针对遥感影像破碎图斑的实例约束变化检测方法和装置制造方法及图纸

本申请提供了一种针对遥感影像破碎图斑的实例约束变化检测方法和装置，涉及遥感影像智能处理技术领域，该方法包括：对获取的前后时相影像进行影像切片并输入至预先训练好的实例约束变化检测网络

【技术实现步骤摘要】
针对遥感影像破碎图斑的实例约束变化检测方法和装置


[0001]本申请涉及遥感影像智能处理
，尤其是涉及一种针对遥感影像破碎图斑的实例约束变化检测方法和装置
。

技术介绍

[0002]目前，随着遥感卫星成像技术的发展，对地相关的变化检测在城市规划
、
环境监测
、
农业调查以及灾害评估等领域上正在发挥着越来越重要的作用
。
[0003]相关技术中，通常采用依赖深度学习的传统变化检测方法或者利用人工智能神经网络的特征学习能力自动对图像对象和地理变化特征之间进行关系建模进行变化检测的方法
。
[0004]然而，传统变化检测方法获取空间上下文信息与复杂的视觉特征方面能力有限，另一方面依赖手动调节难以设置合适的分割参数，从而导致性能较差；而第二类变化检测算法面向于复杂场景下的地物变化任务，由于影像存在分辨率较低
、
配准精度不高
、
前后时相风格差异等因素，难以有效迁移解决这种复杂的遥感场景变化检测问题，尤其针对边界不清晰r/>、
尺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种针对遥感影像破碎图斑的实例约束变化检测方法，其特征在于，包括：获取待检测的前时相影像和后时相影像，对所述前时相影像和后时相影像进行影像切片；将切片数据输入至预先训练好的实例约束变化检测网络，得到包含图斑的预测变化图；其中，所述实例约束变化检测网络包括骨干网络
、
特征融合模块
、
实例约束解码模块和实例约束损失，所述实例约束损失用于在模型训练时计算影像中的每个变化图斑的损失，并累加所有变化图斑的损失进行梯度更新；对所述预测变化图进行小图斑过滤和孔洞填充处理，并对所述预测变化图中的变化图斑进行轮廓简化，得到图斑优化结果；将所述图斑优化结果进行栅格填充并进行转矢量操作，生成目标变化矢量结果
。2.
根据权利要求1所述的针对遥感影像破碎图斑的实例约束变化检测方法，其特征在于，所述骨干网络为
swin
‑
transformer
结构，用于提取多个尺度的图像特征；用于提取每个尺度对应的特征的子网络结构由多个
swin
‑
block
堆叠而成，不同尺度的子网络结构对应的
swin
‑
block
个数不完全相同，所述
swin
‑
block
采用移动窗口注意力机制；所述特征融合模块的尺度与所述骨干网络的尺度对应设置，所述特征融合模块用于对不同尺度下的前时相特征图和后时相特征图进行相加取均值和相减处理计算差异特征，并对两种计算方式得到的差异特征图在通道维度上进行拼接后使用卷积模块进行特征融合
。3.
根据权利要求1所述的针对遥感影像破碎图斑的实例约束变化检测方法，其特征在于，所述实例约束解码模块包括：
Pixel
解码模块
、Transformer
解码器模块
、
多层感知机模块和实例损失；其中，所述
Pixel
解码模块对所述特征融合模块输出的多个尺度的差异特征图进行卷积融合；所述
Transformer
解码器模块对所述特征融合模块输出的尺寸最小的最高阶特征图进行掩码特征查询，所述
Transformer
解码器模块包括多个网络层，每个网络层包括自注意力网络
、
交叉注意力网络与前馈网络，每个网络的特征维度均预设对应的目标维度；所述多层感知机模块包括类别特征子模块和掩膜特征子模块，类别特征子模块用于生成最终的预测类别分数，掩膜特征子模块用于生成最终的掩码特征图；通过对所述类别特征子模块生成的预测类别分数与掩膜特征子模块生成的掩码特征图执行矩阵乘法处理生成最终的类别变化图；实例约束解码模块的实例损失包括分类损失和掩码损失
。4.
根据权利要求1所述的针对遥感影像破碎图斑的实例约束变化检测方法，其特征在于，所述实例约束损失包括变化实例损失：其中，
N
为真值标签中变化实例的个数，
w

【专利技术属性】
技术研发人员：卢凯旋，王宇翔，郝京京，张攀，沈均平，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：