基于语义分割技术的多时相遥感影像变化检测方法和介质技术

本发明专利技术公开了基于语义分割技术的多时相遥感影像变化检测方法和介质，涉及遥感影像智能解译领域，解决了传统的多时相遥感变化检测多是以人工的方式在影像上逐区域查找和比对，该方法存在费时、耗力、低效等问题。本发明专利技术对多时相遥感图像进行对比，标注是否变化后，导出标注结果图；分析标注结果图中的地理偏移的像素伪变化，设置阈值，基于图像的形态学运算处理标注结果图，进行标注结果图中连通区域的阈值筛选。本发明专利技术通过深度学习技术来找出变化区域，从而人工在判断变化时更侧重于模型自动检测出来的区域，达到节省人工、提升效率的作用。

【技术实现步骤摘要】
基于语义分割技术的多时相遥感影像变化检测方法和介质
本专利技术涉及遥感影像智能解译领域，具体涉及基于语义分割技术的多时相遥感影像变化检测方法和介质。
技术介绍
近年来，深度学习技术使得图像、语音、文本和时序数据分析等领域取得了重要进步，卷积神经网络(ConvolutionalNeuralNetwork，CNN)被广泛用于遥感图像领域，并且取得了很大成功。基于遥感影像的变化检测是指从不同时间，同一地区获取的多幅遥感影像中提取变化信息并加以分析、理解，生成变化分布图以及其他检测结果的技术。传统的多时相遥感变化检测多是以人工的方式在影像上逐区域查找和比对，该方法存在费时、耗力、低效等问题。
技术实现思路
本专利技术所要解决的技术问题是：传统的多时相遥感变化检测多是以人工的方式在影像上逐区域查找和比对，该方法存在费时、耗力、低效等问题。基于语义分割技术的多时相遥感影像变化检测方法，包括如下步骤：S1、预处理阶段：包括数据准备、语义分割模型构建过程和训练所述语义分割模型；S2、预测阶段：基于S1中的训练本文档来自技高网...

【技术保护点】
1.基于语义分割技术的多时相遥感影像变化检测方法，其特征在于，包括如下步骤：/nS1、预处理阶段：包括数据准备、语义分割模型构建过程和训练所述语义分割模型；/nS2、预测阶段：基于S1中的训练后的语义分割模型进行模型的预测阶段；/n对多时相遥感图像进行对比，标注是否变化后，导出标注结果图；/n分析标注结果图中的地理偏移的像素伪变化，设置阈值，基于图像的形态学运算处理标注结果图，进行标注结果图中连通区域的阈值筛选。/n

【技术特征摘要】
1.基于语义分割技术的多时相遥感影像变化检测方法，其特征在于，包括如下步骤：
S1、预处理阶段：包括数据准备、语义分割模型构建过程和训练所述语义分割模型；
S2、预测阶段：基于S1中的训练后的语义分割模型进行模型的预测阶段；
对多时相遥感图像进行对比，标注是否变化后，导出标注结果图；
分析标注结果图中的地理偏移的像素伪变化，设置阈值，基于图像的形态学运算处理标注结果图，进行标注结果图中连通区域的阈值筛选。


2.根据权利要求1所述的基于语义分割技术的多时相遥感影像变化检测方法，其特征在于，所述数据为遥感影像和所述遥感影像对应的地类标签，所述数据构成训练数据集。


3.根据权利要求2所述的基于语义分割技术的多时相遥感影像变化检测方法，其特征在于，所述语义分割模型构建过程：
基于CNN技术搭建语义分割模型，搭建所述语义分割模型的卷积神经网络，采用像素级的深度学习算法预测；
所述语义分割模型中的语义分割网络包括FCN、Deeplab、SegNet；
利用所述数据通过迭代优化的方式训练所述语义分割模型。


4.根据权利要求3所述的基于语义分割技术的多时相遥感影像变化检测方法，其特征在于，预测阶段的详细步骤为：
S21、待预测数据准备：
获取待...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：成都数之联科技有限公司，
类型：发明
国别省市：四川;51