基于稀疏自動編碼機的遙感圖像變化檢測方法
【技術領域】
[0001] 本發明屬于計算機技術領域，更進一步涉及圖像處理技術領域中的基于稀疏自動 編碼機的遙感圖像變化檢測方法。本發明由兩幅不同時相的遙感圖像得到差異圖像，利用 稀疏自動編碼機對差異圖像進行特征提取，再對特征進行分類完成遙感圖像的變化檢測。 本發明可以應用于自然災害檢測與救援時災區遙感圖像的變化檢測，城市發展規劃，地質 研究等領域，完成對特定地區的遙感圖像的變化進行檢測。
【背景技術】
[0002] 變化檢測是通過分析同一地區不同時相的遙感圖像，檢測出該地區中地物隨時間 發生變化的信息。隨著近年來遙感和信息技術的發展，變化檢測已經成為當前遙感圖像分 析研究的一個重要方向，廣泛地應用于許多領域，如資源保護中森林覆蓋的動態監測、城市 規劃中土地利用與覆蓋的變化信息獲取、軍事偵察中戰略目標的動態監視以及自然災害評 估等。
[0003] 隨著現代社會日益增長的需求和技術的進步，極大地促進了變化檢測理論和方法 的研究，多樣的空間數據產品極大豐富了變化檢測理論和方法的研究內容。
[0004] 夏晨陽，石愛業和吳國寶共同發表的論文"基于SVM混合核的遙感圖像變化檢 測"（《信息技術》，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 檢測的方法。該方法首先利用CVA算法構造差異影像了，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 信度高的訓練樣本，并利用構造的SVM混合核進行訓練得到分類超平面，最后利用SVM混合 核函數對差異影像進行二分類得到最后的變化檢測結果。該方法存在的不足之處是，對差 異圖進行了多種處理，使改方法流程較為復雜。另外該方法沒有考慮任何像元的空間信息， 以至最終變化檢測結果對圖像噪聲和成像偽影十分敏感，最終的變化檢測結果誤檢和漏檢 的像素較多。
[0005] 西安電子科技大學申請的專利"基于區域和Kmeans聚類的遙感圖像變化檢測方 法"（專利申請號201310114150,公開號CN103198480A)公開了一種基于區域的遙感圖像變 化檢測方法。該方法通過對差異圖像進行最大熵閾值分析提取感興趣區域和肯定非變化區 域，并利用這兩個區域的特征采用Kmeans算法對兩個區域進行分類，完成對遙感圖像的變 化檢測。但是該方法仍然存在的不足之處是，直接對差異圖像素的輝度值進行處理，對于像 素的輝度值的無監督分類并不能利像素的特征，細節丟失嚴重，最終的變化檢測結果效果 不佳。

【發明內容】

[0006] 本發明的目的在于克服上述現有技術存在的不足，提供一種基于稀疏自動編碼機 的遙感圖像變化檢測方法，該方法在傳統變化檢測的基礎上加入稀疏自動編碼機，通過訓 練好的稀疏自動編碼機，可以提取差異圖的特征，在對特征進行模糊聚類從而進一步獲得 變化檢測結果。該方法思路簡單明確，在傳統方法上對差異圖進行了特征提取，有效的提高 了遙感圖像變化檢測的精度。
[0007] 本發明包括如下步驟：
[0008] (1)輸入圖像：
[0009] 輸入已配準的同一地區不同時刻的兩幅遙感圖像；
[0010] ⑵構造差異圖：
[0011] 按照下式，構造已配準的同一地區不同時刻的兩幅遙感圖像的差異圖：
[0012]
[0013] 其中，X表示已配準的同一地區不同時刻的兩幅遙感圖像的差異圖，| *|表示絕對 值操作，log表示以10為底的對數操作，XJPX2分別表示已配準的同一地區不同時刻的兩 幅遙感圖像；
[0014] (3)訓練稀疏自動編碼機：
[0015] (3a)將稀疏自動編碼機的網絡層數設定為輸入層、隱含層和輸出層的3層；
[0016] (3b)將稀疏自動編碼機的隱含層設定為20個節點，輸出層設定為9個節點；
[0017] (3c)初始化稀疏自動編碼機網絡中所設定節點的權值和偏置；
[0018](3d)將已配準的同一地區不同時刻的兩幅遙感圖像的差異圖矩陣作為訓練數據， 利用反向傳導方法，計算稀疏自動編碼機的隱含層與輸出層的權值與偏置，完成稀疏自動 編碼機的訓練；
[0019] (4)提取特征：
[0020] 將已配準的同一地區不同時刻的兩幅遙感圖像的差異圖，輸入到訓練好的稀疏自 動編碼機中，將稀疏自動編碼機隱含層輸出的已配準的同一地區不同時刻的兩幅遙感圖像 的差異圖的每個像素的20組數據，作為已配準的同一地區不同時刻的兩幅遙感圖像的差 異圖的每個像素的特征；
[0021] (5)對特征進行模糊聚類：
[0022] 利用已配準的同一地區不同時刻的兩幅遙感圖像的差異圖的每個像素的特征，采 用模糊C均值方法，對已配準的同一地區不同時刻的兩幅遙感圖像的差異圖進行模糊聚 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，根據對已配準的同一地區不同時刻的兩幅遙感圖像的差異 圖進行模糊聚類得到的隸屬度值，將已配準的同一地區不同時刻的兩幅遙感圖像的差異圖 中的每個像素判歸到隸屬度值大的一類，從而將已配準的同一地區不同時刻的兩幅遙感圖 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)輸出變化檢測結果。
[0026] 本發明與現有的技術相比具有以下優點：
[0027] 第一，由于本發明采用稀疏自動編碼機，對差異圖進行特征提取，提取的特征中包 括了像元空間信息，克服了現有技術采用傳統方法變化檢測結果對圖像噪聲和成像偽影十 分敏感，最終變化檢測結果漏檢與誤檢的像素較多的缺點，使得本發明具有受噪聲影響小， 變化檢測結果正確率高的優點。
[0028] 第二，由于本發明采用模糊c均值方法對差異圖的特征進行模糊聚類，克服了現 有技術采用傳統方法直接對差異圖像的素輝度值進行處理，無法利用差異圖像素中的隱含 信息這一缺點，使得本發明具有保留變化檢測結果細節較為豐富，精度較高的優點。
【附圖說明】
[0029] 圖1是本發明的流程圖；
[0030] 圖2是仿真實驗中Ottawa地區水災的遙感圖像；
[0031] 圖3是仿真實驗中對Ottawa地區水災遙感圖像進行變化檢測圖及其對比圖。
【具體實施方式】
[0032] 下面結合附圖對本發明做進一步的描述。
[0033] 參照附圖1，對本發明的實現步驟做進一步的描述。
[0034] 步驟1，輸入圖像。
[0035] 輸入已配準的同一地區不同時刻的兩幅遙感圖像。
[0036] 步驟2,構造差異圖。
[0037] 按照下式，構造已配準的同一地區不同時刻的兩幅遙感圖像的差異圖：
[0038]
[0039] 其中，X表示已配準的同一地區不同時刻的兩幅遙感圖像的差異圖，| ? |表示絕對 值操作，log表示以10為底的對數操作，XJPX2分別表示已配準的同一地區不同時刻的兩 幅遙感圖像。
[0040] 步驟3，訓練稀疏自動編碼機。
[0041] 將稀疏自動編碼機的網絡層數設定為3層，包含輸入層、隱含層和輸出層。將稀疏 自動編碼機的隱含層設定為20個節點，輸出層設定為9個節點。
[0042] 在[-0. 015, 0. 015]范圍內隨機選取360個隨機數，用所選取的360個隨機數初始 化稀疏自動編碼機網絡中節點的權值，在[-0. 015, 0. 015]范圍內隨機選取29個隨機數初 始化稀疏自動編碼機網絡中節點的偏置。
[0043] 將已配準的同一地區不同時刻的兩幅遙感圖像的差異圖矩陣作為訓練數據，利用 反向傳導方法，計算稀疏自動編碼機的隱含層與輸出層的權值與偏置，完成稀疏自動編碼 機的訓練。
[0044] 反向傳傳導方法