[发明专利]基于空谱联合三方向卷积网络的高光谱变化检测方法有效

专利信息
申请号: 202010679908.5 申请日: 2020-07-15
公开(公告)号: CN111914909B 公开(公告)日: 2021-01-12
发明(设计)人: 詹天明;宋博;张道潘;万鸣华 申请(专利权)人: 南京审计大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T7/00
代理公司: 北京君泊知识产权代理有限公司 11496 代理人: 李丹
地址: 210000 江苏省*** 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: 基于 联合 方向 卷积 网络 光谱 变化 检测 方法
【权利要求书】:

1.基于空谱联合三方向卷积网络的高光谱变化检测方法,其特征在于:包括以下步骤,

步骤(A),获取两个同一区域不同时相的高光谱图像,并将两个高光谱图像进行差分操作获取高光谱差异图像;

步骤(B),选取训练样本,生成每个训练样本对应的变化张量;并对每个变化张量从三个不同方向提取该变化张量的光谱特征、不同角度的空间特征进行融合,训练三方向卷积网络模型,并得到适用于该高光谱数据集的模型参数;

步骤(C),用训练好的三方向卷积网络模型对步骤(A)获取的高光谱差异图像的各个像素进行变化检测,划分为变化类或非变化类;

步骤(D),将高光谱差异图像的所有像素均完成判别后,获得变化检测结果图。

2.根据权利要求1所述的基于空谱联合三方向卷积网络的高光谱变化检测方法,其特征在于:步骤(A),获取两个同一区域不同时相的高光谱图像,并将两个高光谱图像进行差分操作获取高光谱差异图像,包括以下步骤,

(A1),在两个不同时间点从同一个高光谱数据源中获取同一区域的高光谱图像I1、I2

(A2),对高光谱图像I1、I2进行噪声消除处理;

(A3),将预处理后的两个时相的高光谱图像进行差分操作f(I1,I2)获得高光谱差异图像ΔI,该差分操作f(I1,I2)函数表达式为公式(1)所示,

f(I1,I2)=|I2-I1| (1)。

3.根据权利要求2所述的基于空谱联合三方向卷积网络的高光谱变化检测方法,其特征在于:(A2),对高光谱图像I1、I2进行噪声消除处理,是遍历两个时相的高光谱的每个波段,移除被噪声严重影响导致信噪比较低的波段,且两个高光谱数据移除的波段相同。

4.根据权利要求2所述的基于空谱联合三方向卷积网络的高光谱变化检测方法,其特征在于:步骤(B),选取训练样本,生成每个训练样本对应的变化张量;并对每个变化张量从三个不同方向提取该变化张量的光谱特征、不同角度的空间特征进行融合,训练三方向卷积网络模型,并得到适用于该高光谱数据集的模型参数,包括以下步骤,

(B1),选择像素总数的10%的像素,且通过人工标记其是否属于变化像素,并记录该像素的位置信息及其标记的类别信息作为训练样本;

(B2),将每个训练样本像素及其邻域的像素所对应的光谱变化向量从高光谱差异图ΔI中提取出来形成对应的变化张量;

(B3),将训练样本像素对应的变化张量及其对应的标记类别作为输入,对每个变化张量从三个不同方向提取张量的光谱特征和空间特征进行融合,训练三方向卷积网络模型,并得到适用于该高光谱数据集的模型参数,该三个不同方向提取张量的光谱特征包括两个空间维度的方向和一个光谱维度的方向。

5.根据权利要求4所述的基于空谱联合三方向卷积网络的高光谱变化检测方法,其特征在于:(B2),将每个训练样本像素及其邻域的像素所对应的光谱变化向量从高光谱差异图ΔI中提取出来形成对应的变化张量,是(B1)将每个训练样本像素及以它为中心的5*5正方形邻域像素在高光谱差异图ΔI中的变化光谱向量提取出来形成5*5*L的变化张量,其中,L是高光谱图像的光谱维数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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审计大学,未经南京审计大学许可,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/202010679908.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top