[发明专利]基于多粒度级联森林模型的SAR图像变化检测方法

摘要

本发明公开了一种基于多粒度级联森林模型的SAR图像变化检测方法，主要解决传统方法对差异图的强依赖性问题，其实现方案是：给定两幅配准的多时相SAR图像I1和I2；对I1和I2用对数比算子生成差异图Id；对Id提取类哈尔特征并输入到训练好的多粒度级联森林模型，生成两个概率图I1和I0并与差异图Id构成新特征；利用新特征重新训练模型，得到新的预测结果把的Kappa系数与上一次的Kappa系数相较，选取系数较高的预测结果作为最终的变化检测结果。本发明能有效抑制差异图对最终结果的影响，提高变化检测的准确率，可用于环境检测和灾害检测。

主权项

1.一种基于多粒度级联森林模型的SAR图像变化检测方法，其特征在于，包括如下步骤：(1)给定两幅配准的具有相同尺寸的多时相SAR图像I1和I2，并对I1和I2使用对数比算子，生成归一化的差异图Id；(2)以归一化的差异图Id每个像素点为中心按大小为21×21取块，每个图像块作为一个样本，也就是每个样本对应一个像素点，然后对每个样本提取类哈尔特征；(3)随机选取少量样本作为训练样本，利用训练样本的类哈尔特征对多粒度级联森林模型进行训练，得到训练好的多粒度级联森林模型；(4)利用训练好的多粒度级联森林模型，对所有样本进行测试，得到预测结果(5)生成两个概率图I1和I0将所有样本的类哈尔特征输入到已训练好的多粒度级联森林模型，得到每个样本属于变化类的概率p1和属于非变化类的概率p0，其中，对每个样本有p1+p0＝1，用所有样本中属于变化类的概率p1构成第一概率图I1，用所有样本中属于非变化类的概率p0构成第二概率图I0；(6)利用差异图I_d、第一概率图I₁和第二概率图I₀构成新特征，重新训练多粒度级联森林模型，得到新预测结果并将新预测结果的Kappa系数与上一次预测结果的Kappa系数进行比较，选择Kappa系数较高的预测结果作为最终的变化检测结果。