一种遥感影像变化检测方法技术

本发明专利技术涉及一种遥感影像变化检测方法，属于遥感影像识别技术领域。本发明专利技术在编码部分选用能够共享权重的孪生网络的输入方式，将双时相影像分别输入相同的网络分支进行特征提取，通过共享权重减少过拟合现象，其中两个网络分支选用残差连接模块作为卷积单元分别提取影像的特征，加快了网络的收敛速度；同时利用一种密集连接方法，将影像在不断的降采样过程中损失的信息通过上采样逐层聚合，从而改善了网络对小目标的提取能力；并在编码部分和解码部分的横向连接处引入注意力模块以增强对变化信息的获取能力，提高了复杂背景下边界的区分能力；最后通过解码部分上采样将特征图恢复成原始影像大小，并输入分类层，得到准确的变化检测结果。检测结果。检测结果。

【技术实现步骤摘要】
一种遥感影像变化检测方法


[0001]本专利技术涉及一种遥感影像变化检测方法，属于遥感影像识别


技术介绍

[0002]遥感影像变化检测已被广泛应用于地形图更新、城市变化分析、灾害评估、滑坡监测等多个领域。图像代数法、图像变换法以及分类后比较法等传统变化检测方法，在中低分辨率遥感影像上表现出良好的效果，但是随着影像分辨率的提高，影像背景更加复杂，不仅更加难以实现自动变化检测，而且变化检测结果的精度也往往无法满足实际应用的需求。
[0003]深度学习以其强大的自主学习能力广泛应用于计算机视觉和遥感等领域，基于全卷积神经网络(Fully Convolutional Network,FCN)结构的模型被应用于语义分割任务中，实现了以端到端的方式提取影像的特征。典型的网络有UNet、SegNet以及DenseNet，语义分割网络的不断提出使得遥感影像变化检测任务得到了快速发展。孪生网络以其双分支共享权重的特点逐渐成为遥感影像变化检测中流行的输入方式，Daudt等讨论了FC
‑
EF、FC
‑<br/>Siam...

【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，该方法包括以下步骤：1)获取待检测的遥感影像对，分别为第一遥感影像和第二遥感影像，第一遥感影像和第二遥感影像尺度大小相同；2)构建变化检测模型，所述变化检测模型包括编码部分和解码部分，编码部分采用孪生网络，解码部分采用上采样网络，编码部分和解码部分采用注意力模块连接；所述孪生网络包括第一网络分支和第二网络分支，第一网络分支和第二网络均采用若干层残差连接模块进行特征提取，第一网络分支用于对第一遥感影像进行特征提取，以得到不同尺度的第一遥感影像特征，第二网络分支用于对第二遥感影像进行特征提取，以得到不同尺度的第二遥感影像特征；第一网络分支和第二网络分支之间通过密集连接方式将同样尺度的第一遥感影像特征和第二遥感影像特征进行叠加融合，得到不同尺度的融合特征；所述的注意力模块用于分别对不同尺度的融合特征进行特征增强处理；所述解码部分用于通过上采样网络将特征增强处理后的不同尺度特征进行特征恢复和融合，以得到变化检测结果。2.根据权利要求1所述的遥感影像变化检测方法，其特征在于，所述的残差连接模块包括第一卷积层、第二卷积层、第一正则化层、第二正则化层、激活层和叠加模块，第一卷积层用于对输入的特征进行卷积操作，第一卷积层输出经过第一正则化层和激活层处理后依次输入到第二卷积层和第二正则化层，经过再次卷积和正则化处理后输入到叠加模块，用于对第二正则化层输出的特征和第一卷积层输出的特征进行叠加处理，叠加后的特征即为该残差连接模块的输出。3.根据权利要求1或2所述的遥感影像变化检测方法，其特征在于，所述的密集连接包括对上采样层和叠加层，所述上采样层用于对第二网络分支中某一层残差连接模块的输出进行上采样，叠加层用于对上采样的结果与第二网络分支中上一层残差连接模块的输出与第一网络分支中对应层残差连接模块的输出进行叠加处理。4.根据权利要求3所述的遥感影像变化检测方法，其特征在于，所述的注意力模块采用卷积注意力模块。5.根据权利要求4所述的遥感影像变化检测方法，其特征在于，所述的第一网络分支包括N层残差连接模块，第二网络分支包括N+1层残差连接模块，N大于等于3；其中第一网络分支的第一层残差连接模块的输入为第一遥感影像，输出为与第一遥感影像尺度大小相同的卷积特征；第一网络分支的第二层残差连接模块的输入为第一层残差连接模块的输...

【专利技术属性】
技术研发人员：郭海涛，卢俊，龚志辉，徐青，丁磊，林雨准，刘相云，牛艺婷，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：