基于堆栈式神经网络的SAR图像变化检测方法

发布时间：2023-08-02 18:01

　　遥感图像变化检测技术在环境检测、地理研究、工业生产和军事打击等领域的广泛应用使得该课题得到了学者们充分的重视。合成孔径雷达(Synthetic aperture radar,SAR)因其具有全天候监测日夜成像、覆盖面积广和分辨率高的特性,在处理环境恶化、城市变迁等实际问题上有着重要的实用价值。变化检测技术发展的方向是努力克服外部不利条件,有效区分出遥感图像中的变化区域。堆栈式神经网络能对图像的深度信息进行抽取,使变化检测结果达到更高的分类精度,是近年来的热门研究对象。针对SAR图像变化检测二分类任务,本文主要研究基于像素信息和堆栈式神经网络的变化检测方法,对传统变化检测流程中生成和分析差异图这两个步骤分别作出改进,并利用堆栈式神经网络提出一种新的变化检测框架。研究进展如下:1.提出了一种基于改进邻域比值和堆栈自编码器的变化检测方法。对邻域比值算法增加对数约束,构造出质量更好的差异图,以减少乘性噪声对图像的干扰;用堆栈自编码器分析差异图,修复上一步中不准确的分类区域。该方法去噪效果较好,变化区域的轮廓边缘信息也得到了很好的保留,在两个数据集上产生的变化检测图与参考图的一致性最高。2.提出...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
缩略语对照表
第一章 绪论
    1.1 研究背景和意义
    1.2 SAR图像变化检测方法的研究现状
    1.3 SAR图像变化检测研究存在的主要问题
    1.4 本文创新点
    1.5 本文的章节安排及研究内容
第二章 SAR图像变化检测概述
    2.1 理论基础
        2.1.1 SAR图像变化检测问题描述
        2.1.2 SAR图像变化检测流程
    2.2 SAR图像变化检测性能评价标准
        2.2.1 分类总正确率
        2.2.2 Kappa系数
        2.2.3 ROC曲线
    2.3 变化矢量分析技术
        2.3.1 CVA
        2.3.2 C2VA
    2.4 堆栈式神经网络及其变化检测应用
        2.4.1 自编码器
        2.4.2 去噪自编码器
        2.4.3 堆栈去噪自编码器
        2.4.4 稀疏自编码器
    2.5 SAR图像变化检测数据集
第三章 基于改进邻域比值和堆栈自编码器的 SAR 图像变化检测方法
    3.1 构造差异图的方法
        3.1.1 LR算子
        3.1.2 MR算子
        3.1.3 小波融合法
        3.1.4 NR算子
    3.2 基于改进邻域比值和堆栈自编码器的SAR图像变化检测方法
        3.2.1 基于改进邻域比值法构造差异图
        3.2.2 堆栈自编码器
    3.3 实验结果与分析
        3.3.1 诸方法构造差异图对比
        3.3.2 网络层参数测试
        3.3.3 实验结果与对比
    3.4 本章小节
第四章 基于堆栈式神经网络特征提取和映射的 SAR 图像变化检测方法
    4.1 理论概述
        4.1.1 深度学习及其变化检测应用
        4.1.2 信息非均衡图像
        4.1.3 特征提取
        4.1.4 特征映射
    4.2 基于神经网络的特征提取和映射算法
        4.2.1 SDAE提取特征
        4.2.2 样本特征选择
        4.2.3 FFN特征映射
        4.2.4 构建特征变化通道
        4.2.5 生成变化检测结果图
    4.3 实验结果和分析
        4.3.1 实验设置
        4.3.2 采样窗口测试
        4.3.3 隐藏层参数测试
        4.3.4 实验对比与分析
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 展望
参考文献
致谢
攻读硕士学位期间取得的科研成果



本文编号：3838323