申请/专利权人:杭州电子科技大学
申请日:2020-12-31
公开(公告)日:2024-04-26
公开(公告)号:CN112686871B
主分类号:G06T7/00
分类号:G06T7/00;G06T7/33;G06T7/41;G06T5/70;G06T5/10;G06T5/20;G06V10/762;G06V10/764
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2021.05.07#实质审查的生效;2021.04.20#公开
摘要:本发明公开了基于改进对数比算子和Gabor_ELM的SAR图像变化检测方法,包括以下步骤:S1.对已配准的两时相SAR图像进行引导图像滤波去噪;S2.对已滤波后的两时相SAR图像通过改进对数比算子计算获取改进对数比差异图DI;S3.对差异图DI进行Gabor纹理特征提取;S4.对获取到的Gabor纹理特征进行层次FCM聚类,并得到训练样本、待测样本及预判结果;S5.根据聚类得出的训练样本训练ELM获得ELM分类器,对待测样本通过ELM分类器进行分类,结合预判结果得到最终的变化检测图。该方法具有更好的鲁棒性能,且能有效抑制相干斑噪声,提升变化检测性能。
主权项:1.基于对数比算子和Gabor_ELM的SAR图像变化检测方法,其特征在于:包括以下步骤:S1.对已配准的两时相SAR图像进行引导图像滤波去噪;S2.对已滤波后的两时相SAR图像通过对数比算子计算获取对数比差异图DI;S3.对差异图DI进行Gabor纹理特征提取;S4.对获取到的Gabor纹理特征进行层次FCM聚类,并得到训练样本、待测样本及预判结果;S5.根据聚类得出的训练样本训练ELM获得ELM分类器,对待测样本通过ELM分类器进行分类,结合预判结果得到最终的变化检测图;步骤S1中,使用引导图像与输入图像相同,假定输出图像与引导图像在以k为窗口满足线性关系,通过求取线性系数来计算滤波后的SAR图像;步骤S3具体包括以下处理步骤:S3-1:对差异图DI通过Gabor二维小波变换获取8个方向,5个尺度的图像信息;S3-2:结合差异图二维小波变换实部和虚部信息,将所获特征组合成一个特征向量;S3-3:根据Gabor二维小波对方向敏感特征,选用不同方向每个尺度最大幅值组成特征向量;S3-4:将整张SAR图像每个像素点的特征向量组合,一次获得差异图的Gabor特征纹理向量;步骤S4具体包括以下处理步骤:输入:差异图对应的Gabor特征向量S4-1:对进行第一次FCM聚类,将其分为两类:和的像素数为T1,根据分类及预设系数σ1、σ2,设定阈值T,用以下公式获取阈值T:TH=T1*σ1,TL=T1*σ2;S4-2:对进行第二次FCM聚类,将其分为五类,该五类按像素均值降序排列,均值更大的类表示变化概率更高的变化类,五类的像素数分别为:设参数t初始值为1,参数c初始值为T12,将中的T12个像素划分为变化类Ωc;S4-3:令t=t+1,c=t+Tt2;S4-4:若c<TL,则将中的像素划分为不变类Ωu,若TL≤c≤TH,则将中的像素划分为中间类Ωi,若c>TH,则将中的像素划分为变化ΩcΩc,跳转到S4-3,直至t=5结束;输出:最终标志为Ωc,Ωu及Ωi三类的预分类图。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 基于改进对数比算子和Gabor_ELM的SAR图像变化检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。