买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：陕西师范大学

摘要：一种合成孔径雷达图像自动变化检测方法，对同一地区不同时刻、大小为m×n的SAR图像I1和I2通过对数比操作生成差分图D，应用Gabor滤波器捕捉差分图D内纹理变化，提取差分图D中每个像素的最大幅度，构成特征向量；使用FCM聚类方法对特征向量进行分类，生成伪类标，伪类标由变化类、不确定类和未变化类组成，为每个像素点分配一个初始类标；根据FCM聚类结果，将明确分类为“变化类”和“未变化类”的像素点中选取Q个像素点作为训练样本；训练重构2DPCANet模型；将标记为“不确定类”的像素点输入到训练好的重构2DPCANet模型中进行分类，对伪类标已经确定“变化类”或“未变化类”的像素点，直接使用伪类标进行分类；完成所有像素点的分类后，生成最终的变化图。

主权项：1.一种合成孔径雷达图像自动变化检测方法，其特征在于，包括以下步骤：步骤1.对同一地区不同时刻、大小为m×n的SAR图像I1和I2通过对数比操作生成差分图D，应用Gabor滤波器提取差分图D中每个像素5个尺度8个方向的Gabor特征，并计算8个方向中的最大的Gabor特征值，构成该像素最终的特征向量，该特征向量的维度为5；步骤2.使用FCM聚类方法对特征向量进行分类，生成伪类标，伪类标由变化类、不确定类和未变化类组成，为每个像素点分配一个初始类标；步骤3.根据FCM聚类结果，从明确分类为“变化类”和“未变化类”的像素点中选取Q个像素点；步骤4.分别从SAR图像I1和I2中提取以Q个像素点中每个像素点为中心，大小为w×w的像素块RI1和RI2，将图像相同位置的像素块垂直连接形成训练样本R，样本大小为2w×w，并将训练样本R与它们的伪类标对应起来，生成训练样本R的类别标签；步骤5.将训练样本进行归一化处理，消除不同图像或不同区域之间的灰度差异，将归一化处理后的训练样本R及其对应的类别标签组成训练集；步骤6.采用训练集训练重构2DPCANet模型步骤6.1.将训练集作为重构2DPCANet模型的输入，构建第一层滤波器A1重构2DPCANet模型对训练样本R进行尺寸为w×w的块采样，得到w+1个图像块，计算每个图像块的协方差矩阵，并按照下式得到所有图像块整体的平均协方差矩阵S: 式中，是第i个样本的第j个图像块，Q是训练样本的总数，T是转置符号；A2对平均协方差矩阵S进行特征值分解，选择前L个最大特征值及其对应的特征向量作为网络模型的第一层滤波器；A3对输入的第i个训练样本逐像素取尺寸为w×w的图像块并进行投影，通过第一层滤波器按照下式重构生成重构块选择所有重构块的中心元素构成大小为2w×w的图像块作为第一层滤波器的输出； 式中,是第一层滤波器第i个样本第k个图像块的重构块，Wl1是第一层滤波器，l∈[1,L]，T是转置符号，Di,k是第i个样本的第k个图像块；步骤6.2.以第一层的滤波器的输出作为输入，重复步骤A1～A2构建第二层滤波器，第二层滤波器对第一层滤波器的输出进行投影并特征提取，提取出新的细化特征进行重构生成重构块，选择所有重构块的中心元素构成大小为2w×w的图像块作为第二层滤波器的输出；步骤6.3.将第二层滤波器的输出进行二值化处理，并使用哈希编码将其转化为十进制整数值图像，最后通过计算局部块的直方图来提取图像特征，为每个样本生成一个特征输出；步骤6.4.将步骤6.3输出的特征输入到分类器中，训练分类器以区分变化和未变化的像素点，完成重构2DPCANet模型的训练；步骤7.将步骤2中标记为“不确定类”的像素点作为中心从SAR图像I1和I2中提取大小为w×w的像素块，将图像相同位置的像素块垂直连接形成大小为2w×w图像块，将该图像块输入到训练完的重构2DPCANet模型中进行分类，对伪类标已经确定为“变化类”或“未变化类”的像素点，直接使用伪类标为其最终分类标签；步骤8.完成所有像素点的分类后，生成最终的变化图，显示变化区域和未变化区域。

全文数据：

权利要求：

百度查询： 陕西师范大学 一种合成孔径雷达图像自动变化检测方法