基于形态学监督PCA-Net的不平衡学习自动SAR图像变化检测

摘要： 由于未变化类与变化类之间存在不平衡性，变化检测是一项极具挑战性的任务。此外，传统对数比生成的差异图易受斑点噪声影响，这将降低检测精度。本文提出一种基于主成分分析网络（PCA-Net）的不平衡学习变化检测方法，通过设计监督式PCA-Net直接从给定的多时相合成孔径雷达（SAR）图像中获取鲁棒特征，而非依赖差异图。为解决变化类与未变化类的不平衡问题，我们提出形态学监督学习方法，利用两类边界附近像素的知识来指导网络训练。最终提出的PCA-Net可通过含参考图的数据集进行训练，并应用于新数据集，在实际变化检测项目中具有显著实用性。我们在五组多时相SAR图像上验证了该方法，实验结果表明：借助边界训练样本的知识，所学特征能有效提升变化检测效果，使本方法优于随机抽样训练的监督方法。