一种基于CNN的SAR图像变化检测方法

• 作者: 张磊 张衡 徐真 李宁 王宇
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: SAR图像 变化检测 卷积神经网络
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 论文
• 页码范围: 483-491
• 页数: 9页
• 分类号: TP753
• 字数: 5077字
• 语种: 中文
• DOI: 10.12000/JR17075

摘要

该文提出了一种基于卷积神经网络(CNN)及有效图像预处理的合成孔径雷达(SAR)图像变化检测方法.为了验证方法的有效性,以2011年日本仙台地区地震导致的城区变化为例进行了研究.在预处理中分别利用DEM模型以及Otsu方法对SAR图像中的山体和水体进行了提取和去除.利用多层卷积神经网络从SAR图像中自动学习目标特征,再利用学习到的特征对图像进行分类.训练集和测试集的分类精度分别达到了98.25％和97.86％.利用图像差值法得到分类后的SAR图像变化检测结果,并验证了该方法的准确性和有效性.另外,文中给出了基于CNN的变化检测方法和传统方法的对比结果.结果表明,相对于传统方法,基于CNN的变化检测方法具有更高的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	中国科学院电子学研究所	307	3154	27.0	45.0
2	李宁	中国科学院电子学研究所	304	5119	38.0	59.0
3	王宇	中国科学院电子学研究所	211	1906	23.0	32.0
4	张衡	中国科学院电子学研究所	16	65	5.0	7.0
8	徐真	中国科学院电子学研究所	2	12	1.0	2.0