一种基于深层神经网络的遥感图像覆被变化检测方法
专利汇可以提供一种基于深层神经网络的遥感图像覆被变化检测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于深层神经网络的遥感图像覆被变化检测方法，先建立深层神经网络模型的训练集，再将训练集中每个训练样本前M张图像作为输入，通过深层神经网络模型预测输出最后一张图像，并与 图像序列 中的第M+1张图像进行对比，获得的相似度差异添加演化场平滑惩罚项作为损失函数，使用 梯度下降法 优化损失函数，遍历所有训练样本多轮，直到获得满意的损失函数值，完成网络训练，获得训练好的模型，最后将待预测地区最新的时间间隔相近的M张遥感图像输入训练好的模型中，得到的输出图像即为预测的地表覆被图像。，下面是一种基于深层神经网络的遥感图像覆被变化检测方法专利的具体信息内容。
1.一种基于深层神经网络的遥感图像覆被变化检测方法，其特征在于，包括以下步骤：
(1)、建立深层网络模型的训练样本集
(1.1)、图像采集：获取待预测地区近期的时间间隔相等的N张同类型遥感图像，按时间顺序编号为第1～N张；
(1.2)、图像预处理：对每张遥感图像进行几何校正、缩放、剪切和增强处理；
(1.3)、构建训练样本集：将预处理后的N张遥感图像分成N-M个训练样本，N远大于M；
其中，第1个训练样本由第1～(M+1)张遥感图像构成，第2个训练样本由第2～(M+2)张遥感图像构成，然后以此类推，直到第N-M个训练样本，由第(N-M)～N张遥感图像构成；
(2)、构建深层网络模型
将卷积神经网络CNN和空间变换网络STN级联组成深层网络模型，深层网络模型的输入为某一个训练样本中的前M张图像，输出为预测的遥感图像；
(3)、训练深层网络模型
(3.1)、深层网络模型初始化，设定阈值θ以及学习速率η；
(3.2)、随机选取一个训练样本，将训练样本中的前M帧图像输入至深层网络模型中；
在CNN中，先利用编码器的第第一层提取输入图像的特征，再从第二层开始依次对图像特征进行降维处理，得到降维后的特征图；然后利用解码器对特征图进行升维处理，最终输出覆被演化场Φ；
在STN中，基于演化场Φ，利用STN对输入的第M张图像Pm转化成预测输出图像Pn；
(3.3)、计算预测输出图像Pn与该样本中第M+1张图像Pm+1之间的像素误差平方和，记为Σ；计算演化场Φ的梯度值ΔΦ；再将Σ与ΔΦ的和作为该训练样本的损失函数值；
(3.4)、重复步骤(3.2)～(3.3)，直至计算出所有训练样本的损失函数值，将所有训练样本损失函数值相加，作为深层网络模型的损失函数值，记为Ω；
(3.5)、比较Ω与θ的大小，如果Ω＜θ，则终止训练，得到训练好的深层网络模型，否则，进入步骤(3.6)；
(3.6)、利用批量梯度下降算法在损失函数负梯度方向，根据负梯度方向以学习速率η更新深层神经网络模型中的权重参数，然后返回步骤(3.2)，再次利用训练样本集进行下一轮训练；
(4)、地表覆被预测
采集M张待预测地区的遥感图像并按时间顺序编号，然后将编号后的遥感图像序列输入训练好的深层网络模型，其输出图像为该预测地区未来的地表覆被预测图像。
2.根据权利要求1所述的一种基于深层神经网络的遥感图像覆被变化检测方法，其特征在于，所述深层网络模型的具体结构为：STN级联在CNN之后；其中，CNN采用UNet的结构，包括编码器和解码器，级数均为N；编码器第n层卷积层提取的图像特征Cn与解码器第N-n层反卷积层的输出Rn同尺寸，Cn与Rn进行通道拼接后，输入至第N-n+1层反卷积层，输出得到升维的特征图Rn-1，然后以此类推，直到第N层反卷积层，最后以C1与R1拼接后的多通道特征图为输入，经反卷积得到遥感图像的演化场Φ；
在STN中，基于演化场Φ，将输入的第M张图像Pm转化成预测输出图像Pn，具体转换的公式为：
Pn(p)＝Pm·Φ(p)＝∑q∈Z(p')Pm(q)Πd∈{x,y}(1-|p'd-qd|)
其中，·表示空间变换方法，基于演化场Φ通过线性插值将图像Pm变换成输出预测图像Pn；p为Pn中的任意一个像素点的像素坐标，p'＝p+Φ(p)为根据演化场Φ计算出的p在Pm中所对应的亚像素点坐标；Z(p')为亚像素点p'对应的4个邻域像素点坐标的集合，d表示图像的像素点坐标维度，p'd、qd分别表示p'、q在维度d下的坐标值。
一种基于深层神经网络的遥感图像覆被变化检测方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于压缩-激励伪三维网络的视频理解方法 | 2020-05-14 | 563 |
| 面向乙烯裂解炉管重管识别的嵌入式DCNN压缩方法 | 2020-05-13 | 124 |
| 一种基于BIM的深基坑工程安全监测系统 | 2020-05-11 | 866 |
| 一种组合深度学习和概念图谱的电力故障事件抽取方法 | 2020-05-11 | 271 |
| 一种基于双重交错的医学图像分割网络 | 2020-05-15 | 751 |
| 一种基于张量流递归神经网络的检测分拨系统及方法 | 2020-05-08 | 721 |
| 一种识别数字串读法的方法及装置 | 2020-05-13 | 746 |
| 一种特征图深度融合的人车目标检测方法 | 2020-05-14 | 377 |
| 一种基于句法模式和机器学习的开放式关系的抽取方法 | 2020-05-12 | 901 |
| 一种基于深度学习的星系分类与识别的方法及装置 | 2020-05-12 | 454 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
