一种结合特征融合和强化差异的遥感影像变化检测方法技术

一种结合特征融合和强化差异的遥感影像变化检测方法，包括以下步骤：两期遥感影像进行预处理后输入模型，通过下采样通道提取两期遥感影像特征并计算强化差异特征图；将两通道最高层特征及其差异特征级联作为上采样输入，在上采样过程中建立辅助上采样通道将特征融合至主上采样通道，并将下采样中的各尺度强化差异特征和浅层特征级联到上采样相应层；将上采样最后一层输出经过反卷积和Sigmoid操作后得到影像变化概率图，并使用基于二元交叉熵和Dice的混合损失函数，根据真实影像变化标签计算损失，通过反向传播算法更新网络最终生成变化检测结果图。本发明专利技术能够有效的提取两期遥感影像更丰富、细致的特征，可以得到相对其他网络精度更高的变化检测结果。络精度更高的变化检测结果。络精度更高的变化检测结果。

【技术实现步骤摘要】
一种结合特征融合和强化差异的遥感影像变化检测方法


[0001]本专利技术属于遥感
，尤其涉及结合特征融合和强化差异的遥感影像变化检测技术，具体涉及一种结合深度可分离卷积和强化变化区域的高分辨率遥感影像变化检测方法

技术介绍

[0002]建筑物变化检测技术是遥感领域中的一个重要研究方向，随着深度学习技术的不断发展，基于深度学习方法的建筑物变化检测技术不断出现，其中基于Unet网络所衍生的U型深度网络是建筑物变化检测常用网络。
[0003]目前基于U型深度网络的变化检测技术主要侧重对变化部分提取算法的研究，以及网络结构的改造，表现出不低的变化检测精度。但是，众多方法中的多种特征提取方法提取到的特征总是有或多或少的缺失。论文“Ronneberger O,Fischer P,Brox T.U
‑
Net:Convolutional Networks for Biomedical Image Segmentation[J].Springer International Publishing,2015.”首先设计出了U型特征提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合特征融合和强化差异的遥感影像变化检测方法，其特征在于，包括以下步骤：步骤1：首先对两期遥感影像预处理，然后将两期影像分别输入到两个采用相同参数的下采样通道中来提取影像特征；并在下采样的过程中获取两个通道的不同尺度强化差异特征；步骤2：将两个通道通过下采样得到的特征，以及最后一次下采样得到的强化差异特征进行级联操作，将级联后的影像特征作为两上采样通道的输入部分；在上采样过程中，将两下采样通道各尺度浅层特征、各尺度特征的强化差异特征，以及辅助上采样通道的特征通过短连接级联到上采样相同尺度特征层；步骤3：上采样操作结束后，将最后一层上采样的输出经过一次反卷积和Sigmoid操作后得到影像变化概率图，并使用基于二元交叉熵和Dice的混合损失函数，根据真实影像变化标签计算损失，通过反向传播算法不断更新网络参数，经过多次迭代得到相对参数最优模型并生成最终变化检测结果图。2.根据权利要求1所述的方法，其特征在于：在步骤1中，通过两个下采样通道来提取特征，并考虑两下采样通道的差异特征，具体如下：1)将通道1中的五个下采样卷积模块记作T1
i
，i＝1，2，3，4，5，第i个卷积模块T1
i
的输入和输出分别记作T1
i
(In)和T1
i
(Out)；首个卷积模块T11的输入为X1，即T11(In)＝X1，之后的卷积模块T1
i
的输入T1
i
(In)为MAX(T1
i
‑1(Out))，MAX()表示最大池化操作；2)将通道2中的五个下采样卷积模块记作T2
i
，i＝1，2，3，4，5，第i个卷积模块T2
i
的输入和输出分别记作T2
i
(In)和T2
i
(Out)；首个卷积模块T21的输入为X2，即T21(In)＝X2，之后的卷积模块T2
i
的输入T2
i
(In)为MAX(T2
i
‑1(Out))，MAX()表示最大池化操作；3)在两通道下采样的同时，将两个通道各个尺度的特征生成强化差异特征STCA
i
，通过下式确定：下式确定：STCA
i
＝P
i1
+P
i2
ꢀꢀ
(3)其中i＝1，2，3，4，5，T1
i
(Out)为通道1第i个下采样卷积模块的输出，T2
i
(Out...

【专利技术属性】
技术研发人员：杜行奇，
申请(专利权)人：三峡大学，
类型：发明
国别省市：