基于并行双域网络的SAR图像变化检测方法研究.pdf

基于并行双域网络的SAR图像变化检测方法研究

摘要

SyntheticApertureRadarSARSAR

合成孔径雷达（，）图像变化检测是指通过比较利用

技术获取的两幅图像来识别和分析地表或目标发生变化的情况。通过利用SAR图像变

化检测技术，可以实现高效的检测和分析，为各种领域决策的制定提供重要的数据支持。

然而，由于SAR图像可独立于光照进行成像的特殊原理，导致图像中存在大量散斑噪

声，这使得检测过程容易受到噪声干扰。同时，当SAR图像中存在小区域变化时，方法

的检测结果通常不尽如人意。此外，可用的真实卫星数据集的数量有限，并且许多检测

算法忽视了算法可视化的重要性，这限制了检测算法在实际场景中的应用。针对上述问

题，本文分别从提高对小尺寸变化区域的检测能力、降低散斑噪声对检测的影响、提高

检测方法可应用性三个方面对其展开研究。

1.在SAR图像对中存在小尺寸变化区域的情况下，本文提出了基于空域多尺度和

深层频域的并行双域SAR图像变化检测方法。该方法首先利用聚类进行预分类实现无

监督检测，以此解决人工标记数据缺乏的问题。其次，该方法从空间域和频域两个角度

对图像进行特征提取，以便网络能够捕获到更全面的图像特征。与此同时，为了使网络

对小尺寸变化区域更敏感，在空间域提出了多区域多尺度的特征提取方法并且引入了注

意力机制，在频域使用了门控线性单元，以此提高网络对变化细节的捕捉能力。最后，

通过在四组公开数据集和一组手工制作数据集上与其他先进算法进行比较，实验结果显

示，所提的方法在五组数据集上均表现出最佳的检测结果，从而证明其该方法的有效性。

2.在SAR图像噪声含量不同或高噪声含量的情况下，本文提出了基于显著性区域

引导的并行双域SAR图像变化检测方法。显著性区域可以有效抑制SAR图像的背景和

噪声，从而降低其在后续检测过程中带来的干扰。该方法首先利用对比线索和空间线索，

改进了基于聚类的显著性检测，通过显著性检测实现对差异图中显著性区域的提取。同

时利用显著性区域的特点对训练样本的选择进行了优化。除此之外，将显著性检测与基

于空域多尺度和深层频域的并行双域SAR图像变化检测相结合，通过从粗到细的检测

获得最终的结果。通过在四组公开数据集和一组手工制作数据集上与其他先进算法进行

比较，该方法在所有数据集上均展现出最佳的检测结果，从而验证了其有效性。

3.针对真实卫星数据集有限与检测算法可视化界面被忽视的问题，本文根据真实

的卫星数据构建了四组专用于SAR图像变化检测的数据集，并设计开发了相应的可视

哈尔滨工程大学硕士论文

化界面。这些数据集可用于进行城市变化检测的相关评估，而可视化界面的设计使得更

多非专业人士能够使用SAR图像变化检测技术，促进其发展与推广。

关键词：SAR图像；变化检测；注意力机制；门控线性单元；显著性检测；卷积神经

网络

基于并行双域网络的SAR图像变化检测方法研究

Abstract

SyntheticApertureRadar(SAR)imagechangedetectionistoidentifyandanalyzechanges

inthesurfaceortargetbycomparingtwoimagesobtainedusingSARtechnology.SARimage

changedetectiontechnologycanachieveefficientdetectionandanalysis,andimportantdata

supportcanbeprovidedfordecision-makinginvariousfields.However,duetothespecial

pr