[发明专利]基于全局-局部SPP Net的高分辨SAR图像变化检测方法

摘要

本发明公开了基于全局‑局部SPP Net的高分辨SAR图像变化检测方法，包括如下步骤：从两幅配准后的同一地区不同时相的SAR图像中，选取部分有标签数据作为训练样本；将训练样本归一化到[0，1]之间，记作X1；从X1中选择m组较大尺度的图像块送入局部大尺度SPP Net进行感兴趣区域检测训练，得到训练好的感兴趣区域检测模型；从X1中选择n组较小尺度的图像块送入局部小尺度SPP Net进行变化检测训练，得到训练好的变化检测模型；再从待检测地区任意选取a×b的大图，作为测试数据送入局部大尺度SPP Net感兴趣区域检测网络进行ROI测试，得到最终的ROI测试结果；再将得到的ROI检测结果送入局部小尺度下的SPP Net变化检测网络进行变化检测测试，得到最终的变化检测结果图。

主权项

1.基于全局-局部SPP Net的高分辨SAR图像变化检测方法，其特征在于，包括如下步骤：/n步骤1，从两幅配准后的同一地区不同时相的SAR图像中，选取部分有标签数据作为训练样本；/n步骤2，将步骤1选取的训练样本归一化到[0，1]之间，记作X1；/n步骤3，从X1中选择m组较大尺度的图像块送入局部大尺度SPP Net进行感兴趣区域检测训练，得到训练好的局部大尺度SPP Net，其中m为正整数；/n步骤4，从X1中选择n组较小尺度的图像块送入局部小尺度SPP Net进行变化检测训练，得到训练好的局部小尺度SPP Net，其中n为正整数，n>m；/n步骤5，从待检测地区任意选取a×b像素的图像作为测试数据送入训练好的局部大尺度SPP Net进行ROI测试，得到最终的ROI测试结果；/n步骤6，将步骤5中得到的ROI检测结果送入训练好的局部小尺度SPP Net进行变化检测测试，得到最终的变化检测结果图；/n所述步骤3包括如下步骤：/n步骤3.1，从归一化后的训练样本X1中取m组图像块，通过这m组图像块构成基于图像块的输入矩阵X11、X12、……X1m，将这m组输入矩阵作为局部大尺度SPP Net的输入数据；/n步骤3.2，选择一个由输入层→卷积层→最大池化层→卷积层→卷积层→空间金子塔池化层→全连接层→全连接层→softmax分类器组成的9层SPP Net；/n步骤3.3，给定各层的特征映射图，确定卷积层的滤波器尺寸并随机初始化滤波器；/n步骤3.4，将步骤3.1的输入数据送入局部大尺度SPP Net，训练局部大尺度SPP Net，获取局部大尺度SPP Net参数，得到训练好的局部大尺度SPP Net；/n所述步骤3.3中，每层参数设置为：/n对于第1层输入层，设置特征映射图数目为4；/n对于第2层卷积层，设置特征映射图数目为8，设置滤波器尺寸为5；/n对于第3层最大池化层，设置下采样尺寸为2；/n对于第4层卷积层，设置特征映射图数目为8，设置滤波器尺寸为5；/n对于第5层卷积层，设置特征映射图数目为16，设置滤波器尺寸为3；/n对于第6层空间金子塔池化层，共设置3层，{1×1、2×2、3×3}；/n对于第7层全连接层，设置特征映射图数目为128；/n对于第8层全连接层，设置特征映射图数目为128；/n对于第9层分类层，设置特征映射图数目为2。/n