一种遥感影像变化检测方法及装置制造方法及图纸

本发明专利技术提供的一种遥感影像变化检测方法及装置，通过提取不同时相的特征图，以及不同时相特征图的融合变化特征，通过使用无监督学习模块来减小不同时相特征图中变化区域特征的差距，以加强变化特征，从而提高变化检测的精度。精度。精度。

【技术实现步骤摘要】
一种遥感影像变化检测方法及装置


[0001]本专利技术属于卫星遥感
，尤其是涉及一种遥感影像变化检测方法及装置。

技术介绍

[0002]遥感影像变化检测是通过图像处理和数学模型，检测出不同时期同一地理区域的地表地物变化信息。遥感图像变化检测在生态环境监测、灾害应急管理、地表覆盖监测等领域有着广泛的应用。近年来，深度学习技术快速发展，在数字图像识别领域发挥了重要的作用。
[0003]在土地执法的实际工作中，仍然是以基于人工实地调查取证方法为主，如能利用遥感影像进行耕地变化检测，从中提取耕地上新增的建筑用地，可大幅减小人力、时间和财力成本。

技术实现思路

[0004]本专利技术所要解决的技术问题是怎样对遥感图像进行检测分析，得到不同时刻图像中耕地与建设用地之间的变化，提高变化检测的准确度，提出了一种遥感影像变化检测方法及装置。
[0005]为解决上述技术问题，本专利技术所采用的技术方案是：
[0006]一种遥感影像变化检测方法，包括以下步骤：
[0007]步骤1：对同一地区T1时刻和T2时刻的两幅遥感影像进行特征提取，得到两个不同时相的特征图F1和F2；
[0008]步骤2：将T1时刻影像和T2时刻影像进行通道维度堆叠后进行特征融合提取融合变化特征图F3；
[0009]步骤3：将两个不同时相的特征图F1和F2以及融合变化特征图F3输入到神经网络模型进行特征加强与融合以及二值化处理得到变化检测结果。
[0010]进一步地，提取两个不同时相的特征图F1和F2以及融合变化特征图 F3的方法是使用主干特征提取网络。
[0011]进一步地，所述主干特征提取网络由三分支的编码
‑
解码网络构成，将T1时刻影像和T2时刻影像分别输入到主干特征提取网络的上下两个分支的编码
‑
解码网络中进行特征提取，得到两个不同时相的特征图F1和F2；
[0012]将T1时刻影像和T2时刻影像进行通道维度的堆叠后输入到主干特征提取网络的中间分支的编码
‑
解码网络中进行特征融合与特征提取，得到融合变化特征图F3。
[0013]进一步地，步骤3所使用的神经网络模型是变化特征增强网络 CFI
‑
Net，所述变化特征增强网络CFI
‑
Net的网络结构包括用于对两个时相的未变化区域特征进行特征加强的无监督学习模块以及用于对差异特征F
c
和融合变化特征图F3进行特征融合的特征融合模块组成，所述差异特征F
c
是指将T1时刻影像提取的特征图F1和T2时刻影像提取的特征图F2求差值得到两个时相的。
[0014]进一步地，所述无监督学习模块包括一个Sigmoid分类器、阈值转换器和两个乘法器，将融合变化特征F3输入Sigmoid分类器得到分类结果，将分类结果输入阈值转换器进行阈值转换得到未变变化特征图M
uc
；
[0015]将未变变化特征图M
uc
分别与F1和F2进行相乘得到T1时刻和T2时刻的未变化的特征图F
uc1
和F
uc2
，
[0016]对T1时刻和T2时刻未变化的特征图F
uc1
和F
uc2
求损失L
mse
，使损失L
mse
更小来减小未变化特征图F
uc1
和F
uc2
之间的差距。
[0017]进一步地，所述对差异特征F
c
和融合变化特征图F3进行特征融合的特征融合模块由两个卷积核大小为3
×
3的反卷积、一个1
×
1的卷积和一个Argmax函数构成，将T1时刻影像提取的特征图F1和T2时刻影像提取的特征图F2求差值得到两个时相的差异特征F
c
，将差异特征F
c
与融合变化特征图F3进行通道维度的堆叠输入到特征融合模块中进行特征融合和二值化处理得到最后的二值图像。
[0018]本专利技术还提供了一种遥感影像变化检测装置，包括以下模块：
[0019]不同时相特征提取模块：用于对同一地区T1时刻和T2时刻的两幅遥感影像进行特征提取，得到两个不同时相的特征图F1和F2；
[0020]变化特征图提取模块：用于对T1时刻影像和T2时刻影像进行通道维度堆叠后，进行特征融合并提取融合变化特征图F3；
[0021]检测结果输出模块：将两个不同时相的特征图F1和F2以及融合变化特征F3输入到神经网络模型进行特征加强与融合得到变化检测结果。
[0022]采用上述技术方案，本专利技术具有如下有益效果：
[0023]本专利技术提供的一种遥感影像变化检测方法及装置，通过提取不同时相的特征图，以及不同时相特征图的融合变化特征，通过使用无监督学习模块来减小不同时相特征图中变化区域特征的差距，以加强变化特征，从而提高变化检测的精度。
附图说明
[0024]图1为本专利技术对遥感影像变化检测流程示意图。
[0025]图2为CFI
‑
Net结构示意图；
[0026]图3为遥感影像实验结果图，其中，图3(a)为T1时刻的影像，图3(b) 为T2时刻的影像，图3(c)为本专利技术所提方法的检测结果影像，图3(d)为参考影像。
具体实施方式
[0027]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]图1和图2示出了本专利技术一种遥感影像变化检测方法的具体实施例，包括以下步骤：
[0029]步骤1：对同一地区T1时刻和T2时刻的两幅遥感影像进行特征提取，得到两个不同时相的特征图F1和F2；
[0030]步骤2：将T1时刻影像和T2时刻影像进行通道维度堆叠后进行特征融合提取融合
变化特征图F3；
[0031]本实施例中，提取两个不同时相的特征图F1和F2以及融合变化特征图 F3的方法是使用主干特征提取网络。
[0032]所述主干特征提取网络由三分支的编码
‑
解码网络构成，如图1所示，将T1时刻影像和T2时刻影像分别输入到主干特征提取网络的上下两个分支的编码
‑
解码网络中进行特征提取，得到两个不同时相的特征图F1和F2；
[0033]将T1时刻影像和T2时刻影像进行通道维度的堆叠后输入到主干特征提取网络的中间分支的编码
‑
解码网络中进行特征融合与特征提取，得到融合变化特征图F3。
[0034]本实施例中，三分支的编码
‑
解码网络包括一个步长为2的7
×
7卷积、一个Maxpool层、四个编码模块四个解码模块，该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感影像变化检测方法，其特征在于，包括以下步骤：步骤1：对同一地区T1时刻和T2时刻的两幅遥感影像进行特征提取，得到两个不同时相的特征图F1和F2；步骤2：将T1时刻影像和T2时刻影像进行通道维度堆叠后进行特征融合提取融合变化特征图F3；步骤3：将两个不同时相的特征图F1和F2以及融合变化特征图F3输入到神经网络模型进行特征加强与融合以及二值化处理得到变化检测结果。2.根据权利要求1所述的检测方法，其特征在于，提取两个不同时相的特征图F1和F2以及融合变化特征图F3的方法是使用主干特征提取网络。3.根据权利要求2所述的检测方法，其特征在于，所述主干特征提取网络由三分支的编码
‑
解码网络构成，将T1时刻影像和T2时刻影像分别输入到主干特征提取网络的上下两个分支的编码
‑
解码网络中进行特征提取，得到两个不同时相的特征图F1和F2；将T1时刻影像和T2时刻影像进行通道维度的堆叠后输入到主干特征提取网络的中间分支的编码
‑
解码网络中进行特征融合与特征提取，得到融合变化特征F3。4.根据权利要求1所述的检测方法，其特征在于，步骤3所使用的神经网络模型是变化特征增强网络CFI
‑
Net，所述变化特征增强网络CFI
‑
Net的网络结构包括用于对两个时相的未变化区域特征进行特征加强的无监督学习模块以及用于对差异特征F
c
和融合变化特征图F3进行特征融合的特征融合模块组成，所述差异特征F
c
是指将T1时刻影像提取的特征图F1和T2时刻影像提取的特征图F2求差值得到两个时相的。5.根据权利要求4所述的检测方法，其特征在于，所述无监督学习模...

【专利技术属性】
技术研发人员：谢廷峰，吴宝中，常中祥，赵硕，胡佩，谭湘，
申请(专利权)人：中科天智运控深圳科技有限公司，
类型：发明
国别省市：