[发明专利]基于耦合翻译网络的异源图像变化检测方法

摘要

本发明公开了一种基于耦合翻译网络的异源图像变化检测方法，主要解决现有异源图像变化检测方法精度低、鲁棒性不强的问题。其实现步骤为：1)设定两个翻译网络的结构和参数；2)输入两幅异源图像并计算两幅图像间的杰森‑香农散度距离和像素未变化的概率系数；3)训练第一个翻译网络，得到第一幅图的翻译结果图；4)训练第二个翻译网络，得到第二幅图的翻译结果图；5)根据两幅翻译结果图更新像素未变化的概率系数；6)依次重复步骤3)‑5)直到网络目标函数值稳定；7)根据两幅翻译结果图得到差异图；8)对差异图进行聚类，得到最后的变化检测图。本发明具有检测准确、鲁棒性强的优点，可用于图像翻译、模式识别、目标跟踪。

主权项

1.一种基于耦合翻译网络的异源图像变化检测方法，包括：(1)设定两个参数不同的翻译网络A和B，其距离系数分别为λA和λB；(2)输入两幅配准后的异源图像I1和I2，用一个滑动窗口提取这两幅图像的邻域信息，然后计算邻域块之间的杰森‑香农散度距离L，并根据L计算图像邻域块的概率系数Pu；(3)以第二幅异源图像I₂为目标，以第一幅异源图像I₁为输入，对第一个翻译网络A进行训练，得到第一幅异源图像翻译后的图像(4)以第一幅异源图像翻译后的图像为目标，以第二幅异源图像I₂为输入，对第二个翻译网络B进行训练，得到第二幅异源图像翻译后的图像(5)用与步骤(2)相同的方式计算翻译后的两幅图像和邻域块之间的杰森‑香农散度距离并根据更新概率系数P_u；(6)重复步骤(3)‑(5)，直到第二个翻译网络B收敛；(7)用log算子生成两幅翻译图像和的差异图DI；(8)用FCM聚类算法对差异图DI进行聚类，得到变化检测图，并将其输出。