基于稀疏自動(dòng)編碼機(jī)的遙感圖像變化檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)技術(shù)領(lǐng)域，更進(jìn)一步涉及圖像處理技術(shù)領(lǐng)域中的基于稀疏自動(dòng) 編碼機(jī)的遙感圖像變化檢測(cè)方法。本發(fā)明由兩幅不同時(shí)相的遙感圖像得到差異圖像，利用 稀疏自動(dòng)編碼機(jī)對(duì)差異圖像進(jìn)行特征提取，再對(duì)特征進(jìn)行分類完成遙感圖像的變化檢測(cè)。 本發(fā)明可以應(yīng)用于自然災(zāi)害檢測(cè)與救援時(shí)災(zāi)區(qū)遙感圖像的變化檢測(cè)，城市發(fā)展規(guī)劃，地質(zhì) 研究等領(lǐng)域，完成對(duì)特定地區(qū)的遙感圖像的變化進(jìn)行檢測(cè)。
【背景技術(shù)】
[0002] 變化檢測(cè)是通過(guò)分析同一地區(qū)不同時(shí)相的遙感圖像，檢測(cè)出該地區(qū)中地物隨時(shí)間 發(fā)生變化的信息。隨著近年來(lái)遙感和信息技術(shù)的發(fā)展，變化檢測(cè)已經(jīng)成為當(dāng)前遙感圖像分 析研究的一個(gè)重要方向，廣泛地應(yīng)用于許多領(lǐng)域，如資源保護(hù)中森林覆蓋的動(dòng)態(tài)監(jiān)測(cè)、城市 規(guī)劃中土地利用與覆蓋的變化信息獲取、軍事偵察中戰(zhàn)略目標(biāo)的動(dòng)態(tài)監(jiān)視以及自然災(zāi)害評(píng) 估等。
[0003] 隨著現(xiàn)代社會(huì)日益增長(zhǎng)的需求和技術(shù)的進(jìn)步，極大地促進(jìn)了變化檢測(cè)理論和方法 的研究，多樣的空間數(shù)據(jù)產(chǎn)品極大豐富了變化檢測(cè)理論和方法的研究?jī)?nèi)容。
[0004] 夏晨陽(yáng)，石愛(ài)業(yè)和吳國(guó)寶共同發(fā)表的論文"基于SVM混合核的遙感圖像變化檢 測(cè)"（《信息技術(shù)》，2014年第8期，P38-P41)中提出了一種基于SVM混合核的遙感圖像變化 檢測(cè)的方法。該方法首先利用CVA算法構(gòu)造差異影像了，其次利用灰度共生矩陣提取差異 影像的紋理特征與差異影像的灰度特征組成特征向量，接著利用差異影像的直方圖選擇置 信度高的訓(xùn)練樣本，并利用構(gòu)造的SVM混合核進(jìn)行訓(xùn)練得到分類超平面，最后利用SVM混合 核函數(shù)對(duì)差異影像進(jìn)行二分類得到最后的變化檢測(cè)結(jié)果。該方法存在的不足之處是，對(duì)差 異圖進(jìn)行了多種處理，使改方法流程較為復(fù)雜。另外該方法沒(méi)有考慮任何像元的空間信息， 以至最終變化檢測(cè)結(jié)果對(duì)圖像噪聲和成像偽影十分敏感，最終的變化檢測(cè)結(jié)果誤檢和漏檢 的像素較多。
[0005] 西安電子科技大學(xué)申請(qǐng)的專利"基于區(qū)域和Kmeans聚類的遙感圖像變化檢測(cè)方 法"（專利申請(qǐng)?zhí)?01310114150,公開號(hào)CN103198480A)公開了一種基于區(qū)域的遙感圖像變 化檢測(cè)方法。該方法通過(guò)對(duì)差異圖像進(jìn)行最大熵閾值分析提取感興趣區(qū)域和肯定非變化區(qū) 域，并利用這兩個(gè)區(qū)域的特征采用Kmeans算法對(duì)兩個(gè)區(qū)域進(jìn)行分類，完成對(duì)遙感圖像的變 化檢測(cè)。但是該方法仍然存在的不足之處是，直接對(duì)差異圖像素的輝度值進(jìn)行處理，對(duì)于像 素的輝度值的無(wú)監(jiān)督分類并不能利像素的特征，細(xì)節(jié)丟失嚴(yán)重，最終的變化檢測(cè)結(jié)果效果 不佳。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)存在的不足，提供一種基于稀疏自動(dòng)編碼機(jī) 的遙感圖像變化檢測(cè)方法，該方法在傳統(tǒng)變化檢測(cè)的基礎(chǔ)上加入稀疏自動(dòng)編碼機(jī)，通過(guò)訓(xùn) 練好的稀疏自動(dòng)編碼機(jī)，可以提取差異圖的特征，在對(duì)特征進(jìn)行模糊聚類從而進(jìn)一步獲得 變化檢測(cè)結(jié)果。該方法思路簡(jiǎn)單明確，在傳統(tǒng)方法上對(duì)差異圖進(jìn)行了特征提取，有效的提高 了遙感圖像變化檢測(cè)的精度。
[0007] 本發(fā)明包括如下步驟：
[0008] (1)輸入圖像：
[0009] 輸入已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像；
[0010] ⑵構(gòu)造差異圖：
[0011] 按照下式，構(gòu)造已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖：
[0012]
[0013] 其中，X表示已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖，| *|表示絕對(duì) 值操作，log表示以10為底的對(duì)數(shù)操作，XJPX2分別表示已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩 幅遙感圖像；
[0014] (3)訓(xùn)練稀疏自動(dòng)編碼機(jī)：
[0015] (3a)將稀疏自動(dòng)編碼機(jī)的網(wǎng)絡(luò)層數(shù)設(shè)定為輸入層、隱含層和輸出層的3層；
[0016] (3b)將稀疏自動(dòng)編碼機(jī)的隱含層設(shè)定為20個(gè)節(jié)點(diǎn)，輸出層設(shè)定為9個(gè)節(jié)點(diǎn)；
[0017] (3c)初始化稀疏自動(dòng)編碼機(jī)網(wǎng)絡(luò)中所設(shè)定節(jié)點(diǎn)的權(quán)值和偏置；
[0018](3d)將已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖矩陣作為訓(xùn)練數(shù)據(jù)， 利用反向傳導(dǎo)方法，計(jì)算稀疏自動(dòng)編碼機(jī)的隱含層與輸出層的權(quán)值與偏置，完成稀疏自動(dòng) 編碼機(jī)的訓(xùn)練；
[0019] (4)提取特征：
[0020] 將已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖，輸入到訓(xùn)練好的稀疏自 動(dòng)編碼機(jī)中，將稀疏自動(dòng)編碼機(jī)隱含層輸出的已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像 的差異圖的每個(gè)像素的20組數(shù)據(jù)，作為已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差 異圖的每個(gè)像素的特征；
[0021] (5)對(duì)特征進(jìn)行模糊聚類：
[0022] 利用已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖的每個(gè)像素的特征，采 用模糊C均值方法，對(duì)已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖進(jìn)行模糊聚 類，迭代更新直至迭代前后隸屬度的最大改變量小于0. 00001 ;
[0023] (6)去模糊處理：
[0024] 采用模糊C均值方法，根據(jù)對(duì)已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異 圖進(jìn)行模糊聚類得到的隸屬度值，將已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖 中的每個(gè)像素判歸到隸屬度值大的一類，從而將已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖 像的差異圖中的所有像素分為變化類和非變化類兩類；
[0025] (7)輸出變化檢測(cè)結(jié)果。
[0026] 本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)：
[0027] 第一，由于本發(fā)明采用稀疏自動(dòng)編碼機(jī)，對(duì)差異圖進(jìn)行特征提取，提取的特征中包 括了像元空間信息，克服了現(xiàn)有技術(shù)采用傳統(tǒng)方法變化檢測(cè)結(jié)果對(duì)圖像噪聲和成像偽影十 分敏感，最終變化檢測(cè)結(jié)果漏檢與誤檢的像素較多的缺點(diǎn)，使得本發(fā)明具有受噪聲影響小， 變化檢測(cè)結(jié)果正確率高的優(yōu)點(diǎn)。
[0028] 第二，由于本發(fā)明采用模糊c均值方法對(duì)差異圖的特征進(jìn)行模糊聚類，克服了現(xiàn) 有技術(shù)采用傳統(tǒng)方法直接對(duì)差異圖像的素輝度值進(jìn)行處理，無(wú)法利用差異圖像素中的隱含 信息這一缺點(diǎn)，使得本發(fā)明具有保留變化檢測(cè)結(jié)果細(xì)節(jié)較為豐富，精度較高的優(yōu)點(diǎn)。
【附圖說(shuō)明】
[0029] 圖1是本發(fā)明的流程圖；
[0030] 圖2是仿真實(shí)驗(yàn)中Ottawa地區(qū)水災(zāi)的遙感圖像；
[0031] 圖3是仿真實(shí)驗(yàn)中對(duì)Ottawa地區(qū)水災(zāi)遙感圖像進(jìn)行變化檢測(cè)圖及其對(duì)比圖。
【具體實(shí)施方式】
[0032] 下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的描述。
[0033] 參照附圖1，對(duì)本發(fā)明的實(shí)現(xiàn)步驟做進(jìn)一步的描述。
[0034] 步驟1，輸入圖像。
[0035] 輸入已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像。
[0036] 步驟2,構(gòu)造差異圖。
[0037] 按照下式，構(gòu)造已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖：
[0038]
[0039] 其中，X表示已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖，| ? |表示絕對(duì) 值操作，log表示以10為底的對(duì)數(shù)操作，XJPX2分別表示已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩 幅遙感圖像。
[0040] 步驟3，訓(xùn)練稀疏自動(dòng)編碼機(jī)。
[0041] 將稀疏自動(dòng)編碼機(jī)的網(wǎng)絡(luò)層數(shù)設(shè)定為3層，包含輸入層、隱含層和輸出層。將稀疏 自動(dòng)編碼機(jī)的隱含層設(shè)定為20個(gè)節(jié)點(diǎn)，輸出層設(shè)定為9個(gè)節(jié)點(diǎn)。
[0042] 在[-0. 015, 0. 015]范圍內(nèi)隨機(jī)選取360個(gè)隨機(jī)數(shù)，用所選取的360個(gè)隨機(jī)數(shù)初始 化稀疏自動(dòng)編碼機(jī)網(wǎng)絡(luò)中節(jié)點(diǎn)的權(quán)值，在[-0. 015, 0. 015]范圍內(nèi)隨機(jī)選取29個(gè)隨機(jī)數(shù)初 始化稀疏自動(dòng)編碼機(jī)網(wǎng)絡(luò)中節(jié)點(diǎn)的偏置。
[0043] 將已配準(zhǔn)的同一地區(qū)不同時(shí)刻的兩幅遙感圖像的差異圖矩陣作為訓(xùn)練數(shù)據(jù)，利用 反向傳導(dǎo)方法，計(jì)算稀疏自動(dòng)編碼機(jī)的隱含層與輸出層的權(quán)值與偏置，完成稀疏自動(dòng)編碼 機(jī)的訓(xùn)練。
[0044] 反向傳傳導(dǎo)方法