基于差异图和块分类的雷达图像变化检测

发布时间：2021-01-13 01:20

　　针对两时相合成孔径雷达图像的变化检测中直接用比值法生成差异图存在的不足,提出了采用像素级和特征级信息互补融合的处理方法。根据像素级强度比值和特征级邻域块强度比值互补融合构建差异图,然后对差异图像素利用层次模糊C均值聚类的方法得到高概率变化类、不变化类以及中间不确定类,进而以这些变化类和不变化类像素点为中心构建两输入时相图的邻域图像块作为分类器的样本集,且为进一步提高分类器的精度,采用基于遗传算法优化的极限学习机进行分类,将聚类结果和分类器结果相结合,生成两时相的合成孔径雷达图像的变化检测图。对多个真实的合成孔径雷达图像数据进行测试,表明该方法对噪声的影响具有较高的鲁棒性,能够有效地检测两时相合成孔径雷达图像的变化情况,且具有较高的正确率和KAPPA系数值。 

【文章来源】：长春师范大学学报. 2020,39(08)

【文章页数】：8 页

【部分图文】：

本文方法的总体框架

其中, y ^ i (i=1,2,?,n) 为第i个测试集元素的训练输出值,yi(i=1,2,…,n)为第i个测试集元素的真实值,n为测试集元素的数目。3.3.2 GA_ELM二分类

①生成以Ωc和Ωu类对应像素为中心的两输入时相图的邻域特征,并构造标签为Ωc和Ωu的训练样本集,其中,邻域特征构造方法是以对应像素为中心,取大小为k×k的像素块构造图像邻域特征,将两输入时相图的领域特征按图3(图示例k取值为3)形式连接并转换为行向量形式,作为GA_ELM网络的样本特征向量,再加上中心像素点的类别标签,即构成GA_ELM网络的训练样本集,同理,根据同样的方法按序选取所有的像素为中心,取大小为k×k的像素块构造图像邻域特征,即构成GA_ELM网络的测试样本集。②对训练样本集和测试样本集的特征向量进行PCA降维。


本文编号：2973926