【技术实现步骤摘要】
一种基于熵筛选的伪标签交叉一致性变化检测方法
[0001]本专利技术属于光学遥感图像变化检测
，尤其涉及一种基于熵筛选的伪标签交叉一致性变化检测方法。
技术介绍
[0002]目前，光学遥感图像变化检测的目的是识别一对在同一区域不同时间拍摄的图像之间的显著变化，重点用于分析地球表面的变化情况，例如水体的演变、建筑的发展趋势、道路的变更等等。作为对地观测中一项重要且具有挑战性的任务，变化检测在自然灾害评估、城市规划、资源管理、森林砍伐监测等方面有着广泛的应用。
[0003]对于光学遥感图像变化检测任务而言，高质量的有标签数据集较少，这限制了深度学习模型在此任务上的实际应用。随着地球观测水平的提高，获取变化检测任务所需要的不同时相、同一地区的图像已经不是一件难事，但由于图像分辨率的显著提升，对这些图像对的细致化标注愈发困难。变化检测的训练数据需要同时对比不同时相的图像并进行像素级精度的标注，与其他任务(如图片分类、目标检测)相比成本更加昂贵。目前，有大量的双时相图像对不存在真实标签，如何有效地利用这些无标签的数据是近...
【技术保护点】
【技术特征摘要】
1.一种基于熵筛选的伪标签交叉一致性变化检测方法，其特征在于，所述基于熵筛选的伪标签交叉一致性变化检测方法包括：步骤一，构建基于熵筛选的伪标签交叉一致性变化检测模型EPCCDM；步骤二，将有标签双时相图像对和无标签双时相图像对输入所述EPCCDM的两个变化检测分支中，并所述两个变化检测分支的输出进行SoftMax处理，得到四张变化概率图；步骤三，对得到的四张变化概率图执行基于熵的动态阈值策略得到相应的伪标签；基于所述变化概率图、伪标签以及真实标签，联合使用监督损失和伪标签交叉一致性损失对所述EPCCDM进行训练；步骤四，训练完成后，对变化概率图执行Argmax处理，将概率最高的类别作为像素的类别，得到每个像素点属于的类别，生成预测变化图。2.如权利要求1所述基于熵筛选的伪标签交叉一致性变化检测方法，其特征在于，所述基于熵筛选的伪标签交叉一致性变化检测模型EPCCDM包括：两个具有相同结构但初始化参数值θ不同的变化检测分支N
θ1
、N
θ2
，PLCC以及EDT；所述两个变化检测分支N
θ1
、N
θ2
基于编
‑
解码器架构，包含两个共享权重的ResNet
‑
18编码器和一个解码器；所述每个编码器，用于输出5个层级的特征其中t＝{T1,T2}，i＝{1,2,3,4,5}，{C1,C2,C3,C4,C5}＝{64,64,128,256,512}；所述解码器，用于获取编码器输出的特征，并利用1
×
1卷积层将所述特征的通道数都压缩为256；同时用于每个融合节点通过直接相加的方式融合不同特征，并在相加后通过一组3
×
3、1
×
1、3
×
3卷积层；所述卷积层的卷积核个数分别为256、16、256；所述EPCCDM用不同的参数值初始化所述两个变化检测分支N
θ1
和N
θ2
的解码器。3.如权利要求1所述基于熵筛选的伪标签交叉一致性变化检测方法，其特征在于，所述步骤二包括：首先，获取有标签双时相图像对(T1
l
,T2
l
)，以及无标签双时相图像对(T1
ul
,T2
ul
)；其次，通过所述EPCCDM的两个变化检测分支N
θ1
、N
θ2
和SoftMax处理S(
·
)，得到四张变化概率图和和和其中，2表示类别数；所述类别数为变化/未变化；H
O
和W
O
分别表示输入图像的原始高度和宽度。4.如权利要求1所述基于熵筛选的伪标签交叉一致性变化检测方法，其特征在于，所述步骤三包括：(1)对四个变化概率图执行基于熵的动态阈值策略筛选得到可靠的像素点，并得到对应的伪标签(2)所述EPCCDM的PLCC通过伪标签对变化概率图进行交叉监督，对两个变化检测分支
N
θ1
、N
θ2
进行一致性正则化；同时所述EPCCDM将监督损失L
sup
和伪标签交叉一致性损失L
plcc
作为损失函数进行训练。5.如权利要求4所述基于熵筛选的伪标签交叉一致性变化检测方法，其特征在于，所述步骤(1)包括：1)利用下式计算变化概率图中所有像素点的熵，得到熵图H
iter
：其中，为变化概率图中第j个像素点位置上的两个值；2)利用基于熵的动态阈值策略EDT...
【专利技术属性】
技术研发人员：骆春波，徐加朗，罗杨，刘翔，孙文健，
申请(专利权)人：电子科技大学长三角研究院湖州，
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。