[发明专利]深度卷积神经网络结合形态学检测图像变化的方法有效
| 申请号： | 201810417006.7 | 申请日： | 2018-05-02 |
| 公开（公告）号： | CN108805863B | 公开（公告）日： | 2022-02-22 |
| 发明（设计）人： | 徐梦溪;吴晓彬;朱斌;王鑫;石爱业;陈哲;韩磊 | 申请（专利权）人： | 南京工程学院;河海大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/10;G06T7/30;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种深度卷积神经网络结合形态学检测图像变化的方法，对已配准的不同时相的遥感图像进行分割；对分割后的图像进行旋转和镜像，然后将不同时相对应位置的遥感图像合并为8通道的图像；将得到的8通道的图像数据输入到SegNet网络模型中进行训练，输出2通道的图像；对图像采用并操作对图像进行孔洞填充，然后采用腐蚀操作去除噪声信息，得到图像处理模型；对待预检测数遥感图像进行分割后输入到上一步模型中进行处理，输出图像；把输出的图像合并为原始待检测遥感图像的大小，即完成图像变化检测。本发明采用深度卷积神经网络结合形态学的方法，检测精度高，有效去噪，方法简单，对建筑物变化检测具有较高的准确性和鲁棒性。 | ||
| 搜索关键词： | 深度 卷积 神经网络 结合 形态学 检测 图像 变化 方法 | ||
【主权项】：
1.一种深度卷积神经网络结合形态学检测图像变化的方法，其特征在于，包括以下步骤：(1)对已配准的不同时相的遥感图像进行分割；(2)对分割后的图像进行旋转和镜像，然后将不同时相对应位置的遥感图像合并为8通道的图像；(3)将得到的8通道的图像数据输入到SegNet网络模型中进行训练，输出2通道的图像；(4)对图像采用并操作对图像进行孔洞填充，然后采用腐蚀操作去除噪声信息，得到图像处理模型；(5)对待预检测数遥感图像进行分割后输入到所述步骤(4)的模型中进行处理，输出处理后的图像；(6)把步骤(5)输出的图像合并为原始待检测遥感图像的大小，即完成图像变化检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京工程学院;河海大学，未经南京工程学院;河海大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810417006.7/，转载请声明来源钻瓜专利网。
