一种基于注意力和多尺度的双时相遥感图像变化检测网络制造技术

一种基于注意力和多尺度的双时相遥感图像变化检测网络。所述变化检测网络采用CNN

【技术实现步骤摘要】
一种基于注意力和多尺度的双时相遥感图像变化检测网络


[0001]本专利技术涉及遥感图像处理
，特别涉及一种基于注意力和多尺度的双时相遥感图像变化检测网络。

技术介绍

[0002]双时相变化检测是遥感图像处理的一个重要方向，目标是分析同一位置不同时相的遥感图像的地物变化。遥感图像的双时相变化检测在灾害评估、城市规划、农业调查、资源管理和环境监测等应用中具有重要意义。对地观测技术的快速发展提供了大量高分辨率光学遥感图像，同时使变化检测技术受到越来越广泛关注。大规模高分辨率遥感图像的出现和深度学习技术的快速发展，推动了变化检测技术取得重大进展的同时，也对变化检测技术提出了新的要求。由于复杂的纹理、季节变化、气候变化和新的需求等各种因素，双时相遥感图像变化检测仍然被认为是高分辨率光学遥感数据分析中最具挑战性的任务之一。
[0003]近几十年来，许多研究人员一直在设计面向光学遥感图像变化检测的方法，以解决变化检测中的挑战。具有手工特征的传统变化检测方法可以在一些简单场景中获得良好的效果，但在复杂场景中通常表现不佳。基于深度学习的变化算法比传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力和多尺度的双时相遥感图像变化检测网络，其特征在于，采用CNN
‑
transformer结构，使用卷积神经网络作为主干网络，从输入的双时相图像对中提取多尺度特征；然后，使用注意力和transformer模块对双时相图像中的特征上下文信息进行建模，所述注意力包括空间注意力和通道注意力；此外，使用特征交换操作，部分交换孪生网络两个分支之间的双时相特征，以弥合不同时相图像域之间的领域差距。2.根据权利要求1所述的基于注意力和多尺度的双时相遥感图像变化检测网络，其特征在于，令和分别表示在两个不同时间拍摄的同一区域的图像，令表示图像,其中、和分别表示图像的高、宽和通道数；对于图像输入特征，使用主干网络ResNet提取出三个不同尺度的特征图、和；将上述的与孪生网络另一个分支的相同尺度的特征图进行部分交换，然后将经过特征交换的输入到空间注意力模块，得到特征图；将特征图与另外两个从输入图像导出的不同尺度的特征图使用采样和加法融合，获得融合后的特征图；特征图依次输入到transformer和通道注意力模块，得到特征图；来自两个子网络的相同尺度的特征图沿着通道维度方向拼接，并输入到相应的基于CNN的分类器中，得到三个预测变化图、和；在变化检测网络的训练阶段，、和被赋予相同的权重以构造训练算法的总损失函数；在测试阶段中，只有变化图会被用作预测预测结果。3.根据权利要求2所述的基于注意力和多尺度的双时相遥感图像变化检测网络，其特征在于，将上述的与孪生网络另一个分支的相同尺度的特征图进行部分交换，交换两个特征图对应位置的元素，这两个特征图分辨率大小相同，来自孪生网络的不同分支；特征图和在通道或空间中的部分特征交换表述为：；其中和分别对应于批次、通道、高度和宽度维度尺寸大小为；尺寸大小为 ，是仅由1和0组成的交换掩模，表示是否进行特征交换操作；
特征图和、和、和两两之间实施特征交换；对于分辨率高的特征图，采用空间上的特征交换操作；对于分辨率低的特征图和，在通道维度上采用特征交换操作。4.根据权利要求2所述的基于注意力和多尺度的双时相遥感图像变化检测网络，其特征在于，特征图经过特征交换后，再由空间注意模块处理；空间注意力模块用于在空间位置上自动强调特征图中与变化相关的重要信息；特征图为在的每个通道上使用二维的空间注意力矩阵加权特征图，特征图中与位置变化相关的有意义的特征被赋予更...

【专利技术属性】
技术研发人员：刘伟，林奕渊，刘家伟，郑宇超，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：