基于胶囊网络的遥感图像变化检测方法研究的开题报告.docx

基于胶囊网络的遥感图像变化检测方法研究的开题报告
一、选题背景
随着遥感技术的发展，高分辨率遥感图像的获取及应用得到了广泛关注。遥感图像变化检测是遥感图像应用的重要领域之一，主要应用于城市规划、农业监测、自然资源调查等领域。遥感图像变化检测需要对两幅或多幅遥感图像进行比较分析，以提取出图像中的变化信息。在变化检测方法中，基于深度学习的检测算法由于具有优秀的特征学习能力和表达能力，近年来逐渐得到了应用。特别是胶囊网络，作为一种新兴的神经网络模型，具有比传统神经网络更好的特征提取、分类性能及更强的解释能力。因此，采用基于胶囊网络的遥感图像变化检测方法，能够更准确、高效地提取出图像中的变化信息。
二、研究意义
目前，现有的遥感图像变化检测方法存在局限性，如对遥感图像像元分类不准确、对时序影像变化信息提取鲁棒性不够等问题，限制了遥感图像变化检测的应用场景。此外，在地球上很多区域，由于天气、云层、植被、光照等环境因素的影响，遥感图像的准确分析会受到干扰。因此，如何准确、高效地提取遥感图像变化信息，对于保障国家经济发展，保障国家安全等具有重要意义。
三、研究内容和技术路线
1.研究目标
本文旨在研究基于胶囊网络的遥感图像变化检测方法，利用深度学习算法从遥感图像中提取变化信息并实现分类。
2.数据准备
通过卫星遥感图像获取两幅或多幅时序遥感图像，武汉市区林道街的高分影像作为测试样本。
3.方法流程
第一步：对两幅时序遥感图像进行预处理，包括图像去噪、增强等操作。
第二步：采用胶囊网络，分别对两幅时序遥感图像进行特征提取。
第三步：基于深度学习模型，对两幅时序遥感图像进行像素分类。其中，卷积神经网络（CNN）用于提取特征，Capsule网络用于进一步提取特征并获取上下文信息，分类器用于实现像素分类。
第四步：根据像素分类结果，将两幅时序遥感图像进行差异图像分割，提取出图像中的变化信息。
4.研究思路
（1）数据准备：获取两幅或多幅遥感影像数据，对数据进行预处理，包括去噪和增强等操作，保证数据的质量和可靠性。
（2）模型建立：选择胶囊网络，构建适合遥感图像变化检测的模型，通过多层次多尺度的特征提取和上下文信息提取，最终实现遥感图像变化检测。
（3）算法实现：利用Python语言和Tensorflow框架、Keras库来实现具体的算法，并利用Matlab进行实验数据处理和结果可视化。
（4）实验验证：通过真实数据和模拟数据测试算法的性能和精度，进一步确定其适用范围和局限性。
四、预期成果
本文通过研究基于胶囊网络的遥感图像变化检测方法，将在以下方面取得论文初步成果：
1.采用深度学习模型提取遥感图像变化信息，实现高效准确的变化检测。
2.将胶囊网络应用于遥感图像变化检测，通过多层次多尺度的特征提取和上下文信息提取，提升变化检测的精度和效率。
3.利用真实数据和模拟数据测试算法的性能和精度，验证算法在遥感图像变化检测中的实用性和可行性。
五、论文进度安排
论文进度安排如下表所示：
|时间|任务|
|------------|--------------------------|
|2022年7月|立项、设计研究方案|
|2022年8月~9月|数据采集和处理|
|2022年10月~12月|算法建立和实现|
|2023年1月~4月|模型优化和算法测试|
|2023年5月~6月|结果分析、撰写论文|
|2023年7月~8月|论文修改和完善|
|2023年9月~10月|学位论文答辩|
六、参考文献
[1]Ronneberger,O.,Fischer,P.,&Brox,T.U-Net:ConvolutionalNetworksforBiomedicalImageSegmentation.(CVPR2015),1-8.
[2]Sabour,S.,Frosst,N.,&Hinton,G.E.(2017).Dynamicroutingbetweencapsules.Advancesinneuralinformationprocessingsystems,3859-3869.
[3]Han,H.X.(2018).AnovelmethodforchangedetectioninmultispectralsatelliteimagesbyusingCNNandFBPalgorithms.NeuralComputingandApplications,30(9),2675-2684.
[4]Liao,G.P.,Wang,F.W.,&Chen,Z.H.(2019).ASelf-Attention-BasedSpatio-TemporalGraphConvolutionalNetworkforChangeDetectioninMultisourceRemoteSensingIm