遥感图像的变化检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种遥感图像的变化检测方法、装置、电子设备及存储介质，该方法包括：获取具有不同时相的第一待处理图像和第二待处理图像；将第一待处理图像及第二待处理图像输入变化检测模型，并获得变化检测模型输出的变化检测结果；根据变化检测结果，确定第一待处理图像和第二待处理图像中的地表变化。由于变化检测模型是预先利用多个第一类训练样本，按照预设网络性能评价策略以及预设网络结构搜索策略，对每次迭代得到的网络结构进行性能评价后，选取至少部分网络结构进行交叉、变异得到的神经网络模型，因而通过网络结构搜索策略实现了自动获取可用于实现遥感图像变化检测的最优全连接网络结构，进而解决人工设计网络结构耗时耗力的问题。

【技术实现步骤摘要】
遥感图像的变化检测方法、装置、电子设备及存储介质
本专利技术属于图像处理
，具体涉及一种遥感图像的变化检测方法、装置、电子设备及存储介质。
技术介绍
随着遥感技术的不断发展，以合成孔径雷达(SyntheticApertureRadar，SAR)为代表的主动式微波传感器得到了广泛应用。相较于光学遥感成像易受到天气变化、光照、云层遮挡等因素的影响，SAR成像则几乎不受空气状况和天气因素的限制，甚至可以在夜晚进行工作。近年来，由于深度学习技术的兴起以及对神经网络这一机器学习方法的深入研究，利用神经网络对差异图进行分析、甚至在不产生差异图的情况下直接对多时相遥感图像提取差异特征信息，并进行分析和分类，已成为遥感影像变化检测领域的热点。相关技术中，基于深度学习的遥感图像变化检测方法中，使用的神经网络都有一个预先确定的网络结构，但不同遥感数据集的数据组成的复杂程度的不同使其对于网络结构的要求也不相同，这使得基于固定神经网络结构的遥感图像变化检测算法在不同数据集上的检测效果不稳定且不理想，而如果仅依靠人工进行网络结构的设计又十分耗时费力。...

【技术保护点】
1.一种遥感图像的变化检测方法，其特征在于，包括：/n获取具有不同时相的第一待处理图像和第二待处理图像；/n将所述第一待处理图像及所述第二待处理图像输入变化检测模型，并获得所述变化检测模型输出的变化检测结果；所述变化检测模型是预先利用多个第一类训练样本，按照预设的网络性能评价策略以及预设的网络结构搜索策略，对每次迭代得到的网络结构进行性能评价后，选取至少部分所述网络结构进行交叉、变异得到的神经网络模型；/n根据所述变化检测结果，确定所述第一待处理图像和所述第二待处理图像中的地表变化。/n

【技术特征摘要】
1.一种遥感图像的变化检测方法，其特征在于，包括：
获取具有不同时相的第一待处理图像和第二待处理图像；
将所述第一待处理图像及所述第二待处理图像输入变化检测模型，并获得所述变化检测模型输出的变化检测结果；所述变化检测模型是预先利用多个第一类训练样本，按照预设的网络性能评价策略以及预设的网络结构搜索策略，对每次迭代得到的网络结构进行性能评价后，选取至少部分所述网络结构进行交叉、变异得到的神经网络模型；
根据所述变化检测结果，确定所述第一待处理图像和所述第二待处理图像中的地表变化。


2.根据权利要求1所述的遥感图像的变化检测方法，其特征在于，所述变化检测模型采用如下步骤训练得到：
根据预设的网络结构编码方式，对网络结构种群进行初始化，得到第一种群，所述第一种群包括多个第一网络结构；
每次迭代过程中，随机选取所述第一种群中的至少部分第一网络结构作为母体进行交叉和变异，获得新生成的多个第二网络结构；
将预设数量个所述第一类训练样本输入至所述第一网络结构和所述第二网络结构，对所述第一网络结构及所述第二网络结构进行性能评价，并根据性能评价的得分从所述第一网络结构和所述第二网络结构中确定多个第三网络结构；其中，所述第三网络结构的数量与所述第一网络结构的数量相等；
判断迭代次数是否达到预设迭代次数；如果是，则对各个所述第三网络结构进行性能评价，对性能评价得分最低的第三网络结构解码，并确定第三网络结构中输入层和输出层中的神经元个数，得到训练完成的变化检测模型；其中，性能评价的得分越低，则表示所述第一网络结构、所述第二网络结构或所述第三网络结构的性能越好；
如果否，则将所述多个第三网络结构作为第一种群，并返回每次迭代过程中，随机选取所述第一种群中的至少部分第一网络结构作为母体进行交叉和变异，获得新生成的多个第二网络结构的步骤。


3.根据权利要求2所述的遥感图像的变化检测方法，其特征在于，按照如下公式对所述网络结构进行性能评价：



式中，D表示所述网络结构的网络深度，S1，S2，…，SD表示所述网络结构第1层、第2层、……、第D层中每层的神经元个数，S表示所述网络结构中每层神经元个数的集合，F表示所述网络结构性能评价的得分，其中，F∈(1,20)，所述网络结构为所述第一网络结构、所述第二网络结构或所述第三网络结构中的一者。


4.根据权利要求2所述的遥感图像的变化检测方法，其特征在于，所述第一类训练样本采用如下步骤得到：
获取第二类训练样本，所述第二类训练样本包括多个第一遥感图像、以及分别与多个第一遥感图像对应的第二遥感图像，所述第一遥感图像和对应的所述第二遥感图像具有不同时相；
获取所述第一遥感图像的第一特征样本、以及与第一遥感图像对应的第二遥感图像的第二特征样本，将所述第一特征样本与所述第二特征样本拼接后得到第三特征样本；
对所述第一遥感图像和对应的第二遥感图像进行预变化检测，并根据所述预变化检测结果确定所述第三特征样本对应的伪标签。


5.根据权利要求4所述的遥感图像的变化检测方法，其特征在于，所述获取所述第一遥感图像的第一特征样本、以及与第一遥感图像对应的第二遥感图像的第二特征样本，将所述第一特征样本与所述第二特征样本拼接后得到第三特征样本的步骤，包括：
以所述第一遥感图像的任一像素点为中心像素点、利用预设窗口确定所述中心像素点的邻域，...

【专利技术属性】
技术研发人员：侍佼，谭春晖，雷雨，周德云，李枭扬，周颖，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61