【摘 要】
：
遥感图像变化检测是指对同一地表区域在不同时期的遥感图像进行分析从而识别变化区域。SAR图像因其能确保全天时全天候成像且不依赖光照和大气等条件,成为了遥感数据的重要来源。SAR图像变化检测被广泛用于灾害监测、土地利用、军事监测和城市变化分析等。针对如何改进生成对抗网络来更好地利用两时相SAR图像间的差异信息进行研究,论文主要工作如下:（1）提出了基于双差异学习生成对抗网络的SAR图像变化检测方法。通
论文部分内容阅读
遥感图像变化检测是指对同一地表区域在不同时期的遥感图像进行分析从而识别变化区域。SAR图像因其能确保全天时全天候成像且不依赖光照和大气等条件,成为了遥感数据的重要来源。SAR图像变化检测被广泛用于灾害监测、土地利用、军事监测和城市变化分析等。针对如何改进生成对抗网络来更好地利用两时相SAR图像间的差异信息进行研究,论文主要工作如下:（1）提出了基于双差异学习生成对抗网络的SAR图像变化检测方法。通过双差异学习生成对抗网络中生成器和判别器的对抗过程,实现了一个时相到另一时相图像的转变,且在此转变过程中提取到的差异信息能够更好地区分变化类和不变类。该方法是目前首个利用从一个时相到另一时相图像转变的差异进行变化检测的方法。对提取到的差异信息进行分析时,能够通过反向传播算法将网络参数更新到待转变时相图像的原始状态处,因此避免了生成差异图再分析这类方法中会丢失图像原始信息的不足。双差异学习生成对抗网络中的两个生成器分别用来提取不同时相SAR图像间双向转变的差异信息,同时送入分类网络进行处理,进一步提升了变化类和不变类的区别。在多个SAR图像数据集上的变化检测实验结果验证了该方法的有效性。（2）提出了基于对比约束增强和特征差分融合的SAR图像变化检测方法。因成像条件不同或者由于地表覆盖类型不变但数量和状态发生变化,造成了两时相图像在幅值上存在差异。对于此问题,该方法首先通过对比约束生成对抗网络来生成不变类间差异更小、变化类间差异更大的图像,同时所生成图像的细节信息则会尽可能接近图像原始信息,从而增强了不变类与变化类间的对比度,使得图像级的判别性能得到增强,不变类和变化类之间的判别更为简易。该方法随后通过特征差分融合网络提取特征并获取了多层级的差分特征,对多层级的差分特征分别进行上采样和下采样的初步融合后再进一步融合,因而能更好地综合利用深度神经网络不同层级的特征,从而增强了在特征级的判别能力。实验结果证明了该方法在变化检测任务上的有效性。
其他文献
随着科技水平的发展,水下探测已经成为世界范围内一项重要的科学探测工作。水下光学成像是开展水下科探的重要手段之一,其图像质量是影响探测成效的关键因素。然而,复杂的水体环境致使水下物体成像时受悬浮颗粒吸收和散射作用影响,形成模糊的边界与较低的对比度,水中物体难以被辨认,同时呈现不同程度的蓝绿色偏,不能反映水下物体的真实样貌,也为后续一些图像处理高级任务带来困难。水下图像复原处理能够提升这类图像的清晰程
恒虚警率处理作为雷达系统中实现自动目标检测的重要技术手段,是当今雷达信号处理领域中不可或缺的一部分。雷达工作的电磁环境随着军用、民用无线电技术的快速发展和应用而变得日益复杂,其对目标检测方法的性能要求也在不断提高。最早被提出的经典恒虚警率处理方法由于不具备自适应的特性,在复杂的背景环境中往往无法保持良好的检测性能。因此,如何根据参考单元的样本特性自适应的计算检测门限就成为了恒虚警率方法研究的主要方
随着信息时代的逐步发展,人们对图像分辨率的要求也越来越高。由于通过改进硬件提升拍摄图像分辨率的方案成本较高且存在瓶颈,人们对已获取的图像分辨率也有提升需求,因此,超分辨率重建技术通过使用数字信号处理的方法提高图像分辨率,获得了国内外学术界与商业界的极大关注和深入研究。基于深度学习的图像超分辨重建方法是近年来新兴的一类方法,此类方法主要使用卷积神经网络从大量的低分辨率-高分辨率图像对中学习二者间的映
目标检测与跟踪是计算机视觉领域的研究热点,随着技术的高速发展,逐渐应用到了生活、军事等各个领域。尽管已经有很多优秀的算法被提出,但在实际应用场景中,对检测算法的实时性要求较高,而且尺度变化、遮挡等因素会对跟踪算法造成较大的影响,目标检测与跟踪技术依然存在很大挑战。本文主要研究了基于深度学习的目标检测算法和基于核相关滤波的目标跟踪算法,针对存在的问题做出了相应改进。主要内容与改进工作如下:对基于深度
随着社会的不断发展和人们生活水平的日益提高,人们开始更加重视人类自身的身体属性在科技进步中的重要性,利用人体姿态提取技术开发相关的应用技术以及分析海量的图像、视频数据已经成为了当今互联网发展的主流趋势。而单人姿态估计作为人体姿态提取技术的基础,自然成为了众多领域的基础技术。人体姿态的关节点相比于其他任务,尺度较小,对遮挡以及模糊非常敏感,因此算法在设计过程中对精度和鲁棒性都有非常高的要求,目前的单
雷达信号处理是通过对雷达回波数据进行分析和处理来获得感兴趣目标的速度、角度和高度等有用信息的一种处理方式。由于雷达的接收回波数据中会存在着大量的强杂波干扰,这会严重影响雷达对感兴趣目标的检测、定位、跟踪及识别等性能。为了降低杂波对雷达目标探测性能的影响,需在对复杂环境中杂波特性研究的基础上,再通过设计性能良好的滤波器来抑制杂波对雷达目标探测的影响。因此,杂波的参数估计和杂波抑制滤波器的设计方式是实
随着无线通信技术的蓬勃发展和广泛应用,人们对信息的高效可靠传输提出了更高的要求。无线通信系统中始终面临的一个关键问题是如何在信道条件不断地随着时间变化的情况下实现一种具有高吞吐率的通信协议。与固定码率编码方案不同,无码率码能够根据干扰情况自适应地调整传输的编码符号数量,而无需对信道质量进行估计或对码率进行显式调整。在面对快速变化或无法估计的信道时,无码率码的优势更为显著。作为一种无码率码,Spin
线性调频信号是一种非平稳信号,由于其截获概率低、作用距离远以及具有大时宽带宽积等优点,广泛应用于雷达、声呐、通信以及地震探测等领域。传统的线性调频信号的检测与参数估计方法大多是在高斯噪声环境下进行的,但近年来研究发现,实际应用中的噪声大多是非高斯的,更适合用alpha稳定分布模型描述。这种背景下,基于高斯噪声模型的信号处理方法均不再适用。因此,开展alpha稳定分布噪声下线性调频信号检测与参数估计