[发明专利]多层限制玻尔兹曼机的SAR图像正负类变化检测方法

说明书

技术领域

本发明属于计算机技术领域，主要解决也遥感图像变化检测问题，本发 明由两幅不同时相的遥感图像得到三类差异图像，再利用多层限制玻尔兹曼 机对三类差异图进行分类完成遥感图像的变化检测。本发明可以应用于自然 灾害检测与救援时灾区遥感图像的变化检测，城市发展规划，地质研究等领 域，完成对特定地区的遥感图像的变化进行检测。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)具有分辨率高、全天候 工作、有效识别伪装和穿透掩盖物等特点，已经广泛应用于军事，科研和工农业 生产领域。SAR图像变化检测是通过分析在不同时间的来自同一地区的两幅或 者多幅图像，通过技术手段从而检测出此地区的地物随时间发生的变化的信息。 对遥感图像进行处理，从中提取出有用的信息，并促进其转化成为更有价值的知 识，从而为有关部门做出相应的、准确的、快速的决策提供丰富且有益的辅助信 息。遥感图像应用处理和分析技术是一个非常有意义且十分重要的应用，而这些 应用的不断需求促使了遥感图像变化检测技术的产生和发展。

SAR图像的变化检测的研究方法可分为两种：(1)分类后比较法即对两幅已 配准的图像先进行分类，通过比较分类结果得出变化部分(2)差异图分类法即 先对两幅已配准的图像生成差异图，在对差异图进行分析，得出变化部分与未变 化部分，生成差异图和分析差异图像是这几年研究的重点，目的是尽量减小相干 斑噪声对SAR图像的影响，这种方法研究的空间大，思路简洁清晰，是当前比 较流行的处理方法。

经典的处理变化检测问题的流程：(1)预处理；(2)生成差异图；(3)分析差异 图，常用的差异图的分析方法有四种，阈值分析，图切分析和水平集分析，传统 的分析方法存在以下缺点(1)通过优化目标函数来进行图像分类往往会陷入局 部最优解；(2)基于固定而复杂的公式进行迭代限制了算法的应用；(3)算法没有 学习能力，分类的能力有限；在机器学习中，变化检测问题是一种分类不均衡的 问题，可以演化为增量学习问题，神经网络是解决这类问题的最佳方案。

发明内容

本发明的目的在于克服上述现有技术存在的不足，提供一种基于多层限 制玻尔兹曼机的SAR图像细分正负类变化检测方法，该方法在传统变化检测 的基础上细化了变化分类，并利用多层限制玻尔兹曼机(RBM)获得变化检测 结果。该方法思路简单明确，有效的提高了遥感图像变化检测的精度。

实现本发明目的的技术方案是通过构造两幅SAR图像三类差异图，利用模 糊C均值(FCM)对差异图进行聚类获得粗糙的三类变化检测结果，选择非噪声 点作为训练样本训练多层RBM网络，利用训练好的网络测试样本获得最终变化检 测的结果。其具体实施步骤包括如下：

步骤101：开始基于多层限制玻尔兹曼机的SAR图像细分正负类变化检测 方法；

步骤102：对两幅已配准的同一地区不同时相的SAR图像构造三类差异图；

步骤103：对差异图进行模糊C均值聚类获得粗糙的三类变化检测结果；

步骤104：根据变化检测结果选择可能性大的非噪声点作为改进的多层限制 玻尔兹曼机的训练样本，训练改进的多层限制玻尔兹曼机；

步骤105：将待检测图像输入训练好的网络中，得到最终的变化检测结果图；

步骤106：结束基于多层限制玻尔兹曼机的SAR图像细分正负类变化检测 方法；

所述步骤102，包括如下步骤：

步骤201：开始构造三类变化检测的差异图；

步骤202：按照下式，构造三类变化检测的差异图：

其中，X表示已配准的同一地区不同时刻的两幅遥感图像的差异图，log表 示以10为底的对数操作，X₁和X₂分别表示已配准的同一地区不同时刻的两幅 遥感图像；若X₂大于X₁，对数比图像的像素呈正值，代表了正变化；若X₂小 于X₁，对数比图的像素呈负值，代表了负变化；

步骤203：结束构造三类变化检测的差异图；

所述步骤103，包括如下步骤：

步骤301：开始模糊C均值聚类的分类算法；