[发明专利]基于DAP和ARELM的在轨SAR图像变化检测方法

摘要

本发明提出了一种基于DAP和ARELM的在轨SAR图像变化检测方法，消除了训练数据对方法检测能力的限制。其实现包括：针对两幅配准的SAR图像对，计算获得对数差分图DI；对DI进行SLIC超像素分割，并求取所有超像素的均值和质心，用DAP算法对超像素聚类获得若干类超像素集合；用K‑means算法再进行区域三分类，均值最高的集合为严格变化区域，最低的集合为严格未变化区域，剩余为未知类别区域；选择区域训练样本，并将其邻域特征送到ARELM中训练，获得训练好网络参数的ARELM；将待检测的所有像素邻域特征送入训练好的ARELM中进行分类，自动获得变化检测结果图。本发明消除了训练数据对方法检测能力的限制，检测正确率高，自动决策。检测能力稳定可靠，用于SAR图像变化检测。

主权项

一种基于DAP聚类和图正则的极速学习机ARELM的在轨SAR图像变化检测方法，直接在卫星上对配准后的SAR图像进行变化检测，其特征是：包括有以下步骤：步骤1：针对两幅配准后的同一地区不同时相的SAR图像对X1和X2，逐一地在图像对每个对应的像素点上作对数比值法计算，获得SAR图像对的对数差分图DI；步骤2：设置超像素的分割块数和紧致度，对获得的对数差分图进行SLIC超像素分割，将对数差分图DI分割成若干超像素,用超像素代替对数差分图中的所有像素，获得整体分割成超像素的对数差分图；步骤3：求取整体分割成超像素的对数差分图中所有超像素的均值和质心，运用添加了样本间距离相似度的DAP聚类算法，根据超像素的均值和质心对所有超像素进行相似度划分，获得若干类超像素集合；步骤4：设置区域分类的类别数为3，运用K‑means算法对获得的若干类超像素集合再进行区域分类，分类后的三个区域中均值最高的集合为严格变化区域，将均值最低的集合为严格未变化区域，剩余的一类区域为未知类别区域；步骤5：获得的三类区域集合中样本数过多，从三个区域中均按序选择其中的1/100的像素作为区域训练样本，以每个区域训练样本为中心，提取所有区域训练样本的n×n邻域特征；初始化基于图正则的极速学习机ARELM中所有网络节点的权重和偏置，将三类区域训练样本的邻域特征分别送入到ARELM中进行训练，获得训练好网络参数的ARELM；步骤6：将待检测的对数差分图中所有像素视为测试样本，以每个测试样本为中心，提取所有测试样本的n×n邻域特征，送入到训练好的ARELM中进行分类判决，最终自动获得待检测图像的变化检测结果图。