【技术实现步骤摘要】
技术介绍
1、遥感影像变化检测被广泛用于土地利用监测、城市规划、森林管理、农业监测、环境监测等各种遥感应用领域，可以为决策者提供更准确的变化信息，有助于更好地管理资源和环境。为了对遥感影像中的异常变化情况进行检测，常采用孤立森林算法对采集到的遥感影像进行处理，但在孤立森林获取过程中，由于图像变化的特点，变化像素点在孤立森林中可能会有较多的样本点呈现出类似的分布，即出现异常点过多的情况，这会导致孤立森林判断各点异常程度的精确程度下降，使得遥感影像的变化情况检测结果的准确度较低。
技术实现思路
1、为了解决现有方法在对遥感影像的变化情况进行检测时存在的检测结果准确度较低的问题，本专利技术的目的在于提供一种基于深度学习的遥感影像变化检测方法，所采用的技术方案具体如下：
2、本专利技术提供了一种基于深度学习的遥感影像变化检测方法，该方法包括以下步骤：
3、获取待检测土地的两帧遥感影像以及每帧遥感影像中每个像素点对应的光谱曲线；
4、基于光谱曲线上数据值的差异情...
【技术保护点】
1.一种基于深度学习的遥感影像变化检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于深度学习的遥感影像变化检测方法，其特征在于，所述基于光谱曲线上数据值的差异情况确定每帧遥感影像中每个像素点对应的各特征波段，包括：
3.根据权利要求1所述的基于深度学习的遥感影像变化检测方法，其特征在于，所述对两帧遥感影像中同一位置的像素点对应的特征波段进行匹配，根据匹配结果以及匹配结果对应的吸收率，得到每个位置对应的目标程度，包括：
4.根据权利要求3所述的基于深度学习的遥感影像变化检测方法，其特征在于，采用如下公式计算第k个...
【技术特征摘要】
1.一种基于深度学习的遥感影像变化检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于深度学习的遥感影像变化检测方法，其特征在于，所述基于光谱曲线上数据值的差异情况确定每帧遥感影像中每个像素点对应的各特征波段，包括：
3.根据权利要求1所述的基于深度学习的遥感影像变化检测方法，其特征在于，所述对两帧遥感影像中同一位置的像素点对应的特征波段进行匹配，根据匹配结果以及匹配结果对应的吸收率，得到每个位置对应的目标程度，包括：
4.根据权利要求3所述的基于深度学习的遥感影像变化检测方法，其特征在于，采用如下公式计算第k个位置对应的目标程度：
5.根据权利要求3所述的基于深度学习的遥感影像变化检测方法，其特征在于，根据每个位置对应的特征波段与其邻域位置对应的特征波段的差异以及每个位置与其邻域位置对应的目标程度的差异，得到每个位置对应的置信度，包括：
【专利技术属性】
技术研发人员：黄山，王宇翔，马玉宽，卢燕婷，
申请(专利权)人：广东泰一高新技术发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。