基于轻量胶囊网络的自监督图像变化检测方法

作者：张益天; 罗喜伶^*; 王宇鹏

来源：北京航空航天大学学报, 2023, 1-17.

DOI：10.13700/j.bh.1001-5965.2023-0251

• 变化检测
• 胶囊网络
• 最大类间方差法
• 模糊C均值聚类法
• 自监督学习

针对散斑噪声对SAR图像变化检测精度影响大、现有基于胶囊网络的图像变化检测方法网络模型复杂度高、训练样本丢失大量原始图像信息等问题，本文提出了一种基于轻量胶囊网络（SCapsNet）的自监督图像变化检测方法。首先，生成对数比算子差异图，通过最大类间方差法和模糊C均值聚类法，获得高置信度的训练样本“伪标签”，为实现自监督学习奠定基础；其次，构造基于两时相SAR图像和对数比值算子差异图的三通道训练样本，最大限度保留样本信息；然后，设计SCapsNet，通过单尺度卷积提取训练样本特征，采用单尺度胶囊网络用于挖掘特征之间的空间关系；最后，设置对比实验和消融实验，在5个真实SAR数据集上进行测试。实验结果表明，本文方法的优势为在降低模型复杂度的条件下，提高方法运行效率，获得了更强的鲁棒性特征，抑制了散斑噪声对变化检测效果的不利影响，提升了变化检测效果。

• 单位
  电子信息工程学院; 北京航空航天大学