基于CNN和SIFT特征的遥感图像变化检测

论文摘要

提出了一种基于卷积神经网络和SIFT特征的遥感图像变化检测方法。起先用该方法将用SIFT把特征从原始图像中提取,接着将提取的SIFT特征组合在一起训练卷积神经网络,用训练后的神经网络来完成遥感图像的变化检测。SIFT具有旋转、尺度缩放、亮度变化和平移不变性的特性,这些优点能使卷积神经网络可以在训练时保持提取的特征不变,分别对两组遥感图像数据集进行实验,从实验结果可以看出该方法不但可以有效地提高变化检测精度,而且对不同的遥感图像表现出较强的鲁棒性。

论文目录

• 0 引 言
• 1 卷积神经网络和SIFT及评价标准
•   1.1 卷积神经网络结构和原理
•   1.2 SIFT算法
•     1)构造出需要的尺度空间
•     2)找出尺度空间的极值点
•     3)找出合适的关键点
•     4)找到关键点的主要方向
•     5)形成关键点的描述子的过程
•   1.3 评价标准
• 2 本文算法的具体步骤
• 3 实验结果
• 4 结 论

文章来源

类型: 期刊论文

作者: 李学亮,王维

关键词: 卷积神经网络,特征,变化检测,鲁棒性

来源: 电子测量技术 2019年21期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 工业通用技术及设备,自动化技术

单位: 河海大学计算机与信息学院

分类号: TP751;TP183

DOI: 10.19651/j.cnki.emt.1903010

页码: 87-91

总页数: 5

文件大小: 233K

下载量: 227