[发明专利]基于半监督对抗深度网络的SAR图像变化检测方法

摘要

本发明公开了一种基于半监督对抗深度网络的SAR图像变化检测方法，主要解决现有变化检测技术在有标签数据较少时检测效果虚警率高，检测区域不准确的问题。其方案是：1)利用二时相SAR图像数据，计算两图像的对数比差异图；2)在二时相SAR图像和差异图上提取训练样本和测试样本；3)构建变化检测双网络和两个判别网络；4)利用有标签数据进行监督训练，利用无标签数据进行对抗训练和协同训练，得到训练好的检测网络；5)将测试数据输入到训练好的变化检测网络中，得到变化检测结果。本发明结合大量无标签数据提取可分性的变化检测特征，提高了在有标签训练样本不足时，监督训练模型的泛化性能，可用于SAR图像变化检测。

主权项

1.一种基于半监督对抗深度网络的SAR图像变化检测方法，其特征在于，包括：(1)利用二时相SAR图像数据，计算这两幅图像的对数比差异图K；(2)通过滑窗方式在二时相SAR图像和差异图上提取训练样本和测试样本，并从训练样本中随机选取4％作为有标签训练样本，其余作为无标签训练样本；(3)构建训练网络模型：(3a)设置SAR变化检测双网络Ψ₁和Ψ₂：每个网络由六层结构组成，其中前四层为共享层，即第一层为全连接层L₁、第二层为激活函数层ReLU、第三层为全连接层L₂、第四层为激活函数层ReLU，第五和第六为非共享层，其中：第一网络Ψ₁的第五层为全连接层L₁₃，第六层为Softmax分类器层S₁₁，第二网络Ψ₂的第五层为全连接层L₂₃，第六层为Softmax分类器层S₂₁；(3b)设置两个判别网络和这两个判别网络完全相同，都由六层结构组成，即第一层为全连接层、第二层为激活函数层ReLU、第三层为全连接层、第四层为激活函数层，第五层为全连接层，第六层为Softmax分类器层；(3c)将双网络和两个判别网络进行连接，即将第一判别网络连在第一检测网络Ψ₁之后，第二判别网络连接在第二检测网络Ψ₂之后，形成训练网络模型；(4)将训练样本数据输入到(3)构建好的训练网络模型中，迭代依次进行有标签数据的监督训练、无标签数据的对抗训练和协同训练，得到训练好的变化检测网络Ψ；(5)将测试样本数据输入到训练好的变化检测网络Ψ进行检测，得到SAR图像的变化检测结果。