基于空洞卷积和FPGA的SAR图像变化检测

发布时间：2020-05-27 21:22

【摘要】：遥感图像变化检测是指根据同一地区不同时间所成的遥感图像,对地表信息进行比较分析,确定地物变化信息,并定量描述变化情况的过程。遥感图像变化检测在城市变迁、国土规划、农作物生长状况监测、生态环境监测、灾害监测乃至战场动态监视等领域都有着重要应用,其相关研究有着重要的现实意义。由于合成孔径雷达具有全天时、全天候,以及穿透力强,不易受云层和日照影响的特点,SAR(Synthetic Aperture Radar)图像变化检测也越来越成为受人关注的热点。由于大量SAR数据的获取,快速而精确的SAR图像变化检测方法是当前遥感数据应用的关键。为了实现快速和精确的SAR图像变化检测,本文研究了基于空洞卷积的SAR图像变化检测方法和基于FPGA的SAR图像变化检测关键技术,主要研究内容如下所述:1.本文提出了一种基于空洞卷积和平衡损失的SAR图像变化检测方法。该方法基于图像分割的思想进行变化检测,在U-Net网络中引入了ESP空间金字塔空洞卷积融合策略和正则化的加权损失函数,并通过去掉网络池化层减少网络对特征的采样,从而保证可以学习到变化区域的细节信息。所采用的正则化加权损失函数可以在变化与未变化类样本数量不均衡条件下的进行网络学习。本文在多组变化检测数据集上进行了实验,实验结果表明基于空洞卷积和平衡损失的SAR图像变化检测方法相比于传统的聚类或卷积网络的方法有更高的变化检测精度,以及较低的虚警和漏报率。2.本文开发了一种基于OpenCL的SAR图像变化检测的FPGA并行加速系统。该系统对基于小波融合和FLICM模糊聚类的SAR图像变化检测方法进行了并行化和加速优化。首先对算法的结构进行了分析,并实现了并行化算法设计;然后对FPGA上工作组大小、访存方式和循环展开等进行了优化。上述算法并行化和优化策略大大提高了SAR图像变化检测的速度,加速比达到三倍以上。
【图文】：

与原始图像x(t)相互独立，并且噪声服从瑞利分布，其分布均值为 差与图像的等效视数有关。SAR 的相干斑噪声服从瑞利分布（Rayleigh Distribution）[24]，即( )( )( )L L 1nL n exp nLnL (2其中，，L≥1，n ≥0；Γ是 gamma 函数，L表示 SAR 图像的等效视数（ENL.2 遥感图像变化检测方法2.2.1 SAR 图像变化检测SAR 图像变化检测是以 SAR 图像为信源，根据 SAR 所照射的同一地区在不期的两幅配准图像，对地区内发生的变化进行确定、识别以及分析，并且定量地化的过程。如图 2.1 所示：

图 3.1 经典 LeNet-5 网络结构示意图卷积层是二维权值（即卷积核）对上一层数据进行卷积，然后由激活上一层数据进行特征提取的过程。卷积层对输入进行特征提取所示：jl l 1 l lj i ij ji Mu x * k b ( )l lj jx f u lju 表示第 l 卷积层的第j 通道的经过卷积运算后的输出，由公式经过卷积累加并加通道偏置项得到的；l 表示 CNN 网络结构的的通道数， 表示进行卷积操作，jM表示用于计算lju 的上一层表示卷积核参数矩阵，ljb 表示卷积后特征图的偏置；l 1ix 和lix 分征图，f( ) 为激活函数。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN957.52;TN791

【相似文献】

相关期刊论文 前10条

1 眭海刚;冯文卿;李文卓;孙开敏;徐川;;多时相遥感影像变化检测方法综述[J];武汉大学学报(信息科学版);2018年12期

2 谢馨娴;岳彩荣;霍鹏;;森林变化检测方法比较[J];四川林业科技;2018年03期

3 王娜;张景发;;SAR图像变化检测技术方法综述[J];地壳构造与地壳应力文集;2016年01期

4 宋英旭;牛瑞卿;张景发;李永生;罗毅;冯时;陈艳;;遥感影像变化检测方法对比[J];地壳构造与地壳应力文集;2016年02期

5 李强;张景发;;变化检测技术在震害信息提取中的应用[J];地理空间信息;2014年02期

6 龙玄耀;李培军;;基于图像分割的城市变化检测[J];地球信息科学;2008年01期

7 于跃龙,卢焕章;以统计变化检测为基础的实时分割视频对象新方法[J];中国图象图形学报;2005年01期

8 孙扬;朱凌;修田雨;;基于国产卫星影像的协同分割变化检测[J];北京建筑大学学报;2018年04期

9 王鑫;;聚类分析观点下的分散式最快变化检测[J];南京理工大学学报;2014年02期

10 沈壁川;毛期俭;吕翊;;基于巴氏距离的视频流场景变化检测(英文)[J];重庆邮电大学学报(自然科学版);2009年01期

相关会议论文 前10条

1 刘元波;;环境遥感变化探测研究中的若干问题：辐射校正方法与变化检测算法及其理论关系[A];中国地理学会2007年学术年会论文摘要集[C];2007年

2 毛卫华;;时态遥感数据对象级变化检测方法研究[A];2016年度浙江省测绘与地理信息学会优秀论文集[C];2016年

3 林丽群;舒宁;肖俊;;MODIS影像自动变化检测[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 余小萍;魏钜杰;;一种综合极化互相关性和空间上下文信息的多时相极化SAR变化检测方法[A];第六届高分辨率对地观测学术年会论文集（上）[C];2019年

5 刘志刚;李夕海;钱昌松;;遥感图像变化检测问题浅析[A];陕西地球物理文集（五）国家安全与军事地球物理研究[C];2005年

6 王长海;陈文静;;基于遥感影像分类的城镇建成区变化检测方法研究[A];国家安全地球物理丛书（十三）——军民融合与地球物理[C];2017年

7 蒋汾龙;王善峰;公茂果;马晶晶;张明阳;武越;;基于降噪耦合卷积神经网络的多源遥感影像变化检测[A];第五届高分辨率对地观测学术年会论文集[C];2018年

8 郑安明;罗健;康薇薇;;基于遥感影像的流域下垫面变化检测[A];环境变化与水安全——第五届中国水论坛论文集[C];2007年

9 陈宇;唐伟成;;基于北京一号小卫星遥感数据的徐州东矿区土地利用/覆盖变化检测方法研究[A];第十七届中国遥感大会摘要集[C];2010年

10 李全;李霖;;基于LANDSAT TM影像的城市变化检测研究[A];中国地理学会2004年学术年会暨海峡两岸地理学术研讨会论文摘要集[C];2004年

相关重要报纸文章 前2条

1 本报记者 孙楠 徐文彬;提高我国在气候变化检测归因领域的国际影响力[N];中国气象报;2016年

2 通讯员 孙爱华　张向峰;区域气候变化检测研讨会召开[N];中国气象报;2009年

相关博士学位论文 前10条

1 邵攀;非监督遥感变化检测模糊方法研究[D];武汉大学;2016年

2 李文卓;时序无人机影像二三维综合的面向对象建筑物变化检测关键技术研究[D];武汉大学;2017年

3 吕臻;高分辨率遥感影像道路提取与变化检测关键技术研究[D];武汉大学;2017年

4 彭代锋;基于多特征信息挖掘的对象级光学卫星影像变化检测研究[D];武汉大学;2017年

5 郑耀国;基于结构化表示学习的遥感图像分类及变化检测[D];西安电子科技大学;2016年

6 苏临之;基于像素信息和深度学习的遥感图像变化检测技术[D];西安电子科技大学;2016年

7 贾璐;基于核理论的遥感影像变化检测算法研究[D];西安电子科技大学;2016年

8 李瑜;基于特征学习的SAR图像变化检测方法研究[D];西安电子科技大学;2016年

9 李振轩;基于差分测度的高分辨率遥感影像可靠性变化检测方法研究[D];中国矿业大学;2018年

10 刘博宇;时序NDVI数据集螺线型构建及多形状参数变化检测[D];吉林大学;2018年

相关硕士学位论文 前10条

1 李进;基于深度学习的高分辨率遥感图像变化检测[D];江西师范大学;2019年

2 王成军;基于超像素与主动学习采样策略的高分影像变化检测方法研究[D];福州大学;2018年

3 罗星;基于中层语义特征的高分辨率遥感影像变化检测方法研究[D];福州大学;2018年

4 刘本强;基于邻域相对熵和融合纹理信息的SAR影像变化检测[D];山东科技大学;2018年

5 周晓君;多时相高分辨率遥感影像变化检测算法研究[D];大连理工大学;2019年

6 张杰;基于样本不平衡学习和结构语义信息的SAR图像变化检测网络[D];西安电子科技大学;2019年

7 陈奎伊;基于倾斜摄影测量的建筑物对象级三维变化检测方法[D];西南交通大学;2019年

8 刘穗君;基于SAR影像强度与相干系数的滑坡提取研究[D];西南交通大学;2019年

9 王守峰;面向对象的多光谱遥感影像变化检测方法研究[D];合肥工业大学;2019年

10 吴宪;基于对象分割的卫星图像中物体变化检测与识别算法研究[D];北京交通大学;2019年

本文编号：2684155