基于高效注意力的轻量级光学遥感图像变化检测方法技术

本发明专利技术公开了一种基于高效注意力的轻量级光学遥感图像变化检测方法，包括如下步骤：首先，对光学遥感图像进行预处理，得到对应的变化标签图；然后对其进行切割得到训练样本；再将双时相图像进行串联后通过FOCUS模块、深度残差块、轻量级注意力模块以得到精细化的不同尺度特征图，随后利用多尺度特征融合模块对得到的多幅特征图进行聚合以生成变化图；待训练结束后，将模型的所有参数信息保存下来；最后将经过预处理的待测样本输入至变化检测模型中，经计算输出检测结果图。本发明专利技术方案利用FOCUS下采样层、能够扩大感受野的深度残差卷积块、高效的注意力机制和多尺度特征融合模块以更少的参数和计算量实现变化区域的提取。以更少的参数和计算量实现变化区域的提取。以更少的参数和计算量实现变化区域的提取。

【技术实现步骤摘要】
基于高效注意力的轻量级光学遥感图像变化检测方法


[0001]本专利技术涉及光学遥感图像变化检测领域，尤其涉及一种基于高效注意力的轻量级光学遥感图像变化检测方法。

技术介绍

[0002]遥感图像变化检测是利用同一地区不同时间采集的两幅或多幅遥感图像进行比较分析获得变化信息的技术。不同领域对于变化的定义不同，如农业调查、森林监测、城市扩张和灾害评估。近年来，随着卫星遥感技术以及计算机视觉技术的迅速发展，遥感图像变化检测正成为一个活跃的研究课题。
[0003]随着计算机技术的快速发展以及高分辨率光学遥感图像数据集的不断增加，国内外学者提出了许多基于深度学习的变化检测方法。基于深度学习的变化检测方法具有非线性特征和出色的特征提取能力，从原始图像中预测像素分类图和高度语义抽象的空间上下文，模糊了传统基于像素和基于对象的方法之间的边界，可以更好地理解复杂场景。基于深度学习的变化检测方法不需要图像预处理，不仅减少了人工干预，而且避免了由于预处理而导致的错误，因此，基于深度学习的遥感图像变化检测方法在解决遥感图像变化检测问题方面的使用呈指数增长。目前主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于高效注意力的轻量级光学遥感图像变化检测方法，其特征在于：包括以下几个步骤：A、将双时相光学遥感图像依次进行正射校正、图像配准、图像拉伸以及图像数值归一化预处理，从而得到数据分布一致的双时相光学遥感图像；B、将步骤A中获得的经过预处理后的双时相光学遥感图像，标注遥感图像中更新的部分，得到对应的变化标签图；C、将从步骤B中得到的变化标签图以及步骤A中获得的经过预处理后的双时相光学遥感图像，采用同一尺寸对其进行切割，得到训练样本；D、将步骤C中获得的训练样本中的双时遥感图像进行串联；E、串联的图像对通过FOCUS模块进行下采样，再将下采样后的特征图输入由卷积核大小为3
×
3和5
×
5的DW卷积构成的深度残差块进行编码，从而提取与变化区域相关的特征图；F、将步骤E中得到的特征图输入到高效注意力模块中，实现对特征图的细化；G、将步骤F中得到的不同层次的特征输入到多尺度特征融合模块中，得到最终的特征图X；H、将步骤G中获得的最终融合特征X输入到由1
×
1卷积组成的预测头中并得到训练样本的双时相图像的预测变化图；I、将二分类交叉熵损失与Dice损失结合形成混合损失函数以计算步骤H中得到的训练样本的双时相图像的预测变化图与对应的标签图之间的损失；J、训练结束后，将训练好的变化检测模型的权重参数和超参数信息都保存下来；K、将待检测的前、后时相遥感图像依次经正射校正、图像配准、图像拉伸以及图像数值归一化预处理后，接着采用同一尺寸对其进行切割以获得待测样本；L、将待测样本输入至步骤J中得到的变化检测模型中，经计算输出待测样本的预测变化图。2.根据权利要求1所述的基于高效注意力的轻量级光学遥感图像变化检测方法，其特征在于：所述的步骤F具体包括如下步骤：首先对特征图F使用平均池化层以生成大小为C
×1×
1和1
×
H
×
W的聚合向量，其中C为通道数，H和W为特征图的高和宽；接着将一维卷积应用于C
×1×
1的聚合向量以得到通道维度的注意...

【专利技术属性】
技术研发人员：李军伟，李世杰，杨伟，金勇，郭凌辉，
申请(专利权)人：河南大学，
类型：发明
国别省市：