[发明专利]一种双时相高光谱图像空谱联合变化检测方法

权利要求书

1.一种双时相高光谱图像空谱联合变化检测方法，其特征在于，包括以下步骤：

将简化三维卷积自编码器中的编码器作为特征提取器，将待检测的双时相高光谱图像输入到特征提取器中得到双时相空谱联合特征图；

将得到双时相空谱联合特征图前后叠加，得到叠加特征图，即空谱联合特征图；在叠加特征图之后连接一个2D卷积层，2D卷积层之后再连接两个全连接层，之后输入softmax分类器分类，softmax分类器输出变化与非变化区域，即softmax分类器对所有像素点分类得到最后的检测结果，检测结果中像素所处区域对应为变化区域或者为非变化区域，用二值图进行表示；

所述简化三维卷积自编码器即S3DCAE，S3DCAE为一个重构网络，包括一个编码器和一个解码器；编码器由n个3D卷积层和1个简化3D卷积层组成，解码器由n个3D反卷积层组成；

所述的简化3D卷积层通过1*1*L简化卷积核实现简化3D卷积，卷积核只对光谱域进行卷积操作，即：

其中，是第l层、第i个简化卷积核，此卷积层中没有了空间维度上的卷积；(x,y,z)表示图像中像素对应位置；是第l-1层特征图在第d通道、第z+c波段处的数值，表示第d通道、第c波段的卷积核的参数数值，b_l,i是该卷积核的偏置，f表示激活函数，L表示相邻的L个波段。

2.根据权利要求1所述的一种双时相高光谱图像空谱联合变化检测方法，其特征在于，所述softmax分类器的处理过程包括以下步骤：

softmax层对像素点分类的过程中计算像素分类概率的公式如下：

其中，α_k是神经节点对第k类的输出值，p_z,k是像素z最终预测为第k类的概率值，概率值最大的即为所属类别。

3.根据权利要求2所述的一种双时相高光谱图像空谱联合变化检测方法，其特征在于，所述编码器中n个3D卷积层的每个3D卷积层中的第l层、第i个卷积核的三维卷积计算过程如下：

其中，表示第l-1层特征图在第d通道、坐标为(x+h,y+w,z+c)位置处的数值，表示第d通道、坐标为(h,w,c)的卷积核的参数数值，b_l,i是该卷积核的偏置，H_l、W₁、C₁分别表示该卷积核的长、宽、高，D_l与第l-1层特征图的数量相同，f表示激活函数。

4.根据权利要求3所述的一种双时相高光谱图像空谱联合变化检测方法，其特征在于，所述n＝2，即编码器由2个3D卷积层和1个简化3D卷积层组成，解码器由2个3D反卷积层组成。

5.根据权利要求1、2、3或4所述的一种双时相高光谱图像空谱联合变化检测方法，其特征在于，所述简化三维卷积自编码器为预先训练好的，训练过程中首选需要按照图像块尺寸将整幅高光谱图像分割成S3DCAE的训练数据，然后利用训练数据对S3DCAE进行训练，得到训练好的简化三维卷积自编码器。

6.根据权利要求5所述的一种双时相高光谱图像空谱联合变化检测方法，其特征在于，所述图像块尺寸为5×5或3×3。

7.根据权利要求5所述的一种双时相高光谱图像空谱联合变化检测方法，其特征在于，利用训练数据对S3DCAE进行训练的过程包括以下步骤：

将S3DCAE的重构任务具体表示为：

O＝h(w₁I+b₁)

其中I是输入的图像块，w₁和b₁是编码器的权重和偏置，h(■)是编码器的激活函数，为Sigmoid或Relu函数；解码器是将编码器的输出O映射回原始数据分布，w₂和b₂是解码器的权重和偏置，g(■)是解码器的激活函数，是重构的高光谱图像；

基于重构任务，利用训练数据重构前后的图像完成训练，其中S3DCAE的损失函数为重构误差：

其中，I^x,y,z为重构前的图像在(x,y,z)处的像素值，为重构后的图像在(x,y,z)处的像素值，s×s×c是图像大小，λ是L2正则化参数，W是所有卷积层的权重。