【技术实现步骤摘要】
双时相影像建筑物变化检测方法、装置、设备及存储介质
[0001]本专利技术涉及影像检测
,尤其是涉及一种双时相影像建筑物变化检测方法、装置、设备及存储介质。
技术介绍
[0002]近年来随着我国经济的快速发展,遥感影像的应用范围也不断扩大,包括建筑物变化检测、城市数据更新、防灾应急、城市规划、人口估计、地形图制作和更新等多个方面。随着深度学习技术的快速发展,利用深度学习基于双时相遥感影像进行建筑物变化检测成为近年来遥感科学工作中的发展趋势和研究热点。
[0003]目前大部分深度学习算法主要基于有监督的方式训练深度学习网络模型基于双时相遥感影像进行建筑物变化检测。基于有监督方式的建筑物变化检测需要人工标注大量的标签,耗费较多人力、财力,时间成本高,而且模型性能的好坏跟标注的数据集大小息息相关。因此,亟需一种能够快速准确地提取建筑物变化的方案。
技术实现思路
[0004]本专利技术旨在提供一种双时相影像建筑物变化检测方法、装置、设备及存储介质,以解决上述技术问题,从而能够快速准确地提取出建筑物变化。
[0005]为了解决上述技术问题,本专利技术提供了一种双时相影像建筑物变化检测方法,包括:
[0006]将第一时相影像和第二时相影像输入至预先训练好的图像特征提取模块,并分别对与所述第一时相影像和所述第二时相影像对应的输出特征进行通道拼接,得到第一拼接特征和第二拼接特征;
[0007]将所述第一拼接特征与所述第二拼接特征进行差分计算,得到图像差分特征;
[0008 ...
【技术保护点】
【技术特征摘要】
1.一种双时相影像建筑物变化检测方法,其特征在于,包括:将第一时相影像和第二时相影像输入至预先训练好的图像特征提取模块,并分别对与所述第一时相影像和所述第二时相影像对应的输出特征进行通道拼接,得到第一拼接特征和第二拼接特征;将所述第一拼接特征与所述第二拼接特征进行差分计算,得到图像差分特征;对所述图像差分特征进行上采样操作得到与所述第一时相影像的尺寸大小相同的待分割特征块,将所述待分割特征块分割为若干个不重叠特征块;计算所有不重叠特征块的平均特征,并计算每一所述不重叠特征块与所述平均特征的差分特征,得到差分特征数据;利用pca技术对所述差分特征数据进行计算得到协方差矩阵,并获取所述协方差矩阵的特征向量和特征值;将所述协方差矩阵的特征向量按照特征值的大小进行降序排列,并将不重叠特征块按照从左到右、从上到下的像素投影至所述协方差矩阵的特征向量后得到的向量依次排列,得到目标向量;对所述目标向量的特征向量空间进行聚类标记,并对聚类过程生成的聚类标签进行纠正;基于纠正后的聚类结果确定双时相影像的建筑物变化区域。2.根据权利要求1所述的双时相影像建筑物变化检测方法,其特征在于,所述将第一时相影像和第二时相影像输入至预先训练好的图像特征提取模块,并分别对与所述第一时相影像和所述第二时相影像对应的输出特征进行通道拼接,得到第一拼接特征和第二拼接特征,包括:将第一时相影像输入至预先训练好的图像特征提取模块,获取得到所述图像特征提取模块输出的与所述第一时相影像对应的二阶段特征、三阶段特征和四阶段特征;采用双线性插值法分别对与所述第一时相影像对应的二阶段特征、三阶段特征和四阶段特征进行上采样操作,并基于预设的轴对各阶段特征进行拼接得到与所述第一时相影像对应的第一拼接特征;将第二时相影像输入至预先训练好的图像特征提取模块,获取得到所述图像特征提取模块输出的与所述第二时相影像对应的二阶段特征、三阶段特征和四阶段特征;采用双线性插值法分别对与所述第二时相影像对应的二阶段特征、三阶段特征和四阶段特征进行上采样操作,并基于预设的轴对各阶段特征进行拼接得到与所述第二时相影像对应的第二拼接特征。3.根据权利要求1所述的双时相影像建筑物变化检测方法,其特征在于,所述图像差分特征为所述第一拼接特征与所述第二拼接特征相减的差的绝对值。4.根据权利要求1所述的双时相影像建筑物变化检测方法,其特征在于,所述对所述目标向量的特征向量空间进行聚类标记,并对聚类过程生成的聚类标签进行纠正,包括:采用k
‑
medoids聚类算法对所述目标向量的特征向量空间进行聚类标记,并对聚类过程生成的聚类标签进行纠正。5.根据权利要求4所述的双时相影像建筑物变化检测方法,其特征在于,所述采用k
‑
medoids聚类算法对所述目标向量的特征向量空间进行聚类标记,并对聚类过程生成的聚
类标签进行纠正,包括:采用k
‑
medoids聚类算法对所述目标向量的特征向量空间进行聚...
【专利技术属性】
技术研发人员:吴正文,刘耿,刘娜,张恒,杨丽萍,高金顶,钟镇涛,梁超,李鹏程,
申请(专利权)人:国地时空信息科技北京有限公司,
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。