科研之友
微信
新浪微博
Facebook
分享链接
摘要
变化检测技术是遥感图像处理的重要应用之一。SAR图像变化检测是通过对同一区域不同时期的两幅已配准的SAR图像进行分析,检测出该区域地表变化信息的过程。变化检测技术在自然灾害监测、生态环境监测、战场动态监视等领域得到了广泛的应用。本文主要研究了基于深度学习和SIFT特征的SAR图像变化检测算法,主要内容如下所述:（1）提出了一种基于SIFT特征和深度置信网的SAR图像变化检测方法。该方法首先提取原图像的SIFT特征,并利用该特征训练深度置信网,将训练好的深度置信网用来实现SAR图像的变化检测。该方法利用了SIFT特征的尺度不变性和平移不变性以及深度置信网自身强大的特征提取能力,从而使得深度置信网能够得到较好的训练效果。对多组真实的SAR图像数据集进行实验证明,本方法可以得到较好的检测结果。（2）提出了一种基于SIFT特征和PCANet的SAR图像变化检测方法。该方法首先提取对数比值差异图的SIFT特征,并利用该特征训练PCANet网络,将训练好的PCANet网络用来实现SAR图像的变化检测。该方法利用了SIFT特征的尺度不变性和平移不变性,从而使PCANet网络能够得到较好的训练效果。对多组真实的SAR图像数据集进行实验证明,本方法比传统经典的无监督方法能得到更高的检测精度。（3）提出了一种基于SIFT特征和卷积神经网络的SAR图像变化检测方法。该方法首先提取原图像的SIFT特征,并利用该特征训练卷积神经网络,将训练好的卷积神经网络用来实现SAR图像的变化检测。该方法利用了SIFT特征的尺度不变性和平移不变性,从而使卷积神经网络能够得到较好的训练效果。对多组真实的SAR图像数据集进行实验证明,本方法不仅可以取得比其它方法更好的检测性能,而且对于不同图像具有较高的鲁棒性。
- 单位
