基于特征融合的SAR的图像变化检测
论文名称：《基于特征融合的SAR的图像变化检测》
指导教师：杨学志、夏营威
论文作者：刘梦岚
毕业院校：合肥工业大学
文章内容概要
- 阐述了变化检测的定义和应用领域，总结了差异图构造和差异
- 介绍了SAR特性和变化检测的基本理论，包括其成像机理、相干斑噪声、图像特征三个部分
- 提出了一种基于特征融合和改进水平集的SAR图像变化检测算法
- 提出了一种融合多尺度深度特征的SAR图像变化检测算法
- 后采用CNN学习并融合各尺度的差异图特征，有效地提取样本数据和标签之间的关联性
SAR图像特性和变化检测的基本理论
- SAR图像特性
- 其本质是一种主动式微波成像传感器，通常被装载在飞机或人造卫星上，对应着可将SAR系统分为机载SAR和星载SAR
- SAR图像的相干斑噪声
- 这种噪声在SAR图像中最为明显的表现就是像素在同质区域或在相邻位置时，他们灰度值会有较大的突变，视觉效果表现为颗粒状的斑点
- SAR图像特征
- SAR图像特征通常包括灰度特征、纹理特征、几何特征以及局部特征等
基于图像融合和水平集的SAIl图像变化检测
- 水平集原理
- 水平集方法以隐函数为理论基础，能够避开因演化曲线的显性参数化所引发的一系列问题
- 在利用水平集方法解决二维曲线的演化问题时，不会追踪演化后的轮廓位置信息，而是遵循图像统计信息和水平集方程演化规律，在二维平面中不断地迭代
- 经典水平集模型
- 水平集模型根据演化驱动原理的不同，可分为基于边缘和基于区域的两种动态轮廓模型
- 图像预分类
- 基于高斯分布的KI阈值算法来进行预分类
基于多尺度深度特征融合的SAIl图像变化检测
- 深度学习理论
- 以神经网络为基础的模仿人脑学习机制的数学模型，能不断地通过学习数据底层特征来获得数据中更为抽象的高层特征
- 经典深度学习模型
- DBN模型
- CNN模型
实验效果
