基于双注意力孪生网络的高分遥感影像变化检测方法技术

本发明专利技术公开了基于双注意力孪生网络的高分遥感影像变化检测方法，包括：将对应区域两个时相的遥感影像进行均匀无重叠裁剪成成对的子图；对每一对子图进行初步特征提取，获得特征张量对；将特征张量对同时输入到空间注意力模块和通道注意力模块中，获得判别性更好的特征张量对；对所述更好的特征张量对进行卷积降维以映射到嵌入空间；在嵌入空间中计算特征张量对每个位置点的欧式距离；通过阈值分割得到变化检测结果。本发明专利技术方法利用孪生的空间注意力机制和通道注意力机制来获取高判别性的特征表达，同时使用双重阈值损失函数来进一步筛选有效特征，强效滤除伪变化信息的遥感影像变化，从而获得了较好的高分辨率遥感影像变化检测结果。

【技术实现步骤摘要】
基于双注意力孪生网络的高分遥感影像变化检测方法
本专利技术属于高分遥感影像变化检测
，涉及基于双注意力孪生网络的高分遥感影像变化检测方法。
技术介绍
遥感影像变化检测作为遥感领域的一项基本任务，研究者们针对这一任务开发了许多变化检测技术。遥感变化检测方法一般包括特征提取和变化区域判定两大部分。前者的目标是提取有意义的特征，如颜色分布、纹理特征和上下文信息。后者的目的是通过分析上述特征，利用一定的技术算法来判断多时相遥感图像中的变化区域。我们根据这些变化检测方法采用技术方法的不同，将遥感变化检测方法分为传统变化检测方法和利用深度学习的变化检测方法两类。传统的变化检测方法主要以成对像素或对象的特征差值和比值作为输入，通过确定阈值来检测变化。传统的遥感影像变化检测方法根据其研究对象的不同可以分为两类：基于像素的变化检测方法和基于对象的变化检测方法。基于像素的变化检测方法通常是通过直接比较像素的光谱信息或者纹理信息来生成差异图，再通过阈值分割或者聚类的方法得到最终的变化结果图。这种方法尽管操作简单，但是忽略了空间上下文信息，处理过程中产生本文档来自技高网...

【技术保护点】
1.基于双注意力孪生网络的高分遥感影像变化检测方法，其特征在于，包括以下步骤：/n步骤1，将对应区域两个时相的遥感影像进行均匀无重叠裁剪成成对的子图；/n步骤2，对每一对子图进行初步特征提取，获得特征张量对F

【技术特征摘要】
1.基于双注意力孪生网络的高分遥感影像变化检测方法，其特征在于，包括以下步骤：
步骤1，将对应区域两个时相的遥感影像进行均匀无重叠裁剪成成对的子图；
步骤2，对每一对子图进行初步特征提取，获得特征张量对Ft0和Ft1；
步骤3，将特征张量对Ft0和Ft1同时输入到空间注意力模块和通道注意力模块中，通过这两个注意力模块捕捉长范围依赖，并对两个模块输出特征张量逐元素求和运算，获得判别性更好的特征张量对a_Ft0和a_Ft1；
步骤4，对所述的特征张量对a_Ft0和a_Ft1进行卷积降维以映射到嵌入空间；
步骤5，在嵌入空间中计算特征张量对a_Ft0和a_Ft1中每个位置点的欧式距离，利用提出的双重阈值损失函数拉近未发生变化区域获得的特征张量对之间的距离，拉远发生变化区域获得的特征张量对之间的距离；
步骤6，对计算特征张量对欧氏距离的结果矩阵上采样还原成原始输入图像大小，通过阈值分割得到变化检测结果。


2.根据权利要求1所述的高分遥感影像变化检测方法，其特征在于，步骤1中所述的裁剪过程为：尺寸M×N的大范围遥感影像对It0和It1被均匀无重叠的滑动裁剪成2×m×n个子图，每个子图的尺寸为
步骤2中所述的初步特征提取，采用预训练好的深度卷积模型将对每一对子图进行特征提取，得到对应的一对特征张量，遥感影像对It0和It1被转换为特征张量对Ft0和Ft1：其中C为特征张量的通道数，h为特征张量高度，w为特征张量宽度。


3.根据权利要求2所述的高分遥感影像变化检测方法，其特征在于，步骤3中所述的空间注意力模块用于生成空间远程上下文信息的新特征，通道注意力模块用于捕获通道维度中的长范围上下文信息。


4.根据权...

【专利技术属性】
技术研发人员：李海峰，苑子杨，陈杰，陈力，彭剑，朱佳玮，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43