[发明专利]基于深度堆栈网络的极化SAR影像变化检测方法

摘要

本发明公开了一种基于深度堆栈网络的极化SAR影像变化检测方法，包括：1)得配准后两幅样本图像的极化散射矩阵S1及配准后两幅待检测图像的极化散射矩阵S2；2)生成极化协方差矩阵C；3)对极化协方差矩阵C进行预处理；4)得特征矩阵F1；5)人工标记配准后两幅样本图像的变化检测标准图；6)得基于图像块的特征矩阵F21；7)得配准后两幅待检测图像对应的基于图像块的特征矩阵F22；8)构建训练数据集D的特征矩阵W1及测试数据集T的特征矩阵W2；9)构建基于深度堆栈网络的极化SAR影像变化检测模型；10)对模型进行训练；11)根据训练后的模型对特征矩阵F22进行变化检测，该方法能够实现极化SAR影像的变化检测，操作较为简单。

主权项

一种基于深度堆栈网络的极化SAR影像变化检测方法，其特征在于，包括以下步骤：1)将两幅极化SAR影像样本在相同地物不同时相的图像利用ENVI软件进行配准，得配准后两幅样本图像的极化散射矩阵S1；将两幅待检测极化SAR影像在相同地物不同时相的图像利用ENVI软件进行配准，得到配准后两幅待检测图像的极化散射矩阵S2；2)根据配准后两幅样本图像的极化散射矩阵S1生成极化协方差矩阵C；3)对步骤2)得到的极化协方差矩阵C进行精致LEE滤波及去除斑点噪声处理；4)将经步骤3)处理后的极化协方差矩阵C中的每个像素值归一化到[0，1]之间，得特征矩阵F1；5)人工标记配准后两幅样本图像的变化检测标准图；6)将特征矩阵F1中的各元素替换为对应元素周围5×5的图像块，然后再利用人工标记的配准后两幅样本图像的变化检测标准图去除特征矩阵F1中不准确的图像块，得两幅样本图像对应的基于图像块的特征矩阵F21；7)将配准后两幅待检测图像的极化散射矩阵S2作为配准后两幅样本图像的极化散射矩阵S1，并重复步骤2)、3)、4)、5)及6)，得配准后两幅待检测图像对应的基于图像块的特征矩阵F22；8)将两幅样本图像对应的基于图像块的特征矩阵F21拉成列向量并级联，然后再根据两幅样本图像对应的基于图像块的特征矩阵F21构建训练数据集D的特征矩阵W1及测试数据集T的特征矩阵W2；9)构建基于深度堆栈网络的极化SAR影像变化检测模型；10)利用训练数据集D的特征矩阵W1及测试数据集T的特征矩阵W2对基于深度堆栈网络的极化SAR影像变化检测模型进行训练，得训练后的基于深度堆栈网络的极化SAR影像变化检测模型；11)根据训练后的基于深度堆栈网络的极化SAR影像变化检测模型对步骤7)中配准后两幅待检测图像对应的基于图像块的特征矩阵F22进行变化检测，得待检测极化SAR影像的变化检测结果，完成基于深度堆栈网络的极化SAR影像变化检测。