基于复数深度网络的SAR图像变化检测
遥感图像的变化检测是个很重要的研究方向,尤其因为SAR成像不受天气空间等的限制,针对SAR图像的变化检测也越发受到重视.深度学习在近几年得到了前所未有的迅猛发展,但现有的深度学习大都是基于实数的操作.这需要考虑如何将两幅原始图像连接并输入网络,现有的方法都采用的沿着图像色彩通道方向拼接两幅图像,但色彩通道之间往往是不相关的,因此这会将两幅图像原本的关联隐藏掉.本文提出了一种基于复数神经网络的SAR图像变化检测方法,将新颖的复数神经网络用在了SAR图像变化检测上,通过组合复数让网络在训练时学到图像间的关联,成功的提升了SAR图像变化检测的效果.该方法的贡献在于将变化检测问题中原始的两组数据自然组合成为复数,并在网络中使用复数卷积和全连接对数据进行处理,有效提升了变化检测的精度.理论分析和实验结果证明了该方法的有效性.
遥感图像 变化检测 复数深度网络 数据处理
王钟书 公茂果 张明阳 刘红英 武越 王善峰
人工智能学院西安电子科技大学 陕西省西安市 710071
国内会议
西安
中文
1-13
2018-10-17（万方平台首次上网日期，不代表论文的发表时间）