公开(公告)号：CN105205807B

公开(公告)日：2018-03-27

申请号：CN201510512145.4

申请日：2015-08-19

Applicant: 西安电子科技大学

Inventor： 公茂果 ,  赵秋楠 ,  马晶晶 ,  刘嘉 ,  李豪 ,  马文萍 ,  牟树根 ,  杨海伦

IPC: G06T7/33 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于稀疏自动编码机的遥感图像变化检测方法，主要针对现有技术的变化检测结果漏检与误检的像素较多，且直接对差异图进行处理无法利用差异图隐含信息的缺点。其实现步骤为：(1)读入图像；(2)构造差异图；(3)训练稀疏自动编码机；(4)提取特征；(5)对特征进行模糊聚类；(6)去模糊处理；(7)输出变化检测结果。本发明先采用稀疏自动编码机提取差异图，再利用提取特征对遥感图像进行变化检测，从而减少了变化检测结果中像素的漏检与误检的个数，提高了变化检测的精度。

公开(公告)号：CN107239795A

公开(公告)日：2017-10-10

申请号：CN201710358877.1

申请日：2017-05-19

Applicant: 西安电子科技大学

Inventor： 公茂果 ,  杨海伦 ,  张普照 ,  赵秋楠

IPC: G06K9/62 ,  G06N3/10 ,  G06T7/00

CPC classification number: G06K9/6277 ,  G06K9/6218 ,  G06N3/10 ,  G06T7/0002 ,  G06T2207/10044

Abstract: 一种基于稀疏自编码器和卷积神经网络的SAR图像变化检测系统及方法，属于SAR图像处理领域，该方法通过稀疏自编码器SAE对差异图提取特征，进而根据图像的特征用FCM聚类对差异图进行聚类，得到初始的分类结果，结合差异图和初始分类结果来训练卷积神经网络CNN，通过训练好的CNN对初始的分类结果进行微调，得到最终的分类结果图。该方法充分的利用图像像素的特征信息和邻域信息，进一步提高了变化检测结果的准确率。仿真结果表明，本发明采用的基于稀疏自编码器和卷积神经网络的SAR图像变化检测方法与KI、FCM等传统算法相比，正确检测率明显提高，Kappa系数也得到明显提高。

公开(公告)号：CN105205807A

公开(公告)日：2015-12-30

申请号：CN201510512145.4

申请日：2015-08-19

Applicant: 西安电子科技大学

Inventor： 公茂果 ,  赵秋楠 ,  马晶晶 ,  刘嘉 ,  李豪 ,  马文萍 ,  牟树根 ,  杨海伦

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/468 ,  G06K9/6202 ,  G06K9/6269 ,  G06K2009/4695 ,  G06T2207/10032 ,  G06T2207/20081

Abstract: 本发明公开了一种基于稀疏自动编码机的遥感图像变化检测方法，主要针对现有技术的变化检测结果漏检与误检的像素较多，且直接对差异图进行处理无法利用差异图隐含信息的缺点。其实现步骤为：(1)读入图像；(2)构造差异图；(3)训练稀疏自动编码机；(4)提取特征；(5)对特征进行模糊聚类；(6)去模糊处理；(7)输出变化检测结果。本发明先采用稀疏自动编码机提取差异图，再利用提取特征对遥感图像进行变化检测，从而减少了变化检测结果中像素的漏检与误检的个数，提高了变化检测的精度。