《雷达学报杂志》发表论文赏析
作者:徐真, 王宇, 李宁, 张衡, 张磊
单位:1.中国科学院电子学研究所 北京 100190;2.中国科学院大学 北京 100049;
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。
关键词:SAR图像, 变化检测, 卷积神经网络
基金资助:国家重点研发计划(2017YFB0502700),中科院国防科技创新基金面上项目
2017年5期其他文献查阅:
一种极化熵结合混合GEV模型的全极化SAR潮间带区域地物分类方法