5、基于深度学习方法的SAR图像变化检测

基于深度学习方法的SAR图像变化检测

1. 方法概述

该方法用于对不同时间获取的两幅SAR图像（I1和I2）进行变化检测。从预变化图像I1中提取一组未标记样本X，用其无监督地训练一个具有L层的卷积自动编码器（CAE）。训练好的模型分别处理I1和I2，从L’ < L的模型层中提取双时相深度特征图，比较并融合这些特征图以检测变化（ωc）和未变化（ωnc）的像素。

2. 无监督CAE训练

CAE通过对未标记训练样本（X）进行无监督学习，学习空间上下文特征，使输出图像尽可能接近输入图像。CAE包含L个卷积层，分为编码器和解码器，还包括步幅卷积层（编码器中）、反卷积层（解码器中）、批量归一化（BN）层和泄漏修正线性单元（Leaky ReLU）激活函数。

• BN层 ：在模型处理批次时对批次内的值进行归一化，提高模型的学习速度。
• Leaky ReLU ：改进了ReLU函数，保留了其非线性特性，同时改善了对负值的处理，将负值转换为接近0的值，函数为y = αx。

特征图的定义为：$H_{n,l} = φ(W_{l - 1,l} * H_{n,l - 1} + b_l)$，其中$H_{n,0} = X_n$，$W_{l - 1,l}$是层l的权重矩阵，$b_l$是层l的偏置，$φ(.)$是Leaky ReLU激活函数。训练通过最小化均方误差（SSE）来减少重建误差，使输出尽可能接近输入：
$SSE = \sum_{n = 1}^{N}(X_n - X’_n)^2$

3. 特征提取