公开(公告)号：CN116188988A

公开(公告)日：2023-05-30

申请号：CN202310200730.5

申请日：2023-03-03

Applicant: 西北工业大学

Inventor： 侍佼 ,  李佳怡 ,  吴天阳 ,  雷雨 ,  周德云 ,  刘晓冬

IPC: G06V20/10 ,  G06V10/762 ,  G06N3/006

Abstract: 本发明公开了一种基于多目标进化的遥感图像变化检测方法，包括：获取具有不同时相的第一待处理图像及第二待处理图像，并生成差异图；面向差异图生成初始种群；基于改进的高斯混合模型GMM计算初始种群中每个个体的第一目标函数；基于噪声抑制算法计算每个个体的第二目标函数；利用基于分解的多目标进化算法MOEA/D对所述第一目标函数及所述第二目标函数进行迭代优化并更新非支配结果集合；根据非支配结果集合，获得第一待处理图像与第二待处理图像间的变化检测结果。本发明降低了检测过程中陷入局部最优的风险，并实现变化检测中噪声抑制与变化细节保护之间平衡的自主控制。

公开(公告)号：CN112509017B

公开(公告)日：2024-06-28

申请号：CN202011300324.9

申请日：2020-11-18

Applicant: 西北工业大学

Inventor： 侍佼 ,  雷雨 ,  张泽平 ,  周德云 ,  刘晓冬 ,  张曦 ,  邵涛

IPC: G06T7/33 ,  G06N3/096 ,  G06N3/006

Abstract: 本发明提供了一种基于可学习差分算法的遥感影像变化检测方法。首先，在差分进化算法的每次迭代过程中执行变异和交叉操作；然后，从原种群和交叉后种群中随机选择部分个体进入新种群，再从新种群中选择个体并进行标记，得到训练样本；接着，对神经网络进行训练，再利用训练好的神经网络选择进入下一代种群的个体；如此迭代，得到逼近真实最优值的种群，再计算最优的模糊关系矩阵，将差异图中的每个像素分配到最大模糊值的类别，最终完成变化检测。本发明方法具有良好的优化能力和收敛速度，且检测精度高。

公开(公告)号：CN113191996A

公开(公告)日：2021-07-30

申请号：CN202011257016.2

申请日：2020-11-11

Applicant: 西北工业大学

Inventor： 侍佼 ,  雷雨 ,  张泽平 ,  周德云 ,  刘晓冬

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种遥感影像变化检测方法、装置及其电子设备，方法包括：获取第一、第二遥感影像图像，根据第一遥感影像图像得到第一训练数据集，根据第二遥感影像图像得到第二训练数据集；构建第一SAE网络并采用第一训练数据集训练第一SAE网络得到训练好的第一SAE网络，构建第二SAE网络并采用第二训练数据集训练第二SAE网络得到训练好的第二SAE网络；根据训练好的第一SAE网络和训练好的第二SAE网络对差分神经网络进行训练得到训练好的差分神经网络；将测试第一、第二遥感影像图像输入至训练好的差分神经网络得到遥感影像的变化检测结果。本发明通过两个SAE网络特征提取后再输入差分神经网络进行检测，检测适用于复杂的遥感影像，并且变化检测结果精度较高。

公开(公告)号：CN112509017A

公开(公告)日：2021-03-16

申请号：CN202011300324.9

申请日：2020-11-18

Applicant: 西北工业大学

Inventor： 侍佼 ,  雷雨 ,  张泽平 ,  周德云 ,  刘晓冬 ,  张曦 ,  邵涛

IPC: G06T7/33 ,  G06N3/08 ,  G06N3/00

Abstract: 本发明提供了一种基于可学习差分算法的遥感影像变化检测方法。首先，在差分进化算法的每次迭代过程中执行变异和交叉操作；然后，从原种群和交叉后种群中随机选择部分个体进入新种群，再从新种群中选择个体并进行标记，得到训练样本；接着，对神经网络进行训练，再利用训练好的神经网络选择进入下一代种群的个体；如此迭代，得到逼近真实最优值的种群，再计算最优的模糊关系矩阵，将差异图中的每个像素分配到最大模糊值的类别，最终完成变化检测。本发明方法具有良好的优化能力和收敛速度，且检测精度高。

公开(公告)号：CN112465884B

公开(公告)日：2024-01-16

申请号：CN202011336233.0

申请日：2020-11-25

Applicant: 西北工业大学

Inventor： 侍佼 ,  雷雨 ,  张泽平 ,  周德云 ,  刘晓冬 ,  邵涛 ,  张曦

IPC: G06T7/33 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/045

Abstract: 本发明提供了一种基于生成式特征表示网络的多元遥感影像变化检测方法。设计了由特征提取网络和生成对抗网络构成的生成式特征网络，特征提取网络学习有利于多元变化检测的数据特征，生成对抗网络学习具有可扩展性的数据分布信息，采用自适应循环学习策略进行网络更新，更新过程中同时进行分类数目自适应调整，并利用变化向量分析算法进行标签数据更新，直至网络稳定，得到最终的变化检测结果。本发明可应用于复杂遥感影像的多元变化检测，且检测精度高、鲁棒性强。

公开(公告)号：CN112465884A

公开(公告)日：2021-03-09

申请号：CN202011336233.0

申请日：2020-11-25

Applicant: 西北工业大学

Inventor： 侍佼 ,  雷雨 ,  张泽平 ,  周德云 ,  刘晓冬 ,  邵涛 ,  张曦

IPC: G06T7/33 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于生成式特征表示网络的多元遥感影像变化检测方法。设计了由特征提取网络和生成对抗网络构成的生成式特征网络，特征提取网络学习有利于多元变化检测的数据特征，生成对抗网络学习具有可扩展性的数据分布信息，采用自适应循环学习策略进行网络更新，更新过程中同时进行分类数目自适应调整，并利用变化向量分析算法进行标签数据更新，直至网络稳定，得到最终的变化检测结果。本发明可应用于复杂遥感影像的多元变化检测，且检测精度高、鲁棒性强。