[发明专利]一种基于稀疏表示和胶囊网络的SAR图像变化检测方法

权利要求书

1.一种基于稀疏表示和胶囊网络的SAR图像变化检测方法，其特征在于，包括以下步骤：

S1、选取同一地理区域在不同时刻t₁和t₂的两幅SAR图像，其中t₁时刻的SAR图像表示为X₁＝{X₁(i,j),1≤i≤I,1≤j≤J}，t₂时刻的SAR图像表示为X₂＝{X₂(i,j),1≤i≤I,1≤j≤J}，通过邻域对数比算子生成图像X₁和图像X₂的差分图像；

S2、通过KSVD方法从所述差分图像上学习字典，通过字典更新和稀疏编码获得所述差分图像上每个像素的稀疏特征，生成特征图；

S3、通过FCM方法从所述差分图像上获得初始分类结果，作为样本集的伪标签，稀疏表示之后的特征图作为样本，并采取高置信度样本的挑选原则，选择合适的样本作为训练集；

S4、构建改进的胶囊网络模型，输入所述训练集，来训练胶囊网络学习图像的深层次特征；

S5、测试胶囊网络，输出预测标签结果，生成变化检测图；

所述步骤S4中所述改进的胶囊网络模型包括四部分：卷积层、主胶囊层、路由胶囊层、数字胶囊层；

所述改进的胶囊网络模型对卷积层进行了改进，将卷积层增加为三层，在保证能提取到关键特征的基础上，减少了网络的训练参数，降低了网络复杂度，加快了网络训练学习速度；

所述主胶囊层利用类卷积运算和压缩激活函数得到输出的胶囊向量，识别对象的判别特征；所述路由胶囊层采用动态路由机制，通过胶囊输出向量和预测向量间的点积运算来计算输入输出之间的相似性，进而更新网络的耦合系数；所述数字胶囊层设置了两个胶囊，每个胶囊代表一个类别，输出的胶囊向量的长度表示识别为某个类别的概率值。

2.根据权利要求1所述的基于稀疏表示和胶囊网络的SAR图像变化检测方法，其特征在于，所述步骤S2中所述特征图的生成过程为：

从所述差分图像上以每个像素点为中心构造邻域大小为n×n的样本图像块，随机选取所述图像块将其拉成列向量，作为训练样本；通过KSVD方法从所述训练样本上学习字典，通过字典更新和稀疏编码获得所述差分图像上每个像素的稀疏特征，得到稀疏表示的特征图。

3.根据权利要求1所述的基于稀疏表示和胶囊网络的SAR图像变化检测方法，其特征在于，将所述步骤S3中所述差分图像通过FCM方法生成预分类结果作为伪标签，所述伪标签中包含“0”和“1”两类，分别表示未变化类和变化类；将所述稀疏表示之后获得的每个像素的特征图作为样本集，采用高置信度样本选择方法，通过少数服从多数的策略从所述样本集中筛选合适的样本组成训练样本集。

4.根据权利要求1所述的基于稀疏表示和胶囊网络的SAR图像变化检测方法，其特征在于，所述步骤S4中胶囊网络训练过程中保存损失值最小时的网络权值,将所述稀疏表示之后所有的特征图作为测试集,输入训练好的胶囊网络，调用训练好的权值，输出测试集对应的预测标签值。