一种用于遥感变化检测的算法和系统技术方案

本发明专利技术公开了一种用于遥感变化检测的算法和系统，其中方法包括以下步骤：S1，对不同时相的图进行特征提取，输出特征图；S2，将特征图进行特征拼接，得到特征拼接图；S3，将特征图和特征拼接图分别作为输入，进行相似度计算，得到输出结果；S4，将S3中的输出结果进行特征拼接后，再作为特征融合的输入，经过PPM金字塔池化模块后，输出融合特征图；S5，将融合特征图输入FCN

【技术实现步骤摘要】
一种用于遥感变化检测的算法和系统


[0001]本专利技术涉及遥感变化检测
，特别涉及一种用于遥感变化检测的算法和系统。

技术介绍

[0002]遥感变化检测是通过比较同一地理区域不同时间点获取两张或多张遥感影像来发现地球表面发生变化的过程。传统的变化检测需要人工设计特征，是一项费力费时的工作，且需要较强的专业知识。并且很难设计出一种适合于所有地物类型的变化检测方法。除此外，随着算力的大幅度提升，使得深层的卷积神经网络框架也取得了巨大的发展，也有许多的学者将深度神经网络应用到变化检测，提出了一系列针对变化检测的算法框架，但这些算法架构还有一些不足，如参考文献1：庄姊琪. 基于Siamese卷积神经网络的高分影像城市地物变化检测[D].武汉大学,2018.中提出了SCNN网络，网络将变化前后的图像输入模型（SCNN网络），通过共享权值的孪生（Siamese）模块分别对变化前后（同位置不同时间的两张图像）进行特征提取，然后再将提出的特征进行相似度对比，从而得到变化的区域（变化的mask）。其中，提出的SCNN网络只获取到了变化的位置，但没有得到变化的详细信息。所以，亟需一种算法框架，使得不但可以获取到变化的区域，还能获取到变化的详细信息。

技术实现思路

[0003]为了解决现有问题，本专利技术提供了一种用于遥感变化检测的算法和系统，具体方案如下：一种用于遥感变化检测的算法，具体包括以下步骤：S1，对不同时相的图进行特征提取，输出特征图；S2，将所述特征图进行特征拼接，得到特征拼接图；S3，将所述特征图和所述特征拼接图分别作为输入，进行相似度计算，得到输出结果；S4，将S3中的输出结果进行特征拼接后，再作为特征融合的输入，经过PPM金字塔池化模块后，输出融合特征图；S5，将所述融合特征图输入FCN
‑
head模块和SPP
‑
head模块中，得到最终输出。
[0004]优选的，S1中基于孪生神经网络，使用骨干网络对1组2张不同时相的图进行特征提取，输出2个特征图，记为pre_feature_map和cur_feature_map；S2将S1中输出2个的所述特征图进行特征拼接，得到特征拼接图，记为concat_feature_map。
[0005]优选的，S3分别将S1得到的2个特征图和S2得到的特征拼接图作为输入，进行相似度计算，输出3个计算结果，记为similarity_1、similarity_2以及similarity_3。
[0006]优选的，S3中的计算结果是通过3个计算分支完成；pre_feature_map和cur_feature_map作为分支一的输入，分支一将所述pre_feature_map和cur_feature_map经过卷积层后得到的feature map相乘，得到分支一的输
出，记为similarity_1；concat_feature_map作为分支二的输入，直接经过卷积层后得到分支二的输出，记为similarity_2；pre_feature_map和cur_feature_map作为分支三的输入，经过卷积层后得到的featuremap相减，得到分支三的输出，记为similarity_3。
[0007]优选的，S4中将similarity_1和similarity_2进行特征拼接后作为输入，经过PPM
‑
A后得到输出feature_fusion1，另外，将similarity_2和similarity_3进行特征拼接后作为输入，经过PPM
‑
B后得到输出feature_fusion2。
[0008]优选的，将similarity_1和similarity_2进行特征拼接的具体方法包括：similarity_1的维度为“B*C*H*W”维张量，similarity_2的维度也是“B*C*H*W”维张量，将similarity_1展成B*C*(H*W)；再经过1个全连接层、一个BN层和一个Relu层，然后输出维度为“B*(C/2)*(H*W)”的特征C_P，同理再将similarity_2经过与similarity_1相同的操作，输出维度为“B*(C/2)*(H*W)”的特征P_P，再将“C_P”和“P_P”经过concat，得到“B*C*(H*W)”维度张量C_P_F，再将“C_P_F”展为“B*C*H*W”维度的张量，并输出，另，将similarity_2和similarity_3进行特征拼接的具体方法与similarity_1和similarity_2进行特征拼接的具体方法相同。
[0009]优选的，所述PPM
‑
B的具体处理步骤：SA1，similarity_2与similarity_3经过特征拼接后的特征拼接图记为feature_map_s2s3，所述feature_map_s2s3经过4组不同尺度（1/2、1/4、1/8、1/16）的池化操作，输出4组不同维度的特征图，feature_map_s2s3_p2、feature_map_s2s3_p4、feature_map_s2s3_p8、feature_map_s2s3_p16；SA2，分别将SA1中得到的4组不同维度的特征图经过卷积操作，记作feature_fusion2，包括feature_map_s2s3_p2_c、feature_map_s2s3_p4_c、feature_map_s2s3_p8_c、feature_map_s2s3_p16_c。
[0010]优选的，S5中将feature_fusion1输入FCN
‑
head模块中得到最终输出，记为output1；将feature_fusion2输入SPP
‑
head模块中得到最终输出，记为output2。
[0011]优选的，将所述feature_fusion2输入所述SPP
‑
head模块后，SPP
‑
head模块具体处理步骤包括：SB1，将所述feature_map_s2s3_p2_c、feature_map_s2s3_p4_c、feature_map_s2s3_p8_c、feature_map_s2s3_p16_c进行1/8、1/4、1/2、1/1尺度的池化操作，得到4组分辨率一样大小的新的特征图，记作feature_map_s2s3_c_p2_18、feature_map_s2s3_c_p4_14、feature_map_s2s3_c_p8_12、feature_map_s2s3_c_p1_11；SB2，将SB1得到的4组分辨率相同的新的特征图进行拼接，记作feature_map_s2s3_c_p_concat；SB3，将所述feature_map_s2s3_c_p_concat上采样到与feature_map_s2s3相同大小的分辨率，记作feature_map_s2s3_p_concat_up；SB4，将所述feature_map_s2s3_p_conca本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于遥感变化检测的算法，其特征在于，具体包括以下步骤：S1，对不同时相的图进行特征提取，输出特征图；S2，将所述特征图进行特征拼接，得到特征拼接图；S3，将所述特征图和所述特征拼接图分别作为输入，进行相似度计算，得到输出结果；S4，将S3中的输出结果进行特征拼接后，再作为特征融合的输入，经过PPM金字塔池化模块后，输出融合特征图；S5，将所述融合特征图输入FCN
‑
head模块和SPP
‑
head模块中，得到最终输出。2.根据权利要求1所述的用于遥感变化检测的算法，其特征在于：S1中基于孪生神经网络，使用骨干网络对1组2张不同时相的图进行特征提取，输出2个特征图，记为pre_feature_map和cur_feature_map；S2将S1中输出2个的所述特征图进行特征拼接，得到特征拼接图，记为concat_feature_map。3.根据权利要求2所述的用于遥感变化检测的算法，其特征在于：S3分别将S1得到的2个特征图和S2得到的特征拼接图作为输入，进行相似度计算，输出3个计算结果，记为similarity_1、similarity_2以及similarity_3。4.根据权利要求3所述的用于遥感变化检测的算法，其特征在于：S3中的计算结果是通过3个计算分支完成；pre_feature_map和cur_feature_map作为分支一的输入，分支一将所述pre_feature_map和cur_feature_map经过卷积层后得到的featuremap相乘，得到分支一的输出，记为similarity_1；concat_feature_map作为分支二的输入，直接经过卷积层后得到分支二的输出，记为similarity_2；pre_feature_map和cur_feature_map作为分支三的输入，经过卷积层后得到的featuremap相减，得到分支三的输出，记为similarity_3。5.根据权利要求4所述的用于遥感变化检测的算法，其特征在于：S4中将similarity_1和similarity_2进行特征拼接后作为输入，经过PPM
‑
A后得到输出feature_fusion1，另外，将similarity_2和similarity_3进行特征拼接后作为输入，经过PPM
‑
B后得到输出feature_fusion2。6.根据权利要求5所述的用于遥感变化检测的算法，其特征在于，将similarity_1和similarity_2进行特征拼接的具体方法包括：similarity_1的维度为“B*C*H*W”维张量，similarity_2的维度也是“B*C*H*W”维张量，将similarity_1展成B*C*(H*W)；再经过1个全连接层、一个BN层和一个Relu层，然后输出维度为“B*(C/2)*(H*W)”的特征C_P，同理再将similarity_2经过与similarity_1相同的操作，输出维度为“B*(C/2)*(H*W)”的特征P_P，再将“C_P”和“P_P”经过concat，得到“B*C*(H*W)”维度张量C_P_F，再将“C_P_F”展为“B*C*H*W”维度的张量，并输出，另，将similarity_2和similarity_3进行特征拼接的具体方法与similarity_1和similarity_2进行特征拼接的具体方法相同。7.根据权利要求6所述的用于遥感变化检测的算法，其特征在于，所述PPM
‑
B的具体处理步骤包括：SA1，similarity_2与similarity_3经过特征拼接后的特征拼接图记为feature_...

【专利技术属性】
技术研发人员：牛威，郝磊，丁锐，鱼群，蔡文新，
申请(专利权)人：中科星图测控技术合肥有限公司，
类型：发明
国别省市：