[发明专利]基于深度置信网络的极化SAR影像变化检测方法

权利要求书

1.一种基于深度置信网络的极化SAR影像变化检测方法，其特征在于，包括以下步骤：

1)输入待检测的两幅同一地区、不同时相的极化SAR影像；

2)对两幅极化SAR影像进行数据配准；

3)对配准后的极化SAR影像通过滤波进行降斑；

4)对降斑后的极化SAR影像进行初步人工标记；

5)由两幅极化SAR影像的极化散射矩阵S分别求得极化相干矩阵TA和TB；

6)分别提取极化相干矩阵的对角线元素，级联构成基于像素点的特征矩阵F；

7)将特征矩阵F中的元素值归一化到[0，1]之间，记作F1；

8)根据归一化后的特征矩阵F1，取每个元素周围方块范围内的元素来代表原来的元素值，构成基于图像块的特征矩阵F2；

9)构造训练数据集D的特征矩阵D1以及测试数据集T的特征矩阵T1；

10)构造基于深度置信网络的检测模型；

11)用构造的数据集对检测模型进行训练，得到训练好的模型；

12)利用训练好的模型对待检测图像进行检测，得到待检测图像中，两个时相对应每个像素点的类别，划分为变化类和未变化类。

2.根据权利要求1所述基于深度置信网络的极化SAR影像变化检测方法，其特征在于：所述的步骤2)通过ENVI软件对两幅不同时相的极化SAR影像进行数据配准。

3.根据权利要求1所述基于深度置信网络的极化SAR影像变化检测方法，其特征在于：所述的步骤5)在后向散射的情况下，因为互异性有S_HV＝S_VH＝S_x；

其中：

式中，·表示在假设随机散射介质各向同性下的空间平均统计特性。

4.根据权利要求1所述基于深度置信网络的极化SAR影像变化检测方法，其特征在于：步骤6)待检测的两幅极化SAR影像通过传感器获取L波段全极化数据，影像大小为500*500；

6a)已知待检测的两幅同一地区、不同时相的极化SAR影像的极化相干矩阵TA和TB，由A时相的极化相干矩阵TA得到其对角线上的三个元素TA11、TA22、TA33，分别代表极化相干矩阵TA第1行第1列的元素、极化相干矩阵TA第2行第2列的元素、极化相干矩阵TA第3行第3列的元素；B时相的极化SAR影像进行同样的处理，由B时相的极化相干矩阵TB得到其对角线上的三个元素TB11、TB22、TB33，表示极化相干矩阵TB第1行第1列的元素、极化相干矩阵TB第2行第2列的元素、极化相干矩阵TB第3行第3列的元素；

6b)定义一个大小为M1×M2×6的矩阵F，将TA11、TA22、TA33，TB11、TB22、TB33进行级联，并赋给矩阵F，得到基于像素点的特征矩阵F；

其中M1为待检测极化SAR影像的长，M2为待检测极化SAR影像的宽；

F＝[TA₁₁、TA₂₂、TA₃₃；TB₁₁、TB₂₂、TB₃₃]。

5.根据权利要求1所述基于深度置信网络的极化SAR影像变化检测方法，其特征在于：步骤7)先求出特征矩阵F绝对值的对数值log(abs(F))，得到对数特征矩阵log_F；再将对数特征矩阵log_F中的每个元素均减去最小值min(log_F)，得到特征矩阵m_F；最后将特征矩阵m_F中的每个元素均除以max(m_F)，得到归一化后的特征矩阵F1，式中

log_F＝log(abs(F))

m_F＝log_F-min(log_F)

F1＝m_F/max(m_F)。