一种同源或异源遥感图像用无监督变化检测方法及系统技术方案

本发明专利技术公开了一种同源或异源遥感图像用无监督变化检测方法及系统，将同源或异源双时相图像输入孪生全卷积特征提取网络，得到不同尺度的特征差异图；构建对应每个尺度的基于元学习与分组卷积的特征融合网络，将不同尺度的特征差异图融合，得到差异图；使用改进的目标函数完成对孪生全卷积特征提取网络和基于元学习与分组卷积的特征融合网络的优化，使用Adam优化方法迭代更新孪生全卷积特征提取网络和特征融合网络的权重值；在训练过程中不断拉大差异图中变化像素与不变像素的数值差距；将训练完的差异图通过阈值完成二值化操作,得到与原图大小相同的二值变化图，能够以无监督的方式高效准确地获得一对同源或异源双时相遥感图像的变化检测结果。遥感图像的变化检测结果。遥感图像的变化检测结果。

【技术实现步骤摘要】
一种同源或异源遥感图像用无监督变化检测方法及系统


[0001]本专利技术属于图像处理
，具体涉及一种同源或异源遥感图像用无监督变化检测方法及系统，可用于从两种不同时间，相同或者不同传感器中获得的遥感图像中准确地检测出两张图片之间所发生的变化并生成相应的变化检测图。

技术介绍

[0002]随着近年来遥感卫星种类、数量的增多以及对地观测技术的提升，人们可以有更多的机会从太空中监测地球表面发生的变化，遥感图像变化检测任务也就由此产生。该任务在诸如土地覆盖监测、灾害管理、生态系统监视、城市规划等实际应用能起到至关重要的作用。为了实现变化检测，各种卫星平台在不断的工作中已经为变化检测数据库提供了大量的多时相遥感图像并且这些图像通常具有非常高的空间分辨率。为了达到更好的检测效果，一般的监督或半监督的训练方式需要大量的手工标注的数据才能保证变化检测的效果，而手工标注的过程是复杂而繁琐的，因此人们希望在无监督的条件下尽量精确地完成变化检测。然而由于遥感图像所含信息丰富以及空间细节复杂等特点，同时图像对间发生的变化也具有不可知性，这些都对遥感图像的变化检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种同源或异源遥感图像用无监督变化检测方法，其特征在于，包括以下步骤：S1、构建孪生全卷积特征提取网络，将同源或异源双时相图像分别输入构建的孪生全卷积特征提取网络，提取多尺度语义特征，得到不同尺度的特征差异图；S2、根据步骤S1得到的不同尺度的特征差异图，通过全局特征采样网络提取全局特征，并将异源图像映射到同一特征空间中；构建对应每个尺度的基于元学习与分组卷积的特征融合网络，将不同尺度的特征差异图融合，通过深度变化矢量分析方法得到差异图；S3、使用改进的目标函数完成对步骤S1构建的孪生全卷积特征提取网络和步骤S2基于元学习与分组卷积的特征融合网络的优化，使用Adam优化方法迭代更新孪生全卷积特征提取网络和特征融合网络的权重值；在训练过程中不断拉大步骤S2得到的差异图中变化像素与不变像素的数值差距；S4、将步骤S3训练完的差异图通过阈值完成二值化操作,得到与原图大小相同的二值变化图，完成图像变化检测。2.根据权利要求1所述的方法，其特征在于，步骤S1中，孪生全卷积特征提取网络为一组双分支权重共享的全卷积网络，每一个全卷积网络均由五个串联的卷积模块组成的VGG16模型构成。3.根据权利要求1所述的方法，其特征在于，步骤S1中，输入同源或异源双时相图像具体为：将同源图像对的大小调整为640
×
640，通过将同源图像对中的每个像素点减去均值再除以标准差的方式对双时相图像进行标准化，并使用预处理方法完成对输入的同源图像对的配准；将异源图像对的大小调整为640
×
640，通过将异源图像对中的每个像素点减去均值再除以标准差的方式对双时相图像进行标准化，并使用预处理方法完成两张图像的配准；将经过处理的同源或者异源图像输入孪生全卷积特征提取网络和特征融合网络中，得到相对应的特征差异图。4.根据权利要求1所述的方法，其特征在于，步骤S2中，基于元学习与分组卷积的特征融合网络包括全局特征采样网络，基于元学习模块的特征上采样模型和基于分组卷积模块的特征融合模型；全局特征采样网络为一个双分支权重不共享的U形网络，且在U形网络的编码器和解码器的相应层之间采用跳过连接；基于元学习模块的特征上采样模块包含一个位置编码过程和一个倒置残差块；基于分组卷积的特征融合模块由4个卷积核的大小各不相同的分组卷积模块并联而成。5.根据权利要求1所述的方法，其特征在于，步骤S3中，将步骤S2得到的不同尺度的特征差异图通过深度变化矢量分析网络，得到每一个像素对应位置的变化幅度...

【专利技术属性】
技术研发人员：唐旭，张华煜，马晶晶，张向荣，焦李成，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：