融合多尺度深度特征的SAR图像变化检测

作者：刘梦岚; 杨学志^*; 贾璐; 汪骏

来源：合肥工业大学学报(自然科学版), 2020, 43(06): 741-748.

• 变化检测
• 合成孔径雷达(SAR)图像
• 小波多尺度分析
• 特征融合
• 卷积神经网络(CNN)

针对合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中单一尺度图像特征无法有效表达细节信息的问题,文章提出了一种融合多尺度深度特征的无监督SAR图像变化检测方法。首先,利用平稳小波变换(stationary wavelet transform, SWT)将差异图分解为多个高、低频分量,并将这些分量独立重构成不同尺度下的差异图;然后,利用模糊C均值(fuzzy C-means, FCM)对差异图进行预分类,依据预分类的结果从差异图中选取可靠的训练样本;最后,利用卷积神经网络(convolutional neural network, CNN)学习并融合各尺度的差异图特征,实现变化区域和未变化区域的分类。实验结果表明该方法不仅明显改善了边界等细节的保持能力,而且有效提高了检测精度和抗噪性能。

• 单位
  合肥工业大学