割结果图进行滤波去噪处理后获得所述标签文件；所述获得加权指数单元用于所述分割法包括FCM算法自迭代加权指数，将所述加权指数设置为可变，并通过精度评价获得所述加权指数的值；所述FCM算法自迭代加权指数包括手动画出的真值标签，利用IOU函数进行所述精度评价，当所述真值标签与利用FCM算法产生的分割图之间的精度达到设定精度阈值范围时，获得此时的所述加权指数的值；否则，继续迭代；

所述形成样本库模块用于将分别对所述三波段影像与所述标签文件进行裁剪处理，以形成若干设定尺寸的样本文件，若干所述样本文件形成样本库。

8.如权利要求7所述的雷达影像变化检测的样本库制作系统，其特征在于，还包括模型训练模块与精度评定模块，所述模型训练模块用于利用深度学习网络模型对所述样本库中的样本进行训练，得到变化检测模型；所述精度评定模块用于将待测试的雷达影像数据输入所述变化检测模型进行数据预测测试，并计算本次测试的检查平均函数IOU，若IOU值均达标则跳转至下一步，若IOU值存在不达标情况则调整深度学习网络模型参数返回步骤模型训练并重新迭代训练。