[发明专利]基于残差网络的SAR图像变化检测方法

摘要

本发明公开了一种基于残差网络的SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测的检测精度不高、对噪声抑制不够明显的问题。本发明的具体步骤如下：(1)构造训练标签集；(2)构造训练数据集；(3)构造残差变化检测网络；(4)训练残差变化检测网络；(5)生成检测数据集；(6)获取特征向量集；(7)输出变化检测结果图。本发明构造了一个7层的残差变化检测网络，提取了合成孔径雷达SAR图像像素点邻域特征，具有降低了合成孔径雷达SAR图像变化检测的噪声和提高了合成孔径雷达SAR图像变化检测精度的优点。

主权项

1.一种基于残差网络的合成孔径雷达SAR图像变化检测方法，其特征在于，包括如下步骤：/n(1)构造训练标签集：/n(1a)利用对数比值算子公式，计算两幅同一地区、不同时相的合成孔径雷达SAR图像差异图中的每个像素值；/n(1b)确定两幅合成孔径雷达SAR图像对应像素点的空间坐标位置；/n(1c)根据两幅合成孔径雷达SAR图像的对应像素点的空间坐标位置和差异图中的像素值，构建一幅差异图；/n(1d)利用局部邻域信息的模糊C均值FLICM算法，将差异图的所有像素值分为两类，得到标签集；/n(1e)随机选择标签集总量的40％作为训练标签集，并确定训练标签集中每个标签值在差异图中的空间坐标位置；/n(2)构造训练数据集：/n(2a)将两幅合成孔径雷达SAR图像中，所有与训练标签集在差异图中的空间位置对应的像素点周围的5×5邻域像素值作为训练样本；/n(3)构造残差变化检测网络的网络：/n(3a)搭建一个7层残差变化检测网络，网络的结构为：输入层→卷积层→第一池化层→残差块→第二池化层→输出层，残差块包含残差和两个卷积层；/n(3b)将卷积层、残差块的特征映射图总数设置为32个，与卷积层、残差块对应滤波器的尺寸设置为3×3个像素；第一池化层和第二池化层的操作方式使用最大池化方式，将输出层的神经元个数设为2；/n(4)训练残差变化检测网络：/n(4a)将训练样本和与每个样本对应的训练标签输入到搭建好的残差变化检测网络中，训练残差变化检测网络，得到训练好的残差变化检测网络；/n(5)生成检测数据集：/n(5a)将两幅合成孔径雷达SAR图像中所有像素点周围的5×5邻域像素值作为检测数据集，并确定每个像素点在合成孔径雷达SAR图像的空间位置；/n(6)获取特征向量集：/n(6a)将检测数据集输入到训练好的残差变化检测网络输入层，残差变化检测网络输出层输出特征向量集；/n(7)输出变化检测结果图：/n(7a)利用模糊C均值FCM算法，将特征向量集分为两类；/n(7b)用变化结果图像像素点的像素值与两幅合成孔径雷达SAR图像对应像素点的空间坐标位置，构造一幅变化检测结果图。/n