基于特征增强与融合的遥感图像变化检测方法以及装置制造方法及图纸

基于特征增强与融合的遥感图像变化检测方法以及装置，属于遥感图像变化检测技术领域，尤其涉及对地面上

【技术实现步骤摘要】
基于特征增强与融合的遥感图像变化检测方法以及装置


[0001]本专利技术属于遥感图像变化检测
，尤其涉及对地面上
、
卫星上或无人机上的遥感图像实时处理
。

技术介绍

[0002]变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程
。
遥感图像的变化检测本质上就是检测地表在不同时相上的变化信息，是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程
。
我国已经发射的各种卫星会返回大量的遥感图像数据，利用变化检测算法分析卫星收集的数据意义重大，主要在于对时间维度上价值信息的挖掘和提取，目前变化检测应用场景主要包括观测地貌和地形变化，对于获取重点关注区域的动态变化信息并及时调整响应方案等方面具有重要意义
。
另外，当卫星处于凝视观状态时，即相机视角姿态不作改变
、
在同一位置对某一目标区域进行连续拍照时，通过对序列图像进行在轨变化检测，也可以实现去除重复图像
、
进行有效信息提取，更大程度上减少所需下传的数据量，缓解带宽压力
。
[0003]随着高分辨率遥感影像的普及，变化检测已成为遥感领域中研究最多的课题之一
。
传统的图像变化检测方法包含图像处理
、
差异图生成
、
差异图分析等步骤，差异图生成阶段的主流方法有差值法
、
比值法
、
小波融合
、
对数比值法和相关的一些改进算子，这些方法大都需要领域性的先验知识，然后通过手动设计和提取图像的纹理
、
形态学
、
邻域等特征来进行变化检测，所提取的图像特征都较为浅层，难以完整地对图像进行建模，而且耗时耗力
。
传统的图像变化检测方法依赖手工设计，其特征表示能力不足，仅能在比较简单的场景中取得较好的结果，在一些复杂场景中往往精度较差
。
[0004]近年来，基于深度学习的变化检测方法发展起来，逐渐成为遥感影像分析的首选工具
。
深度学习在遥感影像变化检测中的应用，对于解决图像处理算法的局限性
、
提高变化检测的精度和流程的自动化程度具有较为理想的效果
。
在深度学习方法的基础上，通过搭建网络
、
定义优化规则设计一套更加智能的行星遥感影像变化检测流程，对于进一步提高变化检测的精度，更好地发挥出深度学习模型潜在的应用价值，具有重要的研究价值和理论意义
。
最近一些年，以卷积神经网络以及
Transformer
为代表的基于深度学习的变化检测方法，虽然在变化检测精度方面具有较好的效果，但这些方法的复杂度往往很高，使得这些方法难以部署在无人机或者卫星上进行应用
。
[0005]另外，由于遥感图像中变化的区域往往比不变化的区域小很多，因此，会存在类别不平衡的现象，进而导致变化检测性能不好；现有的变化检测方法不能很好的解决这个问题
。
[0006]因此，研究轻量级的变化检测方法
、
模型或装置是极其必要的
。

技术实现思路

[0007]本专利技术提出了基于特征增强与融合的遥感图像变化检测方法以及装置，解决了现
有变化检测技术所存在的准确率低
、
特征表示能力差
、
类别平衡能力不足的问题；以及现有变化检测技术无法在保持较低计算复杂度的情况下，同时具有较高的精度和效率，以至于无法在无人机或卫星上应用部署具有较高精度和效率的变化检测技术的问题
。
[0008]本专利技术所述的基于特征增强与融合的遥感图像变化检测方法，其技术方案如下：
[0009]所述方法包括：
[0010]S1、
输入同一待检测区域配准后的双时相遥感图像数据，并分别提取所述双时相遥感图像数据的三个级别的特征；其中，所述双时相遥感图像数据分别为
T1
时刻遥感图像数据和
T2
时刻遥感图像数据；
[0011]S2、
对提取的所述三个级别的特征进行全局与局部特征增强，获得增强了全局与局部特征的三个差异性特征；
[0012]S3、
将所述增强了全局与局部特征的三个差异性特征融合，得到聚合后的特征；
[0013]S4、
根据所述聚合后的特征，获得遥感图像变化检测结果；所述遥感图像变化检测结果为所述同一待检测区域的地表地形在
T2
时刻相对于
T1
时刻的变化区域和非变化区域
。
[0014]本专利技术还提出了基于特征增强与融合的遥感图像变化检测装置，其技术方案如下：
[0015]所述装置包括双时相图像特征提取模块
、
全局与局部特征强化模块
、
渐进式时相特征融合模块以及分类检测模块；其中：
[0016]所述双时相图像特征提取模块，用于输入同一待检测区域配准后的双时相遥感图像数据，并分别提取所述双时相遥感图像数据的三个级别的特征；其中，所述双时相遥感图像数据分别为
T1
时刻遥感图像数据和
T2
时刻遥感图像数据；
[0017]所述全局与局部特征强化模块，用于对提取的所述三个级别的特征进行全局与局部特征增强，获得增强了全局与局部特征的三个差异性特征；
[0018]所述渐进式时相特征融合模块，用于将所述增强了全局与局部特征的三个差异性特征融合，得到聚合后的特征；
[0019]所述分类检测模块，用于根据所述聚合后的特征，获得遥感图像变化检测结果；所述遥感图像变化检测结果为所述同一待检测区域的地表地形在
T2
时刻相对于
T1
时刻的变化区域和非变化区域
。
[0020]进一步的，提供一个优选实施方式：所述双时相图像特征提取模块，采用
shufflenet
网络作为特征提取器；
[0021]所述特征提取器，用于提取所述双时相遥感图像数据的三个级别的特征；所述特征提取器包括颈部和三个阶段特征输出位置
[0022]所述颈部，用于将输入的双时相遥感图像数据下采样到预定尺寸；
[0023]所述三个阶段特征输出位置，分别为第一阶段特征输出位置
、
第二阶段特征输出位置以及第三阶段特征输出位置；所述三个阶段特征输出位置，用于根据所述下采样后的双时相遥感图像数据，提取并输出三个级别的特征；
[0024]所述第一阶段特征输出位置，用于提取并输出第一级别特征，即
T1
时刻遥感图像数据的第一级特征
Sgl
＿
T1
，以及
T2
时刻遥感图像数据的第一级特征
Sg2
＿
T1
；
[0025]所述第二阶段特征输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于特征增强与融合的遥感图像变化检测方法，其特征在于，所述方法包括：
S1、
输入同一待检测区域配准后的双时相遥感图像数据，并分别提取所述双时相遥感图像数据的三个级别的特征；其中，所述双时相遥感图像数据分别为
T1
时刻遥感图像数据和
T2
时刻遥感图像数据；
S2、
对提取的所述三个级别的特征进行全局与局部特征增强，获得增强了全局与局部特征的三个差异性特征；
S3、
将所述增强了全局与局部特征的三个差异性特征融合，得到聚合后的特征；
S4、
根据所述聚合后的特征，获得遥感图像变化检测结果；所述遥感图像变化检测结果为所述同一待检测区域的地表地形在
T2
时刻相对于
T1
时刻的变化区域和非变化区域
。2.
基于特征增强与融合的遥感图像变化检测装置，其特征在于，所述装置包括双时相图像特征提取模块
、
全局与局部特征强化模块
、
渐进式时相特征融合模块以及分类检测模块；其中：所述双时相图像特征提取模块，用于输入同一待检测区域配准后的双时相遥感图像数据，并分别提取所述双时相遥感图像数据的三个级别的特征；其中，所述双时相遥感图像数据分别为
T1
时刻遥感图像数据和
T2
时刻遥感图像数据；所述全局与局部特征强化模块，用于对提取的所述三个级别的特征进行全局与局部特征增强，获得增强了全局与局部特征的三个差异性特征；所述渐进式时相特征融合模块，用于将所述增强了全局与局部特征的三个差异性特征融合，得到聚合后的特征；所述分类检测模块，用于根据所述聚合后的特征，获得遥感图像变化检测结果；所述遥感图像变化检测结果为所述同一待检测区域的地表地形在
T2
时刻相对于
T1
时刻的变化区域和非变化区域
。3.
根据权利要求2所述的基于特征增强与融合的遥感图像变化检测装置，其特征在于，所述双时相图像特征提取模块，采用
shufflenet
网络作为特征提取器；所述特征提取器，用于提取所述双时相遥感图像数据的三个级别的特征；所述特征提取器包括颈部和三个阶段特征输出位置所述颈部，用于将输入的双时相遥感图像数据下采样到预定尺寸；所述三个阶段特征输出位置，分别为第一阶段特征输出位置
、
第二阶段特征输出位置以及第三阶段特征输出位置；所述三个阶段特征输出位置，用于根据所述下采样后的双时相遥感图像数据，提取并输出三个级别的特征；所述第一阶段特征输出位置，用于提取并输出第一级别特征，即
T1
时刻遥感图像数据的第一级特征
Sgl
＿
T1
，以及
T2
时刻遥感图像数据的第一级特征
Sg2
＿
T1
；所述第二阶段特征输出位置，用于提取并输出第二级别特征，即
T1
时刻遥感图像数据的第二级特征
Sgl
＿
T2
，以及
T2
时刻遥感图像数据的第二级特征
Sg2
＿
T2
；所述第三阶段特征输出位置，用于提取并输出第三级别特征，即
T1
时刻遥感图像数据的第三级特征
Sgl
＿
T3
，以及
T2
时刻遥感图像数据的第三级特征
Sg2
＿
T3。4.
根据权利要求3所述的基于特征增强与融合的遥感图像变化检测装置，其特征在于，所述全局与局部特征强化模块，包括全局分支
、
局部分支
、
跳跃连接分支
、
加和单元以及求差单元；
所述全局分支，用于接收所述双时相图像特征提取模块输出的三个级别的特征，并增强所述三个级别的特征中的全局特征，获得增强了全局特征的三个级别的特征；所述局部分支，用于接收所述双时相图像特征提取模块输出的三个级别的特征，并增强所述三个级别的特征中的局部特征，获得增强了局部特征的三个级别的特征；所述跳跃连接分支，用于接收所述双时相图像特征提取模块输出的三个级别的特征，获得校正参数，所述校正参数用于对所述全局分支和所述局部分支的输出结果进行校正；所述加和单元，用于将所述全局分支输出的增强了全局特征的三个级别的特征
、
所述局部分支输出的增强了局部特征的三个级别的特征，以及所述跳跃连接分支输出的校正参数进行加和，以获得增强了全局与局部特征的三个级别的特征
Sg1
＿
T1
和
Sg1
＿
T2、Sg2
＿
T1
和
Sg2
＿

【专利技术属性】
技术研发人员：刘东洋，谢宝蓉，张钧萍，穆文涛，
申请(专利权)人：上海航天测控通信研究所，
类型：发明
国别省市：