基于卷积-小波神经网络的SAR图像海冰变化检测方法（MATLAB R2018A）

2024-06-02 13:04
文章标签 matlab 方法 图像 卷积 神经网络 sar 海冰 小波 变化检测 r2018a

本文主要是介绍基于卷积-小波神经网络的SAR图像海冰变化检测方法（MATLAB R2018A），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

海冰是冰冻圈的重要组成部分，海冰的变化信息对航行安全和自然资源开采等非常重要，许多船舶没有加固防冰设备，因此，必须避开所有的冰区。尤其当冰压很高时，即使破冰船也很难在冰层中前行。为了安全航行，获取发生改变的冰层覆盖信息具有重要价值。通过分析在同一地理区域内不同时间拍摄的两张遥感图像来识别海冰中明显变化的区域，从而对海冰变化检测进行研究。合成孔径雷达SAR图像已被证明是海冰监测的理想来源，因其有源微波传感器，可以全天时主动获取地表遥感信息，且不受阳光条件和云层覆盖的影响。但也因其存在固有的乘性散斑噪声，为SAR图像的变化检测带来挑战性。由于缺乏强大的自动图像解读技术，依靠人工对SAR图像中的海冰变化信息进行检测耗时且主观。目前，现有的海冰变化检测方法还面临一些问题，如抗噪性能不强，差分图像质量不高，分类效果不好，以及海冰变化检测数据集稀少等。

通常图像的变化检测可分为监督和无监督方法。与监督方法相关的主要问题是缺乏地面参考数据，这通常涉及劳动密集型和耗时的人工标记过程。因此，无监督方法在该领域得到了广泛的发展和应用。无监督方法主要组成部分包括:图像预处理，差分图像生成，以及变化区域分割。图像预处理主要包括几何校正和去噪，在生成差分图像时，主要有差值法、比值法、对数比算子、均值比算子、基于邻域的比值差异法等。通常使用对数比算子，因为它对散斑噪声具有鲁棒性。图像分割阶段，聚类方法非常流行，聚类就是将数据集中大量未标注的数据按照某种相似性进行划分，并通过迭代运算调整优化聚类中心，将相似度大的数据划为一类，而不同类别之间的数据保持较大的差异性，因为它们不需要差分图像分布。

鉴于此，采用一种基于卷积-小波神经网络的SAR图像海冰变化检测方法，网络结构如下：

图片

 


function CM = hclustering(pixel_vector, Xd)[ylen, xlen] = size(Xd);% feature vectors are divided into three categories by using FCMoptions = [2.0; 100; 1e-5; 0];fprintf('... ... 1st round clustering ... ...\n');
[center,U,obj_fcn] = fcm(pixel_vector,2, options);maxU = max(U);
index{1} = find(U(1,:) == maxU);
index{2} = find(U(2,:) == maxU);  
if numel(index{1})<numel(index{2})ttr = numel(index{1})/(ylen*xlen)*1.25;ttl = numel(index{1})/(ylen*xlen)/1.10;
elsettr = numel(index{2})/(ylen*xlen)*1.25;ttl = numel(index{2})/(ylen*xlen)/1.10;
endc_num = 5;
fprintf('... ... 2nd round clustering ... ...\n');
[center,U,obj_fcn] = fcm(pixel_vector,c_num, options);Xdk =  zeros(ylen*xlen, 1);
CMk0 = zeros(ylen*xlen, 1);Xdk = reshape(Xd, ylen*xlen, 1);maxU = max(U);for i = 1:c_numindex{i} = find(U(i,:) == maxU);    
endfor i = 1:c_numidx_mean(i) = mean(Xdk(index{i}));
end[idx_mean, idx] = sort(idx_mean);for i = 1:c_numidx_num(i) = numel(index{idx(i)});
endCMk0(index{idx(c_num)}) = 0.0;
c = idx_num(c_num);
mid_lab = 0;for i = 1:c_num-1c = c+idx_num(c_num-i);if c / (ylen*xlen) < ttlCMk0(index{idx(c_num-i)}) = 0.0;elseif c / (ylen*xlen) >= ttl && c / (ylen*xlen) < ttrCMk0(index{idx(c_num-i)}) = 0.5;mid_lab = 1;elseif mid_lab == 0CMk0(index{idx(c_num-i)}) = 0.5;mid_lab = 1;elseCMk0(index{idx(c_num-i)}) = 1;endend
end
基于卷积-小波神经网络的SAR图像海冰变化检测方法（MATLAB 2018）
原创2024-06-02 11:48·哥本哈根诠释2023
海冰是冰冻圈的重要组成部分，海冰的变化信息对航行安全和自然资源开采等非常重要，许多船舶没有加固防冰设备，因此，必须避开所有的冰区。尤其当冰压很高时，即使破冰船也很难在冰层中前行。为了安全航行，获取发生改变的冰层覆盖信息具有重要价值。通过分析在同一地理区域内不同时间拍摄的两张遥感图像来识别海冰中明显变化的区域，从而对海冰变化检测进行研究。合成孔径雷达SAR图像已被证明是海冰监测的理想来源，因其有源微波传感器，可以全天时主动获取地表遥感信息，且不受阳光条件和云层覆盖的影响。但也因其存在固有的乘性散斑噪声，为SAR图像的变化检测带来挑战性。由于缺乏强大的自动图像解读技术，依靠人工对SAR图像中的海冰变化信息进行检测耗时且主观。目前，现有的海冰变化检测方法还面临一些问题，如抗噪性能不强，差分图像质量不高，分类效果不好，以及海冰变化检测数据集稀少等。通常图像的变化检测可分为监督和无监督方法。与监督方法相关的主要问题是缺乏地面参考数据，这通常涉及劳动密集型和耗时的人工标记过程。因此，无监督方法在该领域得到了广泛的发展和应用。无监督方法主要组成部分包括:图像预处理，差分图像生成，以及变化区域分割。图像预处理主要包括几何校正和去噪，在生成差分图像时，主要有差值法、比值法、对数比算子、均值比算子、基于邻域的比值差异法等。通常使用对数比算子，因为它对散斑噪声具有鲁棒性。图像分割阶段，聚类方法非常流行，聚类就是将数据集中大量未标注的数据按照某种相似性进行划分，并通过迭代运算调整优化聚类中心，将相似度大的数据划为一类，而不同类别之间的数据保持较大的差异性，因为它们不需要差分图像分布。鉴于此，采用一种基于卷积-小波神经网络的SAR图像海冰变化检测方法，网络结构如下：function CM = hclustering(pixel_vector, Xd)[ylen, xlen] = size(Xd);% feature vectors are divided into three categories by using FCMoptions = [2.0; 100; 1e-5; 0];fprintf('... ... 1st round clustering ... ...\n');
[center,U,obj_fcn] = fcm(pixel_vector,2, options);maxU = max(U);
index{1} = find(U(1,:) == maxU);
index{2} = find(U(2,:) == maxU);  
if numel(index{1})<numel(index{2})ttr = numel(index{1})/(ylen*xlen)*1.25;ttl = numel(index{1})/(ylen*xlen)/1.10;
elsettr = numel(index{2})/(ylen*xlen)*1.25;ttl = numel(index{2})/(ylen*xlen)/1.10;
endc_num = 5;
fprintf('... ... 2nd round clustering ... ...\n');
[center,U,obj_fcn] = fcm(pixel_vector,c_num, options);Xdk =  zeros(ylen*xlen, 1);
CMk0 = zeros(ylen*xlen, 1);Xdk = reshape(Xd, ylen*xlen, 1);maxU = max(U);for i = 1:c_numindex{i} = find(U(i,:) == maxU);    
endfor i = 1:c_numidx_mean(i) = mean(Xdk(index{i}));
end[idx_mean, idx] = sort(idx_mean);for i = 1:c_numidx_num(i) = numel(index{idx(i)});
endCMk0(index{idx(c_num)}) = 0.0;
c = idx_num(c_num);
mid_lab = 0;for i = 1:c_num-1c = c+idx_num(c_num-i);if c / (ylen*xlen) < ttlCMk0(index{idx(c_num-i)}) = 0.0;elseif c / (ylen*xlen) >= ttl && c / (ylen*xlen) < ttrCMk0(index{idx(c_num-i)}) = 0.5;mid_lab = 1;elseif mid_lab == 0CMk0(index{idx(c_num-i)}) = 0.5;mid_lab = 1;elseCMk0(index{idx(c_num-i)}) = 1;endend
endCM = reshape(CMk0, ylen, xlen);
完整代码可通过知乎学术咨询获得：https://www.zhihu.com/consult/people/792359672131756032?isMe=1

结果如下：

图片

图片

图片

工学博士，担任《Mechanical System and Signal Processing》《中国电机工程学报》《控制与决策》等期刊审稿专家，擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。

这篇关于基于卷积-小波神经网络的SAR图像海冰变化检测方法（MATLAB R2018A）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1024046。

相关文章

基于人工智能的图像分类系统

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务，目标是自动识别图像中的对象类别。通过卷积神经网络（CNN）等深度学习技术，我们可以构建高效的图像分类系统，广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统，包括环境
阅读更多...
【C++】_list常用方法解析及模拟实现

【C++】_list常用方法解析及模拟实现

相信自己的力量，只要对自己始终保持信心，尽自己最大努力去完成任何事，就算事情最终结果是失败了，努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一：什么是list？ •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二：list常用接口 •🌰1.默认成员函数 🔥构造函数（⭐） 🔥析构函数 •🌰2.list对象
阅读更多...
浅谈主机加固，六种有效的主机加固方法

浅谈主机加固，六种有效的主机加固方法

在数字化时代，数据的价值不言而喻，但随之而来的安全威胁也日益严峻。从勒索病毒到内部泄露，企业的数据安全面临着前所未有的挑战。为了应对这些挑战，一种全新的主机加固解决方案应运而生。 MCK主机加固解决方案，采用先进的安全容器中间件技术，构建起一套内核级的纵深立体防护体系。这一体系突破了传统安全防护的局限，即使在管理员权限被恶意利用的情况下，也能确保服务器的安全稳定运行。 普适主机加固措施：
阅读更多...
webm怎么转换成mp4？这几种方法超多人在用！

webm怎么转换成mp4？这几种方法超多人在用！

webm怎么转换成mp4？WebM作为一种新兴的视频编码格式，近年来逐渐进入大众视野，其背后承载着诸多优势，但同时也伴随着不容忽视的局限性，首要挑战在于其兼容性边界，尽管WebM已广泛适应于众多网站与软件平台，但在特定应用环境或老旧设备上，其兼容难题依旧凸显，为用户体验带来不便，再者，WebM格式的非普适性也体现在编辑流程上，由于它并非行业内的通用标准，编辑过程中可能会遭遇格式不兼容的障碍，导致操
阅读更多...
透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

引言 随着时间的发展，大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用，随着人们期望的不断增加，目标也发生了巨大的变化。在短短的几个月的时间里，人们对大模型的认识已经从对其zero-shot能力感到惊讶，转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构（例如Transformer）对海量的、多种多样的数据分布进行建模得到，它包含了大量的先验
阅读更多...
图神经网络模型介绍（1）

图神经网络模型介绍（1）

我们将图神经网络分为基于谱域的模型和基于空域的模型，并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络：谱图卷积网络、切比雪夫网络和图卷积网络。 （1）谱图卷积网络 卷积定理：函数卷积的傅里叶变换是函数傅里叶变换的乘积，即F{f*g}
阅读更多...
【北交大信息所AI-Max2】使用方法

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡，拥有登录权限的账号密码，一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 （如果是1集群把75改成66） 交互式开发 执行器选Terminal 密码随便设一个（需记住） 工作空间：私有数据、全部文件 加速器选GeForce_RTX_2080_Ti
阅读更多...
【VUE】跨域问题的概念，以及解决方法。

【VUE】跨域问题的概念，以及解决方法。

目录 1.跨域概念 2.解决方法 2.1 配置网络请求代理 2.2 使用@CrossOrigin 注解 2.3 通过配置文件实现跨域 2.4 添加 CorsWebFilter 来解决跨域问题 1.跨域概念 跨域问题是由于浏览器实施了同源策略，该策略要求请求的域名、协议和端口必须与提供资源的服务相同。如果不相同，则需要服务器显式地允许这种跨域请求。一般在springbo
阅读更多...
AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出 在数字化时代，文本到语音（Text-to-Speech, TTS）技术已成为人机交互的关键桥梁，无论是为视障人士提供辅助阅读，还是为智能助手注入声音的灵魂，TTS 技术都扮演着至关重要的角色。从最初的拼接式方法到参数化技术，再到现今的深度学习解决方案，TTS 技术经历了一段长足的进步。这篇文章将带您穿越时
阅读更多...
模版方法模式template method

模版方法模式template method

学习笔记，原文链接 https://refactoringguru.cn/design-patterns/template-method 超类中定义了一个算法的框架， 允许子类在不修改结构的情况下重写算法的特定步骤。 上层接口有默认实现的方法和子类需要自己实现的方法
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2