基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法技术

本发明专利技术涉及遥感图像变化检测领域，具体为基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法。首先，该网络分层次提取双时相高分辨率遥感图像不同尺度信息；然后，对不同尺度特征图（如同级、邻级、全局）都分别构造差异信息增强及融合模块，强化融合网络局部特征表示能力及上下文信息关联性；最后，通过提出全过程组合损失函数监督中间特征层学习以增强各模块特征表示能力。实验证明，本文在定性、定量指标方面都取得了显著效果。

【技术实现步骤摘要】

本专利技术涉及遥感图像变化检测领域，具体为基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法。

技术介绍

1、遥感图像变化检测旨在比较不同时段同一区域图像差异并标记出变化区域，已广泛应用于城市扩张分析、灾害评估、植被覆盖检测等领域。目前，变化检测领域正经历以下挑战：首先，不同时期拍摄条件(如光照、季节等)可能导致双时相图像中具有相同语义信息的物体表现形式不同；然后，不变化区域及噪声的干扰往往会影响真实变化特征识别。

2、传统变化检测方法大致可分为三类：分别是基于图像算术、图像变换、后分类的方法。基于图像算术方法包括图像差分、图像比值、变化向量分析(change vector analysis，cva)等，这类算法使用相关算术(如减法或除法)得到特征图，然后通过分割阈值来区分变化与未变化信息。显然，分割阈值是这类方法的难点和关键点。基于图像变换方法包括主成分分析法(principal component analysis，pca)、多元变化检测法(multivariatealteration detection，mad)等。它们将图像转化本文档来自技高网...

【技术保护点】

1.基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法，其特征在于：提出一种面向遥感图像变化检测的分层多尺度深度信息提取与融合模型框架，包括一个特征提取网络和同级差异特征增强模块SLDFEM、跨尺度邻级特征融合模块CSALFFM和基于Transformer的多尺度全局特征融合模块MSGFFM；

2.根据权利要求1所述的基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法，其特征在于：同级差异特征增强模块SLDFEM中特征的形成过程具体为：

3.根据权利要求2所述的基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法，其特征在于：跨尺度邻级特征融...

【技术特征摘要】

1.基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法，其特征在于：提出一种面向遥感图像变化检测的分层多尺度深度信息提取与融合模型框架，包括一个特征提取网络和同级差异特征增强模块sldfem、跨尺度邻级特征融合模块csalffm和基于transformer的多尺度全局特征融合模块msgffm；

2.根据权利要求1所述的基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法，其特征在于：同级差异特征增强模块sldfem中特征的形成过程具体为：

【专利技术属性】
技术研发人员：王斌，姜晓虎，秦品乐，乔钢柱，曾建潮，
申请(专利权)人：中北大学，
类型：发明
国别省市：