基于卷积神经网络的SAR图像变化检测及硬件实现

发布时间：2021-01-07 05:14

　　合成孔径雷达（Synthetic Aperture Radar,SAR）,具有高分辨、全天候、全天时的工作特点,在国土监测、军事领域等多个应用领域中起到很重要的作用。SAR图像变化检测是SAR图像处理中重要的研究方向,广泛应用于自然灾害、城市规划等领域。目前,针对SAR图像变化检测问题的研究很多。本文基于3D卷积神经网络对SAR图像变化检测方法进行研究,提出了两种改进算法。同时为了提升传统算法的运行速度,完成了传统SAR图像变化检测算法的FPGA并行实现。本文工作如下:1.提出一种基于空间和多信息图的3D残差卷积神经网络（Spatial and Multiinformation 3D Residual Networks,SMIRN）的SAR图像变化检测方法。针对单一差异图难以完全表达差异信息的问题,将生成的多种差异图和原图堆叠,构造为多维信息图,采用3D卷积神经网络对信息图提取特征。同时在网络中引入残差模块,防止梯度消失,提升检测准确率。通过多差异图的二次集成聚类得到图像预分类结果,进而选择较为可靠的样本作为网络训练样本,最终实现SAR图像变化检测。相比于传统的变化检测方法和直接使用3... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

渥太华数据集

1997年8月通过RADARSATSAR传感器在加拿大渥太华(Ottawa)地区拍摄的像，图像大小为 290×350，称为 Ottawa 数据集。该数据集用于对 Ottawa 地区下后水域的变化进行检测。图(c)是针对这个地区人工标记的变化检测结果图，在我究的过程中可以作为检测准确率判定的二值参考图，规定变化的像素点类标为变化的像素点类标为 0。(a)1997.05 (b)1997.08 (c)参考图图 2.3 渥太华数据集

西安电子科技大学硕士学位论文图 2.4 是分别于 2008 年 6 月和 2009 年 6 月通过 Radarsat-2 卫星在中国黄河取的 SAR 图像，图像的尺寸为 4096×4096。因为 2008 年拍摄的图(a)是四视2009 年拍摄的图(b)是单视图，导致图(b)噪声较大，使得此地区的变化检测问难。同时因为此图较大，直接进行变化检测效果不太好。我们提取其中比较个区域进行变化检测。图 2.5 是在黄河入海口中选取的稻田 D 数据集，大×271，称为 YR_D 数据集，该数据集用于农田的变化检测。

【参考文献】：
期刊论文
[1]合成孔径雷达影像变化检测研究进展[J]. 公茂果,苏临之,李豪,刘嘉.  计算机研究与发展. 2016(01)
[2]基于OpenCL的异构系统并行编程[J]. 詹云,赵新灿,谭同德.  计算机工程与设计. 2012(11)
[3]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[4]遥感地学分析的时空维[J]. 陈述彭.  遥感学报. 1997(03)

硕士论文
[1]基于OpenCL的并行SAR图像变化检测[D]. 任新营.西安电子科技大学 2014
[2]基于无监督方法的SAR图像变化检测[D]. 赵姣姣.西安电子科技大学 2014
[3]SAR图像变化检测算法研究[D]. 曹宇.西安电子科技大学 2012



本文编号：2961983