【技术实现步骤摘要】
遥感图像变化检测方法、装置、计算机设备和存储介质
[0001]本申请涉及图像识别
,特别是涉及一种遥感图像变化检测方法、装置、计算机设备和存储介质。
技术介绍
[0002]现在的变化检测方法利用深度卷积强大的判别能力取得了显著的成功。然而,由于场景中物体的复杂性,高分辨率遥感图像变化检测方法仍然具有挑战性。具有相同语义概念的物体在不同的时间和空间位置上表现出不同的光谱特征。最近使用纯卷积作为网络结构仍在努力将时空中的长程概念联系起来。非局部的自我注意方法通过模拟像素间的密集关系表现出良好的性能,但计算效率较低,变化检测准确率不高。
技术实现思路
[0003]基于此,有必要针对上述技术问题,提供一种遥感图像变化检测方法、装置、计算机设备和存储介质。
[0004]一种遥感图像变化检测方法,所述方法包括:获取双时间遥感图像,并对所述双时间遥感图像进行标注,得到训练样本。
[0005]构建遥感图像变化检测网络;所述遥感图像变化检测网络包括两条由结构和参数均相同的残差网络和空间注意力模块组成的特征提取支路、由4个Transformer模块组成的多尺度的注意特征模块,以及输出网络;特征提取支路用于通过残差网络提取训练样本的特征,然后经过空间注意力模块,并将得到的拥有空间注意力的特征图通过卷积和下采样操作得到四份不同尺度的特征图;多尺度的注意特征模块用于将所述四份不同尺度的特征图输入到对应的Transformer模块中得到四份不同尺度的输出特征图,并对输出特征图采用上采样和合并操作,得到两幅双 ...
【技术保护点】
【技术特征摘要】
1.一种遥感图像变化检测方法,其特征在于,所述方法包括:获取双时间遥感图像,并对所述双时间遥感图像进行标注,得到训练样本;构建遥感图像变化检测网络;所述遥感图像变化检测网络包括两条由结构和参数均相同的残差网络和空间注意力模块组成的特征提取支路、由4个Transformer模块组成的多尺度的注意特征模块,以及输出网络;特征提取支路用于通过残差网络提取训练样本的特征,然后经过空间注意力模块,并将得到的拥有空间注意力的特征图通过卷积和下采样操作得到四份不同尺度的特征图;多尺度的注意特征模块用于将所述四份不同尺度的特征图输入到对应的Transformer模块中得到四份不同尺度的输出特征图,并对输出特征图采用上采样和合并操作,得到两幅双时间特征图;输出网络用于对两幅双时间特征图的差异特征图进行卷积和上采样操作,得到训练样本的变化检测预测结果图;利用训练样本的标注和将训练样本输入到遥感图像变化检测网络得到的训练样本的变化检测预测结果图对遥感图像变化检测网络进行训练,得到训练好的遥感图像变化检测网络;采用训练好的遥感图像变化检测网络对待测双时间遥感图像进行检测,得到遥感图像变化检测结果。2.根据权利要求1所述的方法,其特征在于,训练样本包括第一时间遥感图像训练样本和第二时间遥感图像训练样本;利用训练样本的标注和将训练样本输入到遥感图像变化检测网络得到的训练样本的变化检测预测结果图对遥感图像变化检测网络进行训练,得到训练好的遥感图像变化检测网络,包括:将所述第一时间遥感图像训练样本和所述第二时间遥感图像训练样本分别输入到两条特征提取支路中,得到第一空间注意力特征和第二空间注意力特征;将所述第一空间注意力特征和第二空间注意力特征分别进行卷积和下采样操作,得到第一多尺度特征图和第二多尺度特征图;所述第一多尺度特征图和所述第二多尺度特征图均包括四份不同尺度的特征图;将所述第一多尺度特征图和所述第二多尺度特征图输入到多尺度的注意特征模块中,得到两幅时间特征图;将两幅时间特征图输入到所述输出网络中,得到变化检测预测结果图;根据所述变化检测预测结果图和训练样本的标注对遥感图像变化检测网络进行反向训练,得到训练好的遥感图像变化检测网络。3.根据权利要求2所述的方法,其特征在于,将所述第一时间遥感图像训练样本和所述第二时间遥感图像训练样本分别输入到两条特征提取支路中,得到第一空间注意力特征和第二空间注意力特征,包括:将所述第一时间遥感图像训练样本输入到第一条特征提取支路的残差网络中,得到第一特征图;将所述第一特征图输入到第一条特征提取支路的空间注意力模块中,得到第一空间注意力特征;将所述将第二时间遥感图像训练样本输入到第二条特征提取支路的残差网络中,得到第二特征图;
将所述第二特征图输入到第二条特征提取支路的空间注意力模块中,得到第二空间注意力特征。4.根据权利要求3所述的方法,其特征在于,所述空间注意力模块包括3个具有相同结构的卷积层;将所述第一特征图输入到第一条特征提取支路的空间注意力模块中,得到第一空间注意力特征,包括:将所述第一特征图输入到空间注意力模块的3个具有相同结构的卷积层中,得到3个新特征图;将第一个新特征图进行形变和转置操作后与经过形变操作的第二个新特征图相乘后通过Softmax函数激活,得到注意力特征图;将第三个新特征图进行形变操作后与注意力特征图相乘后与所述第一特征图加和,得到第一空间注意力特征。5.根据权利要求2所述的方法,其特征在于,Transformer模块包括两个语义标记器、一个编码器和两个解码器;两幅时间特征图包括第一时间特征图和第二时间特征图;将所述第一多尺度特征图和所述第二多尺度特征图输入到多尺度的注意特征模块中,得到两幅时间特征图,包括:将所述第一多尺度特征图和所述第二多尺度特征图中尺寸相同的子特征图作为一组,得到4组不同尺度的子特征图,每组特征图包括第一多尺度特征图的子特征图和第二多尺度特征图的子特征图;将第一组子特征图的两个特征图分别输入到第一个Transfor...
【专利技术属性】
技术研发人员:王威,谭新爱,王新,刘冠群,王峰,
申请(专利权)人:长沙理工大学,
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。