一种超高空间分辨率遥感图像变化检测孪生网络及方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种超高空间分辨率遥感图像变化检测孪生网络及方法，本发明专利技术提供了一种变化检测网络MDSANet，采用了非对称卷积残差块提取更具判别变化信息的深层特征。使用时空注意力机制对融合后多尺度差异特征进行时空域增强，以增强真实变化的区域，同时抑制非真实变化的区域。同时建立不同尺度差异特征图通道之间的相关性，以提高不同尺度差异特征的表征能力。本发明专利技术针对高空间分辨率遥感图像进行变化检测，可以有效地提取出真实的地物变化，并排除了光照、季节等外部因素的影响，降低了伪变化的误检率。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体涉及一种超高空间分辨率遥感图像变化检测孪生网络及方法。

技术介绍

1、变化检测(cd)是指检测和分析同一地理空间在不同时间下发生的变化。通常，检测的变化是真实存在的变化，而非传感器因素、季节光照变化等引起的伪变化。一些传统的变化检测方法对像素进行单独处理和分析，忽略了地物的空间信息和语义信息，且难以克服噪声的干扰，导致变化检测结果存在误检和漏检的问题。近年来，卷积神经网络(cnn)凭借其强大的非线性表征能力和泛化性，逐渐在变化检测领域得到了广泛的应用。为了进一步提高变化检测的精度和鲁棒性，目前在cnn的基础上已经构建了大量的变化检测模型，并探索了各种机制来优化变化检测网络的性能。例如，在变化检测模型中引入空洞卷积以扩大感受野，获取更为丰富的全局特征表示；利用注意力机制增强真实变化区域的特征，同时抑制非真实变化区域的特征；或者使用自注意力机制捕获全局空间上下文信息，建立像素与像素之间的空间相关性。

2、目前基于cnn的变化检测方法根据其网络架构的不同，大致可以分为基于单分支、双分支编码和双分支编码解码器的架构。基于单分本文档来自技高网...

【技术保护点】

1.一种超高空间分辨率遥感图像变化检测孪生网络，其特征在于，所述孪生网络为变化检测网络MDSANet，包括非对称卷积残差编码器，多尺度差异特征时空注意力增强模块和特征融合解码器。

2.如权利要求1所述的超高空间分辨率遥感图像变化检测孪生网络，其特征在于：通过非对称卷积残差编码器进行深层特征提取，然后将不同尺度的差异特征沿通道方向进行堆叠，并采用时空注意力机制对多尺度差异特征进行时空域的增强，以提升不同尺度特征的表征能力；将时空域增强后的多尺度差异特征按照不同尺度通道数进行拆分，通过特征融合解码器将增强后的差异特征和同一尺度的双时相编码器特征进行融合。>

3.一种超高...

【技术特征摘要】

1.一种超高空间分辨率遥感图像变化检测孪生网络，其特征在于，所述孪生网络为变化检测网络mdsanet，包括非对称卷积残差编码器，多尺度差异特征时空注意力增强模块和特征融合解码器。

2.如权利要求1所述的超高空间分辨率遥感图像变化检测孪生网络，其特征在于：通过非对称卷积残差编码器进行深层特征提取，然后将不同尺度的差异特征沿通道方向进行堆叠，并采用时空注意力机制对多尺度差异特征进行时空域的增强，以提升不同尺度特征的表征能力；将时空域增强后的多尺度差异特征按照不同尺度通道数进行拆分，通过特征融合解码器将增强后的...

【专利技术属性】
技术研发人员：黄亮，乐伟鹏，唐伯惠，王敏，田秋媛，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：