一种基于深度学习的遥感图像变化检测方法技术

本发明专利技术公开一种基于深度学习的遥感图像变化检测方法，包括获取同一地区的不同时间的遥感图像；对所述遥感图像进行预处理；对所述预处理后的图像进行图像转化，并提取不同时间的遥感图像之间的差异特征；根据所述差异特征训练深度学习模型以获得遥感图像变化检测模型；根据所述遥感图像变化检测模型对不同时间的遥感图像进行变化检测。该方法结合深度学习与差异图提取，通过求差异图得出同一区域不同年份的两张遥感图像之间的差异，反应图像疑似局部变化特征，然后通过分类区分差异图中变化部分以获得标注样本，并在此基础上进行样本扩容，以达到提高检测精确率的目的；然后通过该样本集对深度学习算法进行训练，从而得到稳定的检测算法模型。

A Remote Sensing Image Change Detection Method Based on Deep Learning

【技术实现步骤摘要】
一种基于深度学习的遥感图像变化检测方法
本专利技术涉及图像处理
，具体涉及一种基于深度学习的遥感图像变化检测方法。
技术介绍
我国航空航天技术发展迅速，卫星遥感、无人机航拍、倾斜摄影等遥感技术广泛应用在农、林、地质、海洋、气象、地理、测绘、环保以及军事侦查、导航制导等领域。近年随着遥感技术发展迅速，遥感影像变化检测作为最重要的关键技术之一，遥感影像变化检测在以上各方面均具有重大意义。遥感影像变化检测是指通过图像处理技术手段对不同时相同区域的遥感图像进行比较，分析判断在此期间影像的变化，以达到对地面附属物检测的目的。而在该目标的实现过程中，存在以下问题：现有的图像处理方式使用获取的图像直接进行处理，具有图像规模巨大及在时间维度上数量庞大的特点造成比对检测的困难，以及高分辨率影像地形的投影差、阴影、纹理细节等因素，使得采用单一的检测手段很难准确的获得变化检测结果。基于以上两个问题，对于遥感图像的变化检测是一件非常费力需要大量时间的工作。而本文提出解决这些问题的方法就采用深度学习的方法利用计算机替代以往的工作模式，完成对遥感数据的变化信息提取。
技术实现思路
本专利技术提供一种遥感图像变化检测方法，针对目前遥感图像的变化检测耗时耗力的问题，结合深度学习，减少人工辨识遥感图像变化的劳动量。根据本专利技术的一个方面，提供一种基于深度学习的遥感图像变化检测方法，包括如下步骤：获取同一地区的不同时间的遥感图像；对所述遥感图像进行预处理；对所述预处理后的图像进行图像转化，并提取不同时间的遥感图像之间的差异特征；其中，所述对预处理后的图像进行图像转化，包括：将所述不同时间的遥感图像进行图像色彩匹配；将所述不同时间的遥感图像依次进行灰度处理、归一化处理以及坐标匹配；根据所述差异特征训练深度学习模型以获得遥感图像变化检测模型；根据所述遥感图像变化检测模型对不同时间的遥感图像进行变化检测。在其中一个实施例中，所述对所述遥感图像进行预处理的步骤为对获取的遥感图像进行图像滤波处理。在其中一个实施例中，所述进行滤波处理为进行中值滤波处理。在其中一个实施例中，按照以下公式进行灰度处理：Gray＝(R*30+G*59+B*11+50)/100；其中R、G、B分别表示三通道图层对应值。在其中一个实施例中，按照以下公式进行归一化处理：其中，S’表示遥感图像S归一化后的图像，max表示最大值操作，min表示最小值操作。在其中一个实施例中，按照以下公式进行坐标匹配：其中，1≤i≤m-M+1，1≤j≤n-N+1，p(i，j)为配准图像像素起始点坐标，S为被配准图像，T为配准图像，并且T为M×N的矩阵。在其中一个实施例中，所述提取不同时间的遥感图像之间的差异特征的步骤为：对归一化后的遥感图像进行求差异图处理；对所述差异图进行样本标注；提取差异图中的差异特征。在其中一个实施例中，还包括生成遥感图像差异图像的步骤。在其中一个实施例中，按照以下公式生成遥感图像差异图像Mi：其中，S为被配准图像，T为配准图像。在其中一个实施例中，所述深度学习模型依次包括输入层，第一卷积层和第二卷积层，池化层，第三卷积层，全连接层和分类函数层。在其中一个实施例中，所述根据所述差异特征训练深度学习模型以获得遥感图像变化检测模型的步骤，包括：将差异图像输入所述输入层，所述输入层调整输入端个数；第一卷积层采用3*3*32个卷积核对差异图像进行特征提取；第二卷积层采用3*3*64个卷积核对第一卷积层的输出进行特征提取；通过池化层进行池化处理；第三卷积层采用5*5*128卷积核对池化层输出的结果进行特征提取；第三卷积层的输出依次通过全连接层和分类层。本专利技术的有益效果包括：根据本专利技术实施例的基于深度学习的遥感图像变化检测方法，获取同一地区的不同时间的遥感图像；对所述遥感图像进行预处理；对所述预处理后的图像进行图像转化，并提取不同时间的遥感图像之间的差异特征；其中，所述对预处理后的图像进行图像转化，包括：将所述不同时间的遥感图像进行图像色彩匹配；将所述不同时间的遥感图像依次进行灰度处理、归一化处理以及坐标匹配；根据所述差异特征训练深度学习模型以获得遥感图像变化检测模型；根据所述遥感图像变化检测模型对不同时间的遥感图像进行变化检测。该方法结合了深度学习与差异图提取两种方法，通过求差异图得出同一区域不同年份的遥感图像之间的差异，反应图像疑似局部变化特征，然后区分差异图中变化部分，并在此基础上进行样本扩容，以达到提高检测精确率的目的；并且，通过该样本集对深度学习算法进行训练，从而得到稳定的检测算法模型。本专利技术提供的方法简单，减少了人工辨识遥感图像变化的劳动量，并通过深度学习算法，实现自动检测的目的。并且，本方法考虑了不同载荷获取的图像在色彩上的一致性，将不同时间的遥感图像进行图像色彩匹配，再依次进行灰度处理、归一化处理以及坐标匹配，为下一步的灰度处理及坐标匹配做准备，保证了后期图像处理的精准度。附图说明通过阅读以下参照附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显，其中，相同或相似的附图标记表示相同或相似的特征。图1示出本专利技术一实施例的基于深度学习的遥感图像变化检测方法流程图；图2示出本专利技术另一实施例的原始图像1；图3示出图2所示实施例的原始图像2；图4示出图2所示实施例的色彩匹配结果图；图5示出图2所示实施例的原始图像1的灰度处理结果；图6示出图2所示实施例的原始图像2的灰度处理结果；图7示出图2所示实施例的待坐标匹配图像；图8示出图2所示实施例的坐标匹配结果；图9示出图2所示实施例的差异图；图10示出图2所示实施例的差异检测结果。具体实施方式下面将详细描述本专利技术的各个方面的特征和示例性实施例，为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本专利技术进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本专利技术，并不被配置为限定本专利技术。对于本领域技术人员来说，本专利技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本专利技术的示例来提供对本专利技术更好的理解。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。如上所述，在遥感影像变化检测的实现过程中，存在以下问题：具有图像规模巨大及在时间维度上数量庞大的特点造成比对检测的困难；高分辨率影像地形的投影差、阴影、文理细节等因素，使得采用单一的检测手段很难准确的获得变化检测结果。基于以上两个问题，对于遥感图像的变化检测是一件非常费力需要大量时间的工作。而本文提出采用深度学习的方法利用计算机替代以往的工作模式，完成对遥感数据的变化信息提取。下面结合附图1所示实施例对本专利技术一种基于深本文档来自技高网...

【技术保护点】
1.一种基于深度学习的遥感图像变化检测方法，其特征在于，包括如下步骤：获取同一地区的不同时间的遥感图像；对所述遥感图像进行预处理；对所述预处理后的图像进行图像转化，并提取不同时间的遥感图像之间的差异特征；其中，所述对预处理后的图像进行图像转化，包括：将所述不同时间的遥感图像进行图像色彩匹配；将所述不同时间的遥感图像依次进行灰度处理、归一化处理以及坐标匹配；根据所述差异特征训练深度学习模型以获得遥感图像变化检测模型；根据所述遥感图像变化检测模型对不同时间的遥感图像进行变化检测。

【技术特征摘要】
1.一种基于深度学习的遥感图像变化检测方法，其特征在于，包括如下步骤：获取同一地区的不同时间的遥感图像；对所述遥感图像进行预处理；对所述预处理后的图像进行图像转化，并提取不同时间的遥感图像之间的差异特征；其中，所述对预处理后的图像进行图像转化，包括：将所述不同时间的遥感图像进行图像色彩匹配；将所述不同时间的遥感图像依次进行灰度处理、归一化处理以及坐标匹配；根据所述差异特征训练深度学习模型以获得遥感图像变化检测模型；根据所述遥感图像变化检测模型对不同时间的遥感图像进行变化检测。2.根据权利要求1所述的基于深度学习的遥感图像变化检测方法，其特征在于，所述对所述遥感图像进行预处理的步骤为对获取的遥感图像进行滤波处理。3.根据权利要求2所述的基于深度学习的遥感图像变化检测方法，其特征在于，所述进行滤波处理为进行中值滤波处理。4.根据权利要求1所述的基于深度学习的遥感图像变化检测方法，其特征在于，按照以下公式进行灰度处理：Gray＝(R*30+G*59+B*11+50)/100；其中R、G、B分别表示三通道图层对应值。5.根据权利要求1所述的基于深度学习的遥感图像变化检测方法，其特征在于，按照以下公式进行归一化处理：其中，S’表示遥感图像S归一化后的图像，max表示最大值操作，min表示最小值操作。6.根据权利要求1所述的基于深度学习的遥感图像变化检测方法，其特征在于，按照以下公式进行坐标匹配：其中，1≤i...

【专利技术属性】
技术研发人员：巩丹超，刘超，韩昱，龚辉，张丽，刘松林，秦进春，李新涛，
申请(专利权)人：中国人民解放军六一五四零部队，
类型：发明
国别省市：陕西,61