基于神经网络的遥感图像变化检测方法及系统技术方案

本公开提供了一种基于神经网络的遥感图像变化检测方法及系统，包括：获取不同时相的第一遥感图像和第二遥感图像；采用基于多头跳跃注意力机制的Transformer编码器，分别提取所述第一遥感图像和第二遥感图像在不同尺度下的全局空间特征和图像块空间特征，获得第一遥感图像融合特征和第二遥感图像融合特征；其中，所述多头跳跃注意力机制具体为：对于编码器的自注意力模块，其全局空间和图像块空间的跳跃注意力机制计算结果基于第一遥感图像和第二遥感图像之间的差异获得；将不同尺度下的第一遥感图像融合特征和第二遥感图像融合特征进行融合后执行解码操作，获得多尺度特征图；基于所述多尺度特征图，利用预设分类器获得变化图，实现遥感图像的变化检测。实现遥感图像的变化检测。实现遥感图像的变化检测。

【技术实现步骤摘要】
基于神经网络的遥感图像变化检测方法及系统


[0001]本公开属于遥感图像建筑物变化检测
，尤其涉及一种基于神经网络的遥感图像变化检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]变化检测主要指的是在视觉过程第一次注意到的变化。在变化检测任务中，如果计算机要执行这个过程，一般需要得到相同位置在不同时期的特征表示。因此，获取图像质量的好坏对检测结果有重要的影响。最近，随着发射卫星光谱分辨率的提高，遥感图像的精度也得到了极大的提高，这为地形检测和城市变化检测等任务提供了更精细的尺度表示。由于变化检测的目标为找到图像中感兴趣对象的变化情况，因此模型通常用于检测城市建筑物变化、地表水变化、地表森林覆盖率变化、水资源检测、城市场景分类、医疗领域等。根据不同的应用场景，需要注意不同的目标变化。一个好的变化检测模型应该能避免由大气变化、季节变化和光照强度变化所引起的无关变化，并能够从高分辨率图像中有效地提取获取特征信息，还原目标的大致轮廓。
[0004]据专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的遥感图像变化检测方法，其特征在于，包括：获取不同时相的第一遥感图像和第二遥感图像；采用基于多头跳跃注意力机制的Transformer编码器，分别提取所述第一遥感图像和第二遥感图像在不同尺度下的全局空间特征和图像块空间特征，获得第一遥感图像融合特征和第二遥感图像融合特征；其中，所述多头跳跃注意力机制具体为：对于编码器的自注意力模块，其全局空间和图像块空间的跳跃注意力机制计算结果基于第一遥感图像和第二遥感图像之间的差异获得；将不同尺度下的第一遥感图像融合特征和第二遥感图像融合特征进行融合后执行解码操作，获得多尺度特征图；基于所述多尺度特征图，利用预设分类器获得变化图，实现遥感图像的变化检测。2.如权利要求1所述的一种基于神经网络的遥感图像变化检测方法，其特征在于，所述Transformer编码器包括四个通道，所述第一遥感图像和第二遥感图像分别对应两个通道；对于每个遥感图像所对应的两个通道，其中，一个通道用于利用Transformer编码器对第一遥感图像与第二遥感图像在全局空间的特征提取，另一个通道用于利用Transformer编码器对第一遥感图像和第二遥感图像在图像块空间上的特征提取。3.如权利要求1所述的一种基于神经网络的遥感图像变化检测方法，其特征在于，所述图像块空间特征的提取，需将输入图像分割成若干不重叠的图像块，再将其馈送入基于多头跳跃注意力机制的Transformer编码器。4.如权利要求1所述的一种基于神经网络的遥感图像变化检测方法，其特征在于，所述将不同尺度下的第一遥感图像融合特征和第二遥感图像融合特征进行融合，具体为：对于每一尺度，基于第一遥感图像融合特征和第二遥感图像融合特征计算两个图像的差异；将所述差异与第一遥感图像融合特征和第二遥感图像融合特征进行合并，获得初步融合特征；将各个尺度的初步融合特征按照尺度从小到大的顺序逐级合并，获得最终的融合特征。5.如权利要求1所述的一种基于神经网络的遥感图像变化检测方法，其特征在于，所述解码器采用多层感知机来...

【专利技术属性】
技术研发人员：马思乐，孙旭辉，马晓静，姜向远，栾义忠，付博文，胡育铭，王明慧，王岚颢，
申请(专利权)人：山东大学，
类型：发明
国别省市：