基于可变形注意力网络的遥感图像变化检测方法技术

本发明专利技术公开基于可变形注意力网络的遥感图像变化检测方法，基于可变形注意力机制设计全局上下文模块，结合特征拼接和元素减法两种双时序特征融合方式，增强双时序特征的交互，使注意力模块能够专注于感兴趣的变化区域，利用稀疏空间采样策略和远程关系建模能力充分学习全局上下文；本发明专利技术的差异增强模块通过注意力机制引导全局特征和低层特征的融合，进一步生成包含丰富变化信息的差异变化图，使之更好的完成检测

【技术实现步骤摘要】
基于可变形注意力网络的遥感图像变化检测方法


[0001]本专利技术涉及遥感图像处理技术，具体涉及一种基于可变形注意力网络的遥感图像变化检测方法
。

技术介绍

[0002]随着军事和民用应用的巨大需求，对光学遥感图像的研究变得越来越重要
。
遥感变化检测是利用不同时期覆盖同一地表区域的多源遥感影像，识别该地域的变化
。
其研究的目的就是找出感兴趣的变化信息
,
滤除作为干扰因素的不相干的变化信息
。
它是遥感图像分析的一个重要分支，已广泛应用于森林覆盖测绘
、
城市扩展
、
生态系统监测
、
土地利用
、
灾害损害评估
(
如滑坡
、
地震等
)、
环境监测等方面
。
[0003]由于成像技术的限制，早期的遥感图像分辨率较低，图像的每个像素通常包含多个不同的物体，如树木
、
道路和草地
。
近年来，随着传感器的发展，包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于可变形注意力网络的遥感图像变化检测方法，其特征在于，包括以下步骤：步骤
S1、
输入一对双时序遥感图像，使用两个共享权重特征提取网络来分别处理两个双时序遥感图像的双时序特征，以获得两个双时序遥感图像各自多层特征，然后将第一个双时序遥感图像的多层特征依次记为将第二个双时序遥感图像的多层特征依次记为步骤
S2、
对于步骤
S1
所得多层特征中的高层特征与以及与分别使用对应特征提取网络的编码器进行特征融合，将所得两个融合特征输入至全局上下文模块，得到全局特征
F
global
；此处特征融合的方式依次包括特征拼接和元素减法；步骤
S3、
对于步骤
S1
所得多层特征中的低层特征与以及与分别使用对应特征提取网络的编码器进行特征融合得到融合低层特征，将所得融合低层特征与全局特征
F
global
一起输入至差异增强模块，差异增强模块使用注意力机制来引导融合低层特征和全局特征的交互，得到新浅层特征；此处特征融合的方式依次包括特征拼接和元素减法；步骤
S4、
将步骤
S2
和
S3
增强后的各层特征经过解码器解码，得到最终变化图
S
final
，然后通过标注的真值用二元交叉熵
BCE
损失函数训练网络模型
。2.
根据权利要求1所述的基于可变形注意力网络的遥感图像变化检测方法，其特征在于，所述步骤
S1
中的特征提取网路采用共享权重的
Transformer
中
Swin
‑
B
骨干网络；提取的多层特征的通道数分别是
128、256、512
和
1024。3.
根据权利要求1所述的基于可变形注意力网络的遥感图像变化检测方法，其特征在于，步骤
S2
使用全局上下文模块来增强多层特征中的高层特征，具体方法为：首先，编码后的高层特征和通道拼接融合得到特征和进行元素减法融合得到高层特征和通道拼接融合得到高层特征和进行元素减法融合得到并将融合特征和输入到全局上下文模块，和进行通道级拼接融合得到特征
F
C
，再用使用道注意机制对特征
F
C
进行选择性重组，获得重组特征
X3，对和进行同样操作获得
X4；同时，将融合特征和经查询映射分别生成查询
C3和
C4，将融合特征和经查询映射生成查询
S3和
S4；然后，利用采样网络学习查询
C3、C4、S3和
S4，生成感兴趣变化区域的偏移量，其中采样网络包括两个深度可分离卷积，一层激活函数和一层卷积层；接着，采用双线性插值方法根据偏移量对重组特征
X3和
X4进行采样，获得其重要区域的特征，通过映射得到变形后的键和对应值以及键和对应值将变形后键值键值转移到重要的区域；同时，将查询
C...

【专利技术属性】
技术研发人员：涂铮铮，吴婕妤，李牧霏，姚思琪，李成龙，吕皖丽，张慧昕，郭茹菁，庞媛媛，
申请(专利权)人：安徽大学，
类型：发明
国别省市：