遥感图像变化检测及其模型训练方法、设备及存储介质技术

本申请实施例公开了一种遥感图像变化检测及其模型训练方法、设备及存储介质。变化检测模型包括特征提取模块，特征提取模块包括共用时间关联子模块的两个分支，训练方法包括：获取图像样本对集合；分别采用每一分支的初始特征提取子模块对每一图像样本对中的一个图像样本进行特征提取，得到第一特征图对集合；采用时间关联子模块对第一特征图对进行时间关联性增强处理，得到更新后的第一特征图对；采用差异模块，基于更新后的第一特征图对，确定对应图像样本对之间的差异特征图；采用预测模块对差异特征图进行分类处理，得到对应图像样本对中目标对象的预测变化区域；基于预测变化区域和真实变化区域，对变化检测模型进行训练至收敛。练至收敛。练至收敛。

【技术实现步骤摘要】
遥感图像变化检测及其模型训练方法、设备及存储介质


[0001]本申请涉及但不限于计算机视觉
，尤其涉及一种遥感图像变化检测及其模型训练方法、设备及存储介质。

技术介绍

[0002]遥感图像的变化检测是指利用不同时相获取的覆盖同一地表区域的遥感图像、数字线划图或立体相对来提取其中目标对象(如裸土地或建筑等)的变化信息，确定变化区域并分析地表变化的过程。而相关技术中，变化检测大多采用：如基于波段运算、图像变换等传统方法，提取的特征信息比较简单，检测结果准确率有限；又如支持向量机、决策树等传统机器学习方法，需要人工提取和选择特征，方法不具有普适性且难以实现变化区域的自动检测；再如卷积神经网络，提取目标对象的变化区域，但是由于卷积神经网络的感受野有限，难以获取全局特征，对于大范围特征提取效果不理想。因此，需要提供一种新的遥感图像的变化检测方法。

技术实现思路

[0003]有鉴于此，本申请实施例至少提供一种遥感图像变化检测及其模型训练方法、设备及存储介质。
[0004]第一方面，本申请实施例提供一种遥感图像的变化检测模型的训练方法，所述变化检测模型包括特征提取模块、差异模块和预测模块，所述特征提取模块包括共用时间关联子模块的两个分支，且每一所述分支还包括初始特征提取子模块，所述方法包括：获取图像样本对集合，其中，图像样本对为同一空间的两时相遥感图像；分别采用每一分支的所述初始特征提取子模块对每一所述图像样本对中的一个图像样本进行特征提取，得到第一特征图对集合；采用所述时间关联子模块对所述第一特征图对集合中的第一特征图对进行时间关联性增强处理，得到更新后的第一特征图对；采用所述差异模块，基于所述更新后的第一特征图对，确定对应图像样本对之间的差异特征图；采用所述预测模块对所述差异特征图进行分类处理，得到对应图像样本对中目标对象的预测变化区域；基于所述图像样本对集合中每一所述图像样本对中目标对象的预测变化区域和真实变化区域，对所述变化检测模型进行训练至收敛。
[0005]第二方面，本申请实施例提供一种遥感图像的变化检测方法，所述变化检测模型包括特征提取模块、差异模块和预测模块，所述特征提取模块包括共用时间关联子模块的两个分支，且每一所述分支还包括初始特征提取子模块，所述方法包括：获取待检测图像对，其中，所述待检测图像对为将两张待检测遥感图像分别裁剪为具有预设尺寸且对应同一空间的一对图像块；分别采用每一分支的所述初始特征提取子模块对所述待检测图像对中的一个待检测图像进行特征提取，得到第一特征图对集合；采用所述时间关联子模块对所述第一特征图对集合中的第一特征图对进行时间关联性增强处理，得到更新后的第一特征图对；采用所述差异模块，基于所述更新后的第一特征图，确定所述待检测图像对之间的
差异特征图；采用所述预测模块对所述差异特征图进行分类处理，得到所述待检测图像对中目标对象的变化区域。
[0006]第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法中的部分或全部步骤。
[0007]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法中的部分或全部步骤。
[0008]本申请实施例提供了一种遥感图像的变化检测模型的训练方法，该变化检测模型包括特征提取模块、差异模块和预测模块，特征提取模块包括共用时间关联子模块的两个分支，且每一分支还包括初始特征提取子模块，该方法包括：首先，获取图像样本对集合，其中，图像样本对为同一空间的两时相遥感图像；其次，分别采用每一分支的初始特征提取子模块对每一图像样本对中的一个图像样本进行特征提取，得到第一特征图对集合；然后，采用时间关联子模块对第一特征图对集合中的第一特征图对进行时间关联性增强处理，得到更新后的第一特征图对；之后，采用差异模块，利用更新后的第一特征图对得到图像样本对之间的差异特征图；再后，采用预测模块对差异特征图进行分类处理，得到对应图像样本对中目标对象的预测变化区域；最后，基于图像样本对集合中每一图像样本对中目标对象的预测变化区域和真实变化区域，对变化检测模型进行训练至收敛。
[0009]由于图像样本对来自遥感图像，而遥感图像成像的时间、大气条件和角度等因素会造成伪变化，导致模型误认为这种伪变化是目标对象的真实变化，从而降低模型的准确性。本申请实施例提供的变化检测模型通过时间关联子模块增强第一特征图对之间的时间关联性，即不同时空像素之间的关系，而第一特征图对来自两时相的图像样本对，因此，可以降低对两时相图像样本对中伪变化的误判，从而提高模型的准确性。
[0010]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开的技术方案。
附图说明
[0011]此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。
[0012]图1A为本申请实施例提供的一种遥感图像的变化检测模型的训练方法的实现流程示意图；
[0013]图1B为本申请实施例提供的一种变化检测模型的结构示意图；
[0014]图1C为本申请实施例提供的一种时间关联子模块的结构示意图；
[0015]图2为本申请实施例提供的一种步骤S1032的实现流程示意图；
[0016]图3为本申请实施例提供的一种步骤S103的实现流程示意图；
[0017]图4为本申请实施例提供的一种遥感图像的变化检测方法的实现流程示意图；
[0018]图5A为本申请实施例提供的一种A时相和B时相的遥感图像的示意图；
[0019]图5B为本申请实施例提供的一种变化区域栅格结果的示意图；
[0020]图5C为本申请实施例提供的一种遥感图像裸土地变化检测样本数据集制作方法和遥感图像裸土地变化检测系统的操作方法的实现流程示意图；
[0021]图6为本申请实施例提供的一种遥感图像的变化检测模型的训练装置的组成结构示意图；
[0022]图7为本申请实施例提供的一种计算机设备的硬件实体示意图。
具体实施方式
[0023]为了使本申请的目的、技术方案和优点更加清楚，下面结合附图和实施例对本申请的技术方案进一步详细阐述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0024]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
[0025]所涉及的术语“第一/第二/第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一/第二/第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。...

【技术保护点】

【技术特征摘要】
1.一种遥感图像的变化检测模型的训练方法，其特征在于，所述变化检测模型包括特征提取模块、差异模块和预测模块，所述特征提取模块包括共用时间关联子模块的两个分支，且每一所述分支还包括初始特征提取子模块，所述方法包括：获取图像样本对集合，其中，图像样本对为同一空间的两时相遥感图像；分别采用每一分支的所述初始特征提取子模块对每一所述图像样本对中的一个图像样本进行特征提取，得到第一特征图对集合；采用所述时间关联子模块对所述第一特征图对集合中的第一特征图对进行时间关联性增强处理，得到更新后的第一特征图对；采用所述差异模块，基于所述更新后的第一特征图对，确定对应图像样本对之间的差异特征图；采用所述预测模块对所述差异特征图进行分类处理，得到对应图像样本对中目标对象的预测变化区域；基于所述图像样本对集合中每一所述图像样本对中目标对象的预测变化区域和真实变化区域，对所述变化检测模型进行训练至收敛。2.根据权利要求1所述的方法，其特征在于，所述第一特征图对集合包括不同分辨率下的第一特征图对；所述采用所述时间关联子模块对所述第一特征图对集合中的第一特征图对进行时间关联性增强处理，得到更新后的第一特征图对，包括：在所述第一特征图对集合中确定至少一个目标分辨率下的第一特征图对；采用所述时间关联子模块对每一所述目标分辨率下的第一特征图对进行时间关联性增强处理，得到至少一个更新后的第一特征图对。3.根据权利要求2所述的方法，其特征在于，所述基于所述更新后的第一特征图对，确定对应图像样本对之间的差异特征图，包括：在所述第一特征图对集合中确定至少一个非目标分辨率下的第一特征图对；分别确定每一所述更新后的第一特征图对之间的第一差异特征图、以及每一所述非目标分辨率下的第一特征图对之间的第二差异特征图；融合每一所述第一差异特征图和每一所述第二差异特征图，得到对应图像样本对之间的差异特征图。4.根据权利要求1至3任一项所述的方法，其特征在于，所述时间关联子模块包括基于孪生MobileVIT模块改进得到的局部表征单元、全局表征单元和融合单元，所述采用所述时间关联子模块对所述第一特征图对集合中的第一特征图对进行时间关联性增强处理，得到更新后的第一特征图对，包括：采用所述局部表征单元对所述第一特征图对集合中的第一特征图对进行区域划分和位置编码，得到第二特征图对；采用所述全局表征单元对所述第二特征图对进行时间关联性增强处理，得到第三特征图对；采用所述融合单元，将所述第三特征图对中的每一第三特征图与对应第一特征图进行融合，得到更新后的第一特征图对。5.根据权利要求4所述的方法，其特征在于，所述全局表征单元包括展开子单元、通道
连接子单元、关联子单元、通道分离子单元和折叠子单元；所述采用所述全局表征单元对所述第二特征图对进行时间关联性增强处理，得到第三特征图对，包括：采用所述展开子单元将所述第二特征图对的每一第二特征图展开，得到第四特征图对；采用所述通道连接子单元拼接所述第四特征图对中的第四特征图；采用所述关联...

【专利技术属性】
技术研发人员：刘亚岚，任玉环，吴飒莎，柳树福，王大成，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：