【技术实现步骤摘要】
本专利技术涉及遥感图像变化检测，具体涉及一种基于扩散模型的遥感图像变化检测方法。
技术介绍
1、随着遥感技术的不断发展和应用，遥感图像在自然资源调查、环境监测、城市规划等方面起到了重要作用。然而，由于自然环境和人类活动的影响，遥感图像随着时间的推移可能会发生变化，如土地利用、植被覆盖、建筑物等等。因此，准确地检测遥感图像中的变化，对于保护自然资源和管理城市规划具有重要的意义。目前，遥感图像变化检测方法主要采用像元差异法和特征差异法，但这些方法受到许多因素的影响，如云雾、影子、光照变化等。
2、现有技术仍然存在一些问题难以解决，尤其是对遥感图像的特征提取不充分，导致特征提取效果差，进一步导致变化检测精度低。此外，现有的基于深度学习的遥感图像变化检测方法多使用梯度下降和误差反向传播的方式进行网络参数的优化，容易陷入局部最优解，同时容易产生梯度消失和梯度爆炸现象。
技术实现思路
1、（一）要解决的技术问题
2、针对上述不足，本专利技术的主要目的在于提供一种基于扩散模型的遥感图像变化检测方法，提出一种性能较好的网络，并设计一种更适合于遥感图像变化检测的损失函数，所采用的卷积神经网络优化算法对网络进行训练，使得在训练过程中避免陷入局部最优解，同时避免产生梯度消失和梯度爆炸现象。
3、（二）技术方案
4、为了实现上述目的，本专利技术提供了一种基于扩散模型的遥感图像变化检测方法，方法包括：获取用于变化检测的数据集，从数据集中获取多个时相的遥感图像；
5、上述方案中，扩散模型采用非线性扩散模型；利用扩散模型对多个时相的遥感图像去噪，包括：将多个时相的遥感图像载入非线性扩散模型中；利于预设的化学反应模型计算遥感图像的每一像素稳定性值；根据遥感图像的局部特性与每一像素稳定性值，获取每一像素的动态扩散系数；根据稳定性值、动态扩散系数与预设的扩散次数，对每一像素进行扩散迭代。
6、上述方案中，利用扩散模型对多个时相的遥感图像去噪，并选取双时相遥感图像，包括：在扩散迭代的过程中，当满足以下两种预定情况之一时，扩散迭代终止，其中，预定情况包括：达到预设的扩散次数，以及稳定性值小于预设阈值；在完成去噪后，从多个时相的遥感图像中选取两个时相的遥感图像，作为双时相遥感图像。
7、上述方案中，对双时相遥感图像分别采用卷积神经网路提取图像特征，包括：利用分形理论，生成具有自相似性和多尺度特性的神经网络初始参数；根据双时相遥感图像与神经网络初始参数确定每一尺度的动力系统；利用几何概率计算初始参数在每一尺度上的概率密度，完成初始参数的局部优化；每一尺度上的动力系统能进行交互和协同学习，使得动力系统进行调整与优化，完成参数优化并进行图像特征的提取。
8、上述方案中，获取用于变化检测的数据集，从数据集中获取多个时相的遥感图像，包括：从遥感建筑变化检测数据集和遥感影像变化检测数据集分别获取多个时相的遥感图像。
9、上述方案中，将图像特征输入孪生网络，得到双时相遥感图像的差异特征图，包括：利用孪生网络提取双时相遥感图像的特征；将双时遥感图像的特征逐像素作差，得到双时相遥感图像的差异特征图。
10、上述方案中，将差异特征图输入特征金字塔网络，获得多层次特征图，包括：利用特征金字塔网络建立多层次差异特征网络；多层次差异特征网络自底向上对差异特征图进行特征提取，得到多层次特征图。
11、上述方案中，将多层次特征图输入解码器，以对多层次特征图融合处理，得到双时相遥感图像的变化图像，包括：将多层次特征图进行第一次采样，第一次采样包括分别对多层次特征图进行2倍、4倍和8倍的采样；对采样的结果进行融合，得到融合特征图；对融合特征图进行第二次采样，并进行映射处理，得到变化特征图；利用分类器计算变化特征图中每一像素的变化概率，得到双时相遥感图像的变化图像。
12、上述方案中，将变化图像输入训练好的分类器中，得到双时相遥感图像的变化检测结果，包括：将变化图像输入分类器中，进行分类器模型得训练；利用蚂蚁算法的极限学习机算法对训练后的双时相遥感图像数据评估分析，得到变化结果。
13、上述方案中，使用孪生网络、特征金字塔网络和解码器的过程中使用自适应矩估计网络优化器以及，采用交叉熵和分割网络评价指标系数共同作为损失函数。
14、（三）有益效果
15、本专利技术实施例的技术方案，至少具有以下有益效果：
16、（1）设计一种更适合于遥感图像变化检测的损失函数，以及采用的卷积神经网络优化算法对网络进行训练，使得在训练过程中避免陷入局部最优解；
17、（2）避免产生梯度消失和梯度爆炸现象；
18、（3）对遥感图像的特征提取充分，特征提取效果好，进一步使得变化检测精度高。
本文档来自技高网...【技术保护点】
1.一种基于扩散模型的遥感图像变化检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的遥感图像变化检测方法，其特征在于，所述扩散模型采用非线性扩散模型；所述利用扩散模型对所述多个时相的遥感图像去噪，包括：
3.根据权利要求1或2所述的遥感图像变化检测方法，其特征在于，所述利用扩散模型对所述多个时相的遥感图像去噪，并选取双时相遥感图像，包括：
4.根据权利要求1所述的遥感图像变化检测方法，其特征在于，对所述双时相遥感图像分别采用卷积神经网路提取图像特征，包括：
5.根据权利要求1所述的遥感图像变化检测方法，其特征在于，所述获取用于变化检测的数据集，从所述数据集中获取多个时相的遥感图像，包括：
6.根据权利要求1或4所述的遥感图像变化检测方法，其特征在于，所述将所述图像特征输入孪生网络，得到所述双时相遥感图像的差异特征图，包括：
7.根据权利要求6所述的遥感图像变化检测方法，其特征在于，所述将所述差异特征图输入特征金字塔网络，获得多层次特征图，包括：
8.根据权利要求1或7所述的遥感图像变化
9.根据权利要求1或4所述的遥感图像变化检测方法，其特征在于，所述将所述变化图像输入训练好的分类器中，得到所述双时相遥感图像的变化检测结果，包括：
10.根据权利要求1所述的遥感图像变化检测方法，其特征在于，使用所述孪生网络、特征金字塔网络和解码器的过程中使用自适应矩估计网络优化器以及，采用交叉熵和分割网络评价指标系数共同作为损失函数。
...【技术特征摘要】
1.一种基于扩散模型的遥感图像变化检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的遥感图像变化检测方法，其特征在于，所述扩散模型采用非线性扩散模型；所述利用扩散模型对所述多个时相的遥感图像去噪，包括：
3.根据权利要求1或2所述的遥感图像变化检测方法，其特征在于，所述利用扩散模型对所述多个时相的遥感图像去噪，并选取双时相遥感图像，包括：
4.根据权利要求1所述的遥感图像变化检测方法，其特征在于，对所述双时相遥感图像分别采用卷积神经网路提取图像特征，包括：
5.根据权利要求1所述的遥感图像变化检测方法，其特征在于，所述获取用于变化检测的数据集，从所述数据集中获取多个时相的遥感图像，包括：
6.根据权利要求1或4所述的遥感图像变化检测方法，其特征在于，所述将所述图...
【专利技术属性】
技术研发人员：黄智祺，王峰，尤红建，
申请(专利权)人：中国科学院空天信息创新研究院，
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。