[发明专利]基于耦合判别特征自学习网络的遥感图像变化检测算法

权利要求书

1.基于耦合判别特征自学习网络的遥感图像变化检测算法，其特征在于，包括以下步骤：

步骤一：建立网络结构模型，包含两个子网络：G网络和F网络；G网络层数为l_G,第i层神经元的个数为F网络层数为l_F,第i层神经元的个数为满足条件

步骤二：设计耦合判别特征自学习网络的目标函数，实现判别特征的自学习过程；

步骤三：耦合判别特征自学习网络的训练过程；

步骤3.1：数据预处理；

步骤3.2：网络初始化；

步骤3.3：初始化矩阵S；

步骤3.4：交替优化网络参数；

步骤3.5：更新矩阵S；

步骤3.6：待目标函数收敛，或达到最高迭代次数，优化过程结束；

步骤四：计算差异图；

步骤五：生成变化检测结果图。

2.根据权利要求1所述的基于耦合判别特征自学习网络的遥感图像变化检测算法，其特征在于，所述步骤一中：建立网络结构模型,还包括如下具体步骤：

所述G网络和F网络的结构为典型全连接网络，网络的输入端为遥感图像的各个像素的原始特征，使用像素周围局部区域的像素作为原始特征p,p∈R^s×1，该特征就包含了中心像素的局部邻域信息；G网络输出和F网络输出分别由如下式(1)、(2)表示：

其中，I₁和I₂为待检测的两幅遥感图像，每幅幅遥感图像的尺寸均为,

M×N，其中，M为遥感图像宽度，N为遥感图像高度；

g(·)和f(·)表示G网络和F网络的映射函数，包含的参数分别为(W_G,θ_G)和(W_F,θ_F)，其中W表示网络的权重，θ表示网络偏置；G网络和F网络的网络层数及每层的节点数可进行调节，但必须满足网络输出Out_G和网络输出Out_F的维度一致，通过定义网络输出Out_G和网络Out_F之间的关系，实现两个网络的耦合自学习。

3.根据权利要求2所述的基于耦合判别特征自学习网络的遥感图像变化检测算法，其特征在于，所述步骤二设计耦合判别特征自学习网络的目标函数，实现判别特征的自学习过程，还包括如下具体步骤：使用一个目标函数作为两个网络耦合学习的最终目标函数，目标函数如下式(3)(4)：

0≤S_x,y≤1…………………(4)

其中，和分别是输入图像I₁和I₂预处理后的特征图像；S_x,y是用于表示像素未变化概率，数值接近1表示和是未变化的概率较大，数值接近0表示像素是变化的概率较大；x、y分别表示像素点在特征图像上的坐标。