一种遥感图像变化检测方法技术

本发明专利技术公开了一种遥感图像变化检测方法，包括步骤一

【技术实现步骤摘要】
一种遥感图像变化检测方法


[0001]本专利技术属于图像检测
，具体涉及一种遥感图像变化检测方法
。

技术介绍

[0002]随着科学技术的发展，图像检测已经普遍应用到各行各业
。
遥感图像变化检测是通过提取差异影像特征，利用分类器判别不同像素变化情况，实现变化区域和非变化区域的划分
。
[0003]图像检测算法中有监督分类算法需要有训练样本，通过对训练样本学习，获取分类器相关参数，利用训练后的分类器识别待检测像素变化情况
。
无监督检测算法无需先验信息，将变化类像素和非变化类像素看成不同类别，利用聚类算法将相同类别像素聚集在一起，不同类别像素区分开，从而获得图像变化区域和非变化区域
。
[0004]现有技术中，深度学习算法通过自学习获取网络参数后进行数据分类，近期大量应用于遥感图像变化检测研究
。
如通常采用
Unet++
网络进行遥感图像检测，但
Unet++
网络中编码器部分大量使用下采样缩减特征尺寸，在此过程中变化区域和非变化区域边缘信息大量丢失，即使解码器使用上采样恢复图像尺寸，但无法恢复丢失的边缘信息，且上采样过程中边缘会出现偏移，致使检测精度降低
。

技术实现思路

[0005]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种遥感图像变化检测方法，其方法步骤简单，设计合理，实现方便，能够有效应用在遥感图像变化检测中，避免下采样过程对边缘的影响，边缘检测精度高，使用效果好，便于推广使用
。
[0006]为解决上述技术问题，本专利技术采用的技术方案是：一种遥感图像变化检测方法，包括以下步骤：
[0007]步骤一
、
将多时相遥感图像输入改进的
DRUnet++
网络中，通过共享权值同时提取多时相图像相同的特征图；
[0008]步骤二
、
采用深监督融合对得到的特征图进行融合，并通过
softmax
函数对类别进行判断并生成图像；
[0009]步骤三
、
对图像进行相似度判断，得到遥感图像变化检测图
。
[0010]上述的一种遥感图像变化检测方法，所述改进的
DRUnet++
网络包括孪生网络
、
空洞卷积残差模块和去除池化层
。
[0011]上述的一种遥感图像变化检测方法，将多时相遥感图像分别输入到所述孪生网络的两个输入端，通过共享权值，得到相同的映射，再通过
Loss
函数计算相同像素的相似度
。
[0012]上述的一种遥感图像变化检测方法，所述空洞卷积残差模块包括空洞卷积网络和残差模型，所述空洞卷积网络首先定义空洞卷积算子
[0013]式中，
f[i]表示输入信号，
g[i]表示输出信号，
h[l]表示长度为1的过滤器，
r
表示采样时
f[i]的空洞率；
[0014]设置两个非零点之间最大距离
M
i
，其公式表达为：
[0015]M
i
＝
max[M
i+1
‑
2r
i
，
M
i+1
‑
2(M
i+1
‑
r
i
)
，
r
i
][0016]式中，
r
i
表示
i
‑
th
层的空洞率，
M
i
表示
i
‑
th
层最大的
r
i
；
[0017]所述残差模型引入恒等映射，将原始输入信息直接传递至下一次并只学习上一层网络的残差信息
。
[0018]上述的一种遥感图像变化检测方法，所述去除池化层用于避免因图像尺度变化造成的边缘不稳定性
。
[0019]本专利技术与现有技术相比具有以下优点：
[0020]1、
本专利技术方法步骤简单，设计合理，实现方便
。
[0021]2、
本专利技术通过孪生网络，同时提取多时相图像相同特征进行比对，特征图比对性更高
。
[0022]3、
本专利技术通过空洞卷积网络在未增加参数情况下，极大地增加了感受野范围
。
[0023]4、
本专利技术通过残差模型，引入模块内的特征连接，避免梯度弥散的同时增加同模块连接信息
。
[0024]5、
本专利技术通过去除池化层，避免因图像尺度变化造成的边缘不稳定性
。
[0025]6、
本专利技术能够有效应用在遥感图像变化检测中，避免下采样过程对边缘的影响，边缘检测精度高，使用效果好，便于推广使用
。
[0026]综上所述，本专利技术方法步骤简单，设计合理，实现方便，能够有效应用在遥感图像变化检测中，避免下采样过程对边缘的影响，边缘检测精度高，使用效果好，便于推广使用
。
[0027]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述
。
附图说明
[0028]图1为本专利技术的方法流程图；
[0029]图2为本专利技术改进的
DRUnet++
网络框架图；
[0030]图3为本专利技术孪生网络结构图
。
具体实施方式
[0031]如图1所示，本专利技术的遥感图像变化检测方法，包括以下步骤：
[0032]步骤一
、
将多时相遥感图像输入改进的
DRUnet++
网络中，通过共享权值同时提取多时相图像相同的特征图；
[0033]步骤二
、
采用深监督融合对得到的特征图进行融合，并通过
softmax
函数对类别进行判断并生成图像；
[0034]步骤三
、
对图像进行相似度判断，得到遥感图像变化检测图
。
[0035]具体实施时，提取特征图的改进的
DRUnet++
网络内部，卷积模块由两层空洞卷积加一层
LeakyReLU
激活函数构成，空洞卷积操作用于增大感受野和保留原有信息的特点提取更多特征；
LeakyReLU
激活函数得到更广的映射范围和更敏锐的神经元感知；生成的多层特征图通过同层连接和跨层拼接，送入深度融合函数，最后输出遥感图像变化检测图
。
[0036]本实施例中，所述改进的
DRUnet++
网络包括孪生网络
、
空洞卷积残差模块和去除池化层
。
[0037]具体实施时，改进的
DRUnet++
网络框架本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种遥感图像变化检测方法，其特征在于，包括以下步骤：步骤一
、
将多时相遥感图像输入改进的
DRUnet++
网络中，通过共享权值同时提取多时相图像相同的特征图；步骤二
、
采用深监督融合对得到的特征图进行融合，并通过
softmax
函数对类别进行判断并生成图像；步骤三
、
对图像进行相似度判断，得到遥感图像变化检测图
。2.
按照权利要求1所述的一种遥感图像变化检测方法，其特征在于，所述改进的
DRUnet++
网络包括孪生网络
、
空洞卷积残差模块和去除池化层
。3.
按照权利要求2所述的一种遥感图像变化检测方法，其特征在于：将多时相遥感图像分别输入到所述孪生网络的两个输入端，通过共享权值，得到相同的映射，再通过
Loss
函数计算相同像素的相似度
。4.
按照权利要求2所述的一种遥感图像变化检测方法，其特征在于：所述空洞卷积残差模块包括空洞卷积网络和残差模型，所述空洞卷积网络首先定义空洞卷积算子式中，
f[i]
表示输入信号，
g[i]
表示输...

【专利技术属性】
技术研发人员：辛芳芳，贾仟国，张会鹏，王征，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：