一种基于高质量特征选择的变化检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于高质量特征选择的变化检测方法及装置，方法包括：通过孪生U型网络对输入图像对进行特征提取，获取不同尺度的图像特征，将图像特征作为输入特征构建特征池；所述孪生U型网络具有全注意力增强特性，且基于VGG16bn网络；根据特征池中不同的变化相关特征的贡献程度进行特征选择，获得高质量的变化特征；对不同尺度的变化特征结合注意力进行金字塔式的特征融合；对金字塔特征融合输出的每层特征增加卷积操作，每一层都生成一个变化掩码，对五个预测变化掩码进行拼接和卷积操作得到最终的预测变化掩码；基于注意力金字塔融合与最终的预测变化掩码构建损失函数，通过损失函数对变化的图像区域进行检测。装置包括：处理器和存储器。处理器和存储器。处理器和存储器。

【技术实现步骤摘要】
silhouette
‑
based semantic scene change detection."2020IEEE International conference on robotics and automation(ICRA).IEEE,2020.
[0012][7]Chen,Hao,Zipeng Qi,and Zhenwei Shi."Remote sensing image change detection with transformers."IEEE Transactions on Geoscience and Remote Sensing 60(2021):1
‑
14.
[0013][8]Huang,Rui,et al."Change detection with absolute difference of multiscale deep features."Neurocomputing 418(2020):102
‑
113.
[0014][9]Xu,Jialang,et al."An A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高质量特征选择的变化检测方法，其特征在于，所述方法包括：通过孪生U型网络对输入图像对进行特征提取，获取不同尺度的图像特征，将图像特征作为输入特征构建特征池；所述孪生U型网络具有全注意力增强特性，且基于VGG16bn网络；根据特征池中不同的变化相关特征的贡献程度进行特征选择，获得高质量的变化特征；对不同尺度的变化特征结合注意力进行金字塔式的特征融合；对金字塔特征融合输出的每层特征增加卷积操作，每一层都生成一个变化掩码，对五个预测变化掩码进行拼接和卷积操作得到最终的预测变化掩码；基于注意力金字塔融合与最终的预测变化掩码构建损失函数，通过损失函数对变化的图像区域进行检测。2.根据权利要求1所述的一种基于高质量特征选择的变化检测方法，其特征在于，所述将图像特征作为输入特征构建特征池具体为：将由孪生网络得到的成对特征作为输入，经过拼接和卷积操作得到拼接特征，经过特征相减求绝对值和卷积操作得到绝对差值特征，利用提取的成对特征、拼接特征、绝对差值特征构建特征池。3.根据权利要求1所述的一种基于高质量特征选择的变化检测方法，其特征在于，所述根据输入特征的贡献程度进行特征选择，获得高质量的变化特征具体为：将这三种不同类型的特征视为专家特征，并随机初始化一个可更新的权重矩阵，对特征池里的特征进行特征选择，依据其重要性进行权重求和，得到高质量的变化特征。4.根据权利要求3所述的一种基于高质量特征选择的变化检测方法，其特征在于，所述高质量的变化特...

【专利技术属性】
技术研发人员：邢艳，黄睿，徐启奥，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：