申请/专利权人：西北工业大学

申请日：2022-05-25

公开（公告）日：2024-03-19

公开（公告）号：CN115082780B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/764;G06V10/774;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明公开了一种基于增量式差异学习网络的多源异质影像变化检测方法，包括：构建两幅多源异质遥感影像的原始训练样本；利用两组原始训练样本分别训练SDAE，构建差异学习网络；根据两组原始训练样本和差异学习网络在当前次迭代中的目标函数训练差异学习网络，得到当前次迭代中的预分类结果图；利用其和预设的样本筛选策略确定当前次迭代中的分类器训练集，并训练分类器得到当前次迭代中的分类器的训练损失；判断是否达到迭代停止条件；若否利用当前次迭代中的分类器的训练损失更新差异学习网络的目标函数并返回差异学习网络训练；若是利用当前次迭代中训练完成的分类器得到两幅多源异质遥感影像的变化检测结果图。本发明能提高检测精度。

主权项：1.一种基于增量式差异学习网络的多源异质影像变化检测方法，其特征在于，包括：对获取的两幅多源异质遥感影像，分别构建原始训练样本；利用得到的两组原始训练样本分别训练预设的深度去噪自动编码器，基于训练完成的两个深度去噪自动编码器构建差异学习网络；根据所述两组原始训练样本和所述差异学习网络在当前次迭代中的目标函数，对所述差异学习网络进行训练，得到所述两组原始训练样本在当前次迭代中的预分类结果图；利用得到的预分类结果图和预设的样本筛选策略，确定当前次迭代中的分类器训练集，利用所述当前次迭代中的分类器训练集对所述分类器进行训练，得到当前次迭代中的分类器的训练损失和训练完成的分类器；判断当前次迭代是否达到预设的迭代停止条件；若否，利用当前次迭代中的分类器的训练损失更新所述差异学习网络的目标函数，并返回执行所述根据所述两组原始训练样本和所述差异学习网络在当前次迭代中的目标函数，对所述差异学习网络进行训练的步骤；若是，利用当前次迭代中训练完成的分类器，得到所述两幅多源异质遥感影像的变化检测结果图；其中，所述利用得到的预分类结果图和预设的样本筛选策略，确定当前次迭代中的分类器训练集，包括：针对每组原始训练样本，对该组原始训练样本中的每个像素，通过判断当前次迭代获得的预分类结果图中，该像素的预分类结果值是否满足预设的样本筛选策略，确定该组原始训练样本对应的分类器新增训练集；将所述两组原始训练样本的分类器新增训练集添加入上一次迭代中的分类器训练集中，得到当前次迭代中的分类器训练集；其中，针对首次迭代，上一次迭代中的分类器训练集为空集；其中，所述针对每组原始训练样本，对该组原始训练样本中的每个像素，通过判断当前次迭代获得的预分类结果图中，该像素的预分类结果值是否满足预设的样本筛选策略，确定该组原始训练样本对应的分类器新增训练集，包括：若当前次迭代为首次迭代，针对每组原始训练样本，对该组原始训练样本中的每个像素，判断首次迭代获得的预分类结果图中，该像素的预分类结果值是否大于预设阈值，如果是，将该像素确定为首次迭代中分类器的一个新增训练样本，将该像素的预分类结果值确定为对应的伪标签；并由两组原始训练样本获得的所有新增训练样本和对应的伪标签构成首次迭代中的分类器新增训练集；若当前次迭代为首次迭代之后的任一次迭代，针对每组原始训练样本，对该组原始训练样本中的每个像素，将该像素确定为当前次迭代中分类器的一个新增训练样本，判断包括当前次迭代在内的各次迭代获得的所有预分类结果图中，该像素的预分类结果值的平均值是否大于预设阈值，如果是，将该像素在当前次迭代获得的预分类结果值确定为对应的伪标签；如果否，将该像素在前一次迭代获得的预分类结果值确定为对应的伪标签；并由两组原始训练样本获得的所有新增训练样本和对应的伪标签构成当前次迭代中的分类器新增训练集。

全文数据：

权利要求：

百度查询： 西北工业大学 基于增量式差异学习网络的多源异质影像变化检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD