基于目标向量的遥感影像变化检测方法技术

本发明专利技术涉及一种基于目标向量的遥感影像变化检测方法，包括：使用向量对遥感序列影像进行样本标注；构建目标向量检测模型，将已标注的遥感序列影像输入所述目标向量检测模型进行训练；利用所述目标向量检测模型对同一区域不同时间的遥感影像中的所有目标进行检测，得到不同集合的目标向量；利用变化相似度算法计算不同集合中目标向量的相似度距离，获得目标的变化情况。通过实施本发明专利技术的上述方案，可以实现遥感影像中目标变化前后的高精度匹配和精细化的变化检测。和精细化的变化检测。和精细化的变化检测。

【技术实现步骤摘要】
基于目标向量的遥感影像变化检测方法


[0001]本专利技术涉及深度学习
，尤其涉及一种基于目标向量的遥感影像变化检测方法。

技术介绍

[0002]获得同一区域不同时间的遥感影像前后舰船目标的变化对军用和民用都有着重要意义。在军事方面，变化监测可以及时获得所关注区域舰船目标的变化情况，自动化的进行战场动态感知，从而能够更迅速地依靠遥感信息的变化改变作战策略；在民用方面，对港口船只的监控、分配和管理有着很大帮助，可以增加港口管理的效率。但是，遥感影像由于不总是具有时间连续性，往往同一区域获得的多张遥感影像时间有一定的差别，对所关注的目标对比前后变化需要一定的算法，尤其对于舰船变化监测这种目标数量多、空间变化频繁、相似目标多的情况，更需要一种特别的算法保证其变化检测的精确度。
[0003]变化检测最早是依靠人力来进行，耗时耗力，后随着深度学习技术的出现，逐渐开始利用智能模型自动化实现变化检测，但是传统的深度学习变化检测方法忽略了目标前后变化的精准匹配。

技术实现思路

[0004]为解决上述现有技术中存在的技术问题，本专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标向量的遥感影像变化检测方法，包括：使用向量对遥感序列影像进行样本标注；构建目标向量检测模型，将已标注的遥感序列影像输入所述目标向量检测模型进行训练；利用所述目标向量检测模型对同一区域不同时间的遥感影像中的所有目标进行检测，得到不同集合的目标向量；利用变化相似度算法计算不同集合中目标向量的相似度距离，获得目标的变化情况。2.根据权利要求1所述的方法，其特征在于，所述使用向量对遥感序列影像进行样本标注，包括：利用最小外接倾斜矩形框逐个标注出遥感序列影像样本中所有目标的目标信息；将每个目标的目标信息进行单独融合，得到对应的目标向量。3.根据权利要求2所述的方法，其特征在于，所述目标信息包括：目标类别、目标最小外接倾斜矩形框的四个角点坐标和中心点坐标、目标宽度、目标长度以及包含该目标的遥感影像的拍摄时间。4.根据权利要求1所述的方法，其特征在于，所述目标向量检测模型由主干网络和两个分支网络构成，所述主干网络由ResNet101构成卷积神经网络，对目标进行检测；所述两个分支网络包括中心点回归分支网络和包围框回归分支网络，所述中心点回归分支网络用于预测检测目标的中心点位置，所述包围框回归分支网络用于预测检测目标的包围框和类别。5.根据权利要求1所述的方法，其特征在于，所述将已标注的遥感序列影像输入所述目标向量检测模型进行训练，包括：对已标注...

【专利技术属性】
技术研发人员：刘世烁，冯鹏铭，贺广均，苗晶，金世超，陈千千，田路云，梁颖，
申请(专利权)人：北京卫星信息工程研究所，
类型：发明
国别省市：