一种遥感图像对比分析方法及系统技术方案

本发明专利技术涉及一种遥感图像对比分析方法及系统，方法包括：S1：通过全卷积网络分别对同一地区不同时间拍摄的两张遥感图像中的地物进行识别和分割，得到两张遥感图像中所有地物的分割图像，全卷积网络包括多个卷积层组和多个反卷积层，其中，卷积层组包括交替排列的卷积层和稀松卷积层；S2：对两张遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。本发明专利技术的有益效果是：本技术方案对大气、季节等干扰因素的容错性较好，对密集型地物的识别率较高。

【技术实现步骤摘要】
一种遥感图像对比分析方法及系统
本专利技术涉及遥感图像对比分析
，尤其涉及一种遥感图像对比分析方法及系统。
技术介绍
对不同时期的遥感图像比对分析也被称为变化检测，是地理信息系统的关键技术，在土地规划、灾害防治、无人机、卫星、无人船与资源监控领域具有十分重要的作用。传统基于像素的比对算法不能很好地排除遥感图像中的干扰，也不能实现遥感图像中地物的分类比对。现有的图像对比方法是把两张图直接作对比，对比结果粗糙不精准。
技术实现思路
本专利技术所要解决的技术问题是：传统基于像素的比对算法不能很好地排除遥感图像中的干扰，也不能实现遥感图像中地物的分类比对，对比结果粗糙不精准。本专利技术解决上述技术问题的技术方案如下：一种遥感图像对比分析方法，包括：S1：通过全卷积网络分别对同一地区不同时间拍摄的两张遥感图像中的地物进行识别和分割，得到两张所述遥感图像中所有地物的分割图像，所述全卷积网络包括多个卷积层组和多个反卷积层，其中，所述卷积层组包括交替排列的卷积层和稀松卷积层；S2：对两张所述遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。本专利技术的有益效果是：通过卷积网络训练的参数结果提取要对比图像的特征并逐像素分类，分类结果是给不同地物填充了不同像素值的图像，这样在分出不同类型的地物的同时标出不同地物的准确边缘，然后以分类结果，即不同地物填充了不同像素值的图像为基础对同一地区不同时间的遥感图像进行对比分析，对比得到某地区两个时间是否发生了变化，本技术方案对大气、季节等干扰因素的容错性较好，对密集型地物的识别率较高。在上述技术方案的基础上，本专利技术还可以做如下改进。优选地，所述步骤S1包括：S11：分别将两张所述遥感图像放入所述全卷积网络；S12：分别将两张所述遥感图像经过至少一个所述卷积层组坐标点标记后的图像与经过所有所述卷积层组和至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到融合图像；S13：分别将两张所述遥感图像与所述融合图像经过至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到地物分类概率图；S14：通过CRF概率模型分别对两张所述地物分类概率图中的地物进行分割，得到两张所述遥感图像中所有地物的分割图像。采用上述进一步方案的有益效果是：该全卷积网络把传统网络的全连接替换成了卷积，添加反卷积层，并将网络前几层的结果与网络最终的结果进行融和，可以得到更多的图像信息；通过CRF概率模型将地物目标从背景中区分出来，得到每个地物的分割图像，以便进行进一步的对比分析。优选地，所述步骤S2中，通过对比神经网络逐一对两张所述遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。优选地，所述对比神经网络为2-channel网络或Siamese网络。采用上述进一步方案的有益效果是：同一地区不同时间的两张遥感图像对比分析，2-channel把两张对比图像分割之后的结果图像作为两个通道直接放入神经网络进行对比；Siamese网络有两个共享参数的网络，把两张结果图像分别作为网络的输入，提取特征后得到对比结果。一种遥感图像对比分析系统，包括：分割模块，用于通过全卷积网络分别对同一地区不同时间拍摄的两张遥感图像中的地物进行识别和分割，得到两张所述遥感图像中所有地物的分割图像，所述全卷积网络包括多个卷积层组和多个反卷积层，其中，所述卷积层组包括交替排列的卷积层和稀松卷积层；对比模块，用于逐一对两张所述遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。优选地，所述分割模块包括：放入子模块，用于分别将两张所述遥感图像放入全卷积网络；第一融合子模块，用于分别将两张所述遥感图像经过至少一个所述卷积层组坐标点标记后的图像与经过所有所述卷积层组和至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到融合图像；第二融合子模块，用于分别将两张所述遥感图像与所述融合图像经过至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到地物分类概率图；分割子模块，用于通过CRF概率模型分别对两张所述地物分类概率图中的地物进行分割，得到两张所述遥感图像中所有地物的分割图像。优选地，所述对比模块具体用于通过对比神经网络逐一对两张所述遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。优选地，所述对比神经网络为2-channel网络或Siamese网络。附图说明图1为本专利技术实施例提供的一种遥感图像对比分析方法的流程示意图；图2为本专利技术另一实施例提供的一种遥感图像对比分析方法的流程示意图；图3为本专利技术实施例提供的一种遥感图像对比分析系统的结构示意图；图4为本专利技术另一实施例提供的一种遥感图像对比分析系统的结构示意图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1所示，本专利技术实施例提供一种遥感图像对比分析方法，包括：S1：通过全卷积网络分别对同一地区不同时间拍摄的两张遥感图像中的地物进行识别和分割，得到两张遥感图像中所有地物的分割图像，全卷积网络包括多个卷积层组和多个反卷积层，其中，卷积层组包括交替排列的卷积层和稀松卷积层；S2：对两张遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。具体地，该实施例中，通过卷积网络训练的参数结果提取要对比图像的特征并逐像素分类，分类结果是给不同地物填充了不同像素值的图像，这样在分出不同类型的地物的同时标出不同地物的准确边缘，然后以分类结果，即不同地物填充了不同像素值的图像为基础对同一地区不同时间的遥感图像进行对比分析，对比得到某地区两个时间是否发生了变化，通过这种方法对大气、季节等干扰因素的容错性较好，对密集型地物的识别率较高，而且能够适应不同尺度的遥感图像。上述实施例中，在卷积网络训练过程中采用多种数据增强方法，实现在较少标注数据的情况下达到较高的训练准确性，其中，采用的数据增强方法有数据的旋转和镜像等，将图像做镜像，或者旋转，能够有效扩大数据集，提高网络训练质量，防止欠拟合。如图2所示，在另一实施例中，图1中的步骤S1包括：S11：分别将两张遥感图像放入全卷积网络；S12：分别将两张遥感图像经过至少一个卷积层组坐标点标记后的图像与经过所有卷积层组和至少一个反卷积层坐标点标记后的图像进行多次融合，得到融合图像；S13：分别将两张遥感图像与融合图像经过至少一个反卷积层坐标点标记后的图像进行多次融合，得到地物分类概率图；S14：通过CRF概率模型分别对两张地物分类概率图中的地物进行分割，得到两张遥感图像中所有地物的分割图像。具体地，该实施例中，该全卷积网络把传统网络的全连接替换成了卷积，添加反卷积层，将网络前几层的结果与网络最终的结果进行融和，可以得到更多的图像信息；通过CRF概率模型将地物目标从背景中区分出来，得到每个地物的分割图像，以便进行进一步的对比分析。CRF(conditionalrandomfieldalgorithm，条件随机场)结合了最大熵模型和隐马尔可夫模型的特点，是一种无向图模型，近年来在分词、词性标注和命名实体识别等序列标注任务中取得了很好的效果。CRF是一个典型的判别式模型。步骤S2中，通过对比神经网络逐一对两张遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。对比神经网络为2-ch本文档来自技高网...

【技术保护点】
一种遥感图像对比分析方法，其特征在于，包括：S1：通过全卷积网络分别对同一地区不同时间拍摄的两张遥感图像中的地物进行识别和分割，得到两张所述遥感图像中所有地物的分割图像，所述全卷积网络包括多个卷积层组和多个反卷积层，其中，所述卷积层组包括交替排列的卷积层和稀松卷积层；S2：对两张所述遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。

【技术特征摘要】
1.一种遥感图像对比分析方法，其特征在于，包括：S1：通过全卷积网络分别对同一地区不同时间拍摄的两张遥感图像中的地物进行识别和分割，得到两张所述遥感图像中所有地物的分割图像，所述全卷积网络包括多个卷积层组和多个反卷积层，其中，所述卷积层组包括交替排列的卷积层和稀松卷积层；S2：对两张所述遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。2.根据权利要求1所述的遥感图像对比分析方法，其特征在于，所述步骤S1包括：S11：分别将两张所述遥感图像放入所述全卷积网络；S12：分别将两张所述遥感图像经过至少一个所述卷积层组坐标点标记后的图像与经过所有所述卷积层组和至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到融合图像；S13：分别将两张所述遥感图像与所述融合图像经过至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到地物分类概率图；S14：通过CRF概率模型分别对两张所述地物分类概率图中的地物进行分割，得到两张所述遥感图像中所有地物的分割图像。3.根据权利要求1或2所述的遥感图像对比分析方法，其特征在于，所述步骤S2中，通过对比神经网络逐一对两张所述遥感图像中同一地物的分割图像进行对比分析，得到对比分析结果。4.根据权利要求3所述的遥感图像对比分析方法，其特征在于，所述对比神经网络为2-channel网络或Siamese网络。5.一种遥感图像对比分析系统，其特征在于，包括：分割模块(...

【专利技术属性】
技术研发人员：涂刚，
申请(专利权)人：武汉喜恩卓科技有限责任公司，
类型：发明
国别省市：湖北,42