基于深度可分离卷积模块的遥感图像变化检测系统及方法技术方案

本发明专利技术属于图像处理技术领域，涉及基于深度可分离卷积模块的遥感图像变化检测系统及方法，以Unet网络作为基础网络结构构建基于深度可分离卷积模块的遥感图像变化检测轻量级模型，在特征提取过程中引入深度可分离卷积模块；在编码器端引入孪生网络结构提取双时相影像的特征，并且将它们之间差异的绝对值进行连接；同时，在跳跃连接之前引入了有效且轻量级的高效通道注意力模块，用于网络更好地关注变化信息和抑制一些无关信息；此外，本发明专利技术提出一种轻量级的ASPP

【技术实现步骤摘要】
基于深度可分离卷积模块的遥感图像变化检测系统及方法


[0001]本专利技术属于图像处理
，具体涉及一种基于深度可分离卷积模块的遥感图像变化检测系统及方法。

技术介绍

[0002]遥感图像已成为获取地表信息的主要数据来源，遥感图像变化检测研究在自然灾害评估、土地利用动态检测、森林植被变化监测和城市规划等方面起着至关重要的作用。随着卫星遥感技术的不断发展，遥感图像的分辨率有很大的提高，虽然基于卷积神经网络的变化检测方法取得了令人满意的效果，但一个普遍的问题是，上述大多方法的网络结构过于复杂，网络计算量也比较庞大。目前的遥感影像变化检测任务逐渐应用于轻量级移动设备，实时性的变化检测网络研究也成为当前的热点方向，但要同时达到变化检测任务中的高准确率和网络模型的轻量化效果是较难的。引入深度可分离卷积模块来进行特征提取，能大幅度降低网络的参数量以及计算开销，从而使得网络模型更轻量化。

技术实现思路

[0003]本专利技术针对目前遥感图像变化检测研究的实时性需求，对UNet网络模型进行改进，引入深度可分离卷积模块，提出了一种基于深度可分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度可分离卷积模块的遥感图像变化检测系统，其特征在于，包括以Unet网络作为基础网络结构构建的基于深度可分离卷积模块的遥感图像变化检测轻量级模型，所述遥感图像变化检测轻量级模型包括编码器端和解码器端；在编码器端采用孪生网络结构提取双时相影像的特征，并且将双时相影像之间差异的绝对值进行连接；编码器端和解码器端分别采用深度可分离卷积模块进行特征提取；在编码器端和解码器端之间的跳跃连接之前引入有效且轻量级的高效通道注意力模块；接着，将轻量级的ASPP
+
模块紧跟在解码器端之后；最后，经过卷积输出变化图。2.根据权利要求1所述的基于深度可分离卷积模块的遥感图像变化检测系统，其特征在于，UNet网络的编码器端和解码器端、ASPP
+
模块都采用深度可分离卷积模块。3.根据权利要求2所述的基于深度可分离卷积模块的遥感图像变化检测系统，其特征在于，UNet网络的编码器端融合孪生网络结构，双时相图像分别输入到连接四个连续下采样的深度可分离卷积模块，并且将它们之间差异的绝对值进行连接；编码器端每层输出的差异特征图经过高效通道注意力模块，接着融合解码器端相对应层的深度可分离卷积模块。4.根据权利要求1所述的基于深度可分离卷积模块的遥感图像变化检测系统，其特征在于，孪生网络结构包括用于提取前一时相遥感图像的第一分支和用于提取后一时相遥感图像的第二分支，第一分支依次包括若个深度可分离卷积模块，第二分支也依次包括同样数量的深度可分离卷积模块，解码器端也包括同样数量的深度可分离卷积模块，第二分支的最后一个深度可分离卷积模块的输出经过一个中间深度可分离卷积模块后再连接解码器端的第一个深度可分离卷积模块，第一分支的第一个深度可分离卷积模块与第二分支的第一个深度可分离卷积模块跳跃连接，跳跃连接前通过第一个高效通道注意力模块连接解码器端的最后一个深度可分离卷积模块；第一分支的第二个深度可分离卷积模块与第二分支的第二个深度可分离卷积模块跳跃连接，跳跃连接前通过第二个高效通道注意力模块连接解码器端的倒数第二个深度可分离卷积模块，依此类推；解码器端的最后一个深度可分离卷积模块连接ASPP
+
模块；ASPP
+
模块后连接一个卷积模块。5.根据权利要求1所述的基于深度可分离卷积模块的遥感图像变化检测系统，其特征在于，所述深度可分离卷积模块依次包括3
×
3深度卷积层、第一BN层、第一ReLU激活函数层、1
×
1逐点卷积层、第二BN层、第二ReLU激活函数层。6.根据权利要求1所述的基于深度可分离卷积模块的遥感图像...

【专利技术属性】
技术研发人员：胡蕾，凌杰，
申请(专利权)人：江西师范大学，
类型：发明
国别省市：