【技术实现步骤摘要】
遥感图像建筑物的检测模型优化方法及检测方法、装置
[0001]本专利技术涉及一种遥感图像建筑物的检测模型优化方法及检测方法、装置,属于遥感图像处理
技术介绍
[0002]传统的遥感图像变化检测方法流程一般分为三步:1)应用图像预处理技术对图像进行配准、去噪等,消除成像因素带来的图像差异;2)以图像差分、图像比值等方法生成差分图像;3)对差分图像进行分类,从中提取变化类特征,分析变化类特征得到变化图。Gong等人在小波域利用平均比值图像和对数比值图像的互补信息生成差分图像,并对FLICM算法进行改进,提出改良局部邻域模糊c均值(Reformulated Fuzzy LocalInfor
‑
nation C
‑
means,RFLICM)聚类算法,对融合后的差分图像进行分类,得到图像的变化情况;刘陆洋等利用对数比差异图和均值差异图合成新的差异图,再由主成分分析法得到新差异图每个像素的向量表示,最后通过模糊 c均值聚类算法得到变化图,减少了散斑噪声对检测结果的影响,提高了变化检测的精度。上述方法都依赖于手工构建的特征表示,对复杂的高层次变化信息的建模能力有限,并且当变化类和非变化类的特征重叠或其统计分布建模不准确时,检测结果会产生误差。近年来,深度学习技术发展迅速,在目标检测、语义分割和图像分类等领域中取得了显著效果,一些学者开始对深度学习在遥感图像变化检测中的应用进行研究。杨海伦提出基于卷积神经网络的有监督特征学习,通过无监督特征学习生成特征图,再利用有监督的卷积神经网络从中提 ...
【技术保护点】
【技术特征摘要】
1.一种遥感图像建筑物的检测模型优化方法,其特征在于,包括如下步骤:优化U
‑
Net网络模型:在U
‑
Net网络的特征提取环节用非对称卷积块代替3
×
3标准卷积,在U
‑
Net网络的阶跃连接部分引入注意力机制调节特征权重;制作样本数据;将样本数据输入改造后的U
‑
Net网络模型进行模型训练;对模型训练结果进行精确度计算。2.根据权利要求1所述的遥感图像建筑物的检测模型优化方法,其特征在于:所述在U
‑
Net网络的阶跃连接部分引入注意力机制调节特征权重,包括:通过特征权重提取公式将编码部分的特征图x和解码部分的特征图g分别进行全局平均池化,得到特征图包含C个通道信息的权重矩阵W
g
、W
x
;采用ReLU激活函数和Sigmoid函数对权重矩阵进行更新;将更新后的权重矩阵与特征图x点乘,得到具有注意力机制的特征图,并将其与特征图g阶跃连接,进入下一层解码层。3.根据权利要求2所述的遥感图像建筑物的检测模型优化方法,其特征在于:所述采用ReLU激活函数和Sigmoid函数进行特征权重的更新;通过W
x
点乘x、W
g
点乘g实现一次编码部分特征图和解码部分特征图的全连接操作;将全连接层结果求和后经过ReLU层,将结果与Ψ点乘再做一次全连接,权重矩阵W
g
、W
x
经过反向传播学习,得到g和x矩阵中每个元素的重要程度,据此对g和x矩阵继续前向传播的比例进行调整;对每个像素的权重重新分配,经过Sigmoid层得到特征权重更新后的权重矩阵α。4.根据权利要求1
‑
3任意一项所述的遥感图像建筑物的检测模型优化方法,其特征在于:所述制作样本数据,包括:对遥感影像样本数据进行预处理;对前后时相影像进行新增建筑物的标注;标注后的数据影像进行预处理导出样本。5.根据权利要求4所述的遥感图像建筑物的检测模型优化方法,其特征在于:所述对遥感影像样本数据进行预处理,包括:对遥感影像样本数据进行色差均衡和拉伸处理:采用Canny边缘检测算法提取图像的波段拼接边界,并根据检测到的边界对图像进行...
【专利技术属性】
技术研发人员:张译,陈品祥,余永欣,刘博文,崔亚君,付鑫,武润泽,闫宁,龚芸,许天豪,刘晓娜,吴佶,纪雷鸣,蔡雯雨,王晓龙,庄园,
申请(专利权)人:北京市测绘设计研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。