【技术实现步骤摘要】
本专利技术涉及检测方法，具体为一种针对两期影像偏移具有较高容错的建筑物变化检测方法。
技术介绍
1、基于两期影像的建筑物变化检测是一种利用遥感影像数据进行建筑物变化分析的技术方法。通过比较相同区域不同时间的两期影像数据，以检测和分析建筑物在时间上的变化情况。在ai技术发展的背景下，目前主流的方法是基于孪生网络架构的像素级变化检测方法，所谓像素级变化检测，是指输入尺寸相同的两张卫星遥感图像，模型对比其中建筑物分布的差异，并输出与输入图像相同像素大小的单通道变化掩码图像，掩码图像中标记为0的位置表示建筑物分布未发生变化，标记为1的位置的建筑物发生了变化。
2、但是，现有技术中，在上述基于两期影像的建筑物变化检测方法中，首先需要对目标区域两个时间点的影像进行几何校正和配准，以最大程度消除空间差异。然后，应用孪生网络模型对两期影像进行检测。但是在实际生产过程中，由于不同时间拍摄的角度不同、传感器差异等因素引起的影像间的空间差异通常不能完全消除，局部差异往往能达到几个到十几个像元，以0.5米空间分辨率的遥感影像为例，这意味着多不同时期的相同一个建筑物在两期影像上可能存在多达几米的位置偏差，不能很好的重叠，对于孪生网络这种逐像素的检测方法将会产生极大的干扰，导致严重的错判，影响实际应用效果。
3、因此，基于上述技术问题，本领域的技术人员有必要研发一种针对两期影像偏移具有较高容错的建筑物变化检测方法。
技术实现思路
1、本专利技术目的是提供一种针对两期影像偏移具有较高容错
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种针对两期影像偏移具有较高容错的建筑物变化检测方法，其特征在于，步骤1：采集同区域经过精校准的两期高分辨率卫星影像。
4、步骤2：对采集的影像进行矢量样本标注，并将矢量文件栅格化，以512x512的大小切片后构成样本库。
5、步骤3：搭建模型，包含上述建筑物分割头和建筑物变化检测头。
6、步骤4：使用包含随机错位偏移的数据增强对模型进行监督训练，其中t1_building、t2_building标签作为建筑物分割头的监督信号，t1_change、t2_change作为建筑物变化检测的监督信号。
7、步骤5：取训练收敛后的模型权重作为最终训练结果，可进行部署推理；
8、步骤6：应用时，取目标两期影像作为输入，取建筑物变化提取结果作为最终结果，建筑物分割结果可丢弃。
9、步骤7：结束。
10、作为一种优选的技术方案，所述步骤2中的样本标注，包含建筑物标注和建筑物变化标注两部分。首先将相同区域的经过精校准的两期卫星影像(t1、t2)使用arcgmap等行业软件加载；第二步，针对每期影像，分别新建矢量文件t1_building、t2_building，t1_building中标记t1中所有的建筑物，t2_building中标记t2中所有的建筑物；第三步，新建矢量文件t1_change、t2_change，t1_change中标记t1中存在，但t2中消失的建筑(建筑物拆除行为)；t2_change中标记t1中没有，而t2中新增的建筑(建筑物新建行为)。最后，将完成标注的标签矢量文件t1_building、t2_building和t1_change、t2_change栅格化，并与t1，t2两期影像一起切片形成训练样本库。
11、作为一种优选的技术方案，所述步骤3中的建模，基于一般的孪生网络框架，由通用图像编码器、建筑物分割头和建筑物变化检测头三个部分构成，为多任务模型。其中图像编码器可选用主流的图像编码器，将编码器作用于t1、t2，可产生对应的特征图f1、f2，将特征图采样到输入图像的1/4或1/8大小作为输出。建筑物分割头为常规的卷积分割头，卷积层数为3，最后一层输出通道数为1，负责建筑物的预测，建筑物分割头为辅助任务，作用是增强建筑物相关的特征信号。建筑物变化检测头由一个交叉局部注意力机构、一个自注意力机构和一个三层卷积输出组成，交叉局部注意力机构接受f1、f2两个时期的图像特征作为输入，设(h,w)为特征图f1、f2的高和宽，对于f1中的每个位置的特征f1i,j(i,j∈h,w)，取f2中以(i,j)为中心，r为半径的区域特征f2r(i,j)，进行相关运算，输出交叉局部相关矩阵c1_2，形状为((r*2+1)2,h,w)；将f1和c1_2一起输入自注意力机构，自注意力机构的key和query来自f1的映射，value来自c1_2，对c1_2修正，并将修正后的相关矩阵在第一维度应用softmax进行归一化操作，得到c’1_2，使用c’1_2的相关度作为权重对f2进行采样，得到f’2，形状不变，将f1与f’2在通道维度进行拼接得到f1_f’2；将f1_f’2输入最终的卷积结构，卷积结构最后一层输出通道为1，得到的输出即为t1相对于t2的建筑物变化预测结果t1_change。
12、作为一种优选的技术方案，所述步骤4中的模型训练时的数据增强，是将经过精校准的t1、t2影像和对应的标签同时进行水平和垂直方向的错位偏移，记为dx和dy，dx和dy为随机值，随机范围为(-16，16)，称为随机错位偏移增强。随机错位偏移增强的作用是针对性的训练上述基于交叉局部注意力机构的建筑物变化检测头。
13、与现有技术相比，本专利技术的有益效果是：本专利技术创造针对多期卫星影像偏差问题下的建筑物变化检测进行显式建模，并围绕该建模方式定义了样本标注的形式，以及针对该模型的训练的数据增强方式，从而使得训练后的模型，对于实际生产条件下两期影像之间难以避免的偏差问题，相比常规的变化检测方法具有更高的容忍度，更具实用性。
本文档来自技高网...【技术保护点】
1.一种针对两期影像偏移具有较高容错的建筑物变化检测方法，其特征在于，步骤1：采集同区域经过精校准的两期高分辨率卫星影像。
2.根据权利要求1所述的一种针对两期影像偏移具有较高容错的建筑物变化检测方法，其特征在于：所述步骤2中的样本标注，包含建筑物标注和建筑物变化标注两部分。首先将相同区域的经过精校准的两期卫星影像(T1、T2)使用ArcgMap等行业软件加载；第二步，针对每期影像，分别新建矢量文件T1_building、T2_building，T1_building中标记T1中所有的建筑物，T2_building中标记T2中所有的建筑物；第三步，新建矢量文件T1_change、T2_change，T1_change中标记T1中存在，但T2中消失的建筑(建筑物拆除行为)；T2_change中标记T1中没有，而T2中新增的建筑(建筑物新建行为)。最后，将完成标注的标签矢量文件T1_building、T2_building和T1_change、T2_change栅格化，并与T1，T2两期影像一起切片形成训练样本库。
3.根据权利要求2所述的一种针对两期影像偏移
4.根据权利要求2所述的一种针对两期影像偏移具有较高容错的建筑物变化检测方法，其特征在于：所述步骤4中的模型训练时的数据增强，是将经过精校准的T1、T2影像和对应的标签同时进行水平和垂直方向的错位偏移，记为dx和dy，dx和dy为随机值，随机范围为(-16，16)，称为随机错位偏移增强。随机错位偏移增强的作用是针对性的训练上述基于交叉局部注意力机构的建筑物变化检测头。
...【技术特征摘要】
1.一种针对两期影像偏移具有较高容错的建筑物变化检测方法，其特征在于，步骤1：采集同区域经过精校准的两期高分辨率卫星影像。
2.根据权利要求1所述的一种针对两期影像偏移具有较高容错的建筑物变化检测方法，其特征在于：所述步骤2中的样本标注，包含建筑物标注和建筑物变化标注两部分。首先将相同区域的经过精校准的两期卫星影像(t1、t2)使用arcgmap等行业软件加载；第二步，针对每期影像，分别新建矢量文件t1_building、t2_building，t1_building中标记t1中所有的建筑物，t2_building中标记t2中所有的建筑物；第三步，新建矢量文件t1_change、t2_change，t1_change中标记t1中存在，但t2中消失的建筑(建筑物拆除行为)；t2_change中标记t1中没有，而t2中新增的建筑(建筑物新建行为)。最后，将完成标注的标签矢量文件t1_building、t2_building和t1_change、t2_change栅格化，并与t1，t2两期影像一起切片形成训练样本库。
3.根据权利要求2所述的一种针对两期影像偏移具有较高容错的建筑物变化检测方法，其特征在于：所述步骤3中的建模，基于一般的孪生网络框架，由通用图像编码器、建筑物分割头和建筑物变化检测头三个部分构成，为多任务模型。其中图像编码器可选用主流的图像编码器，将编码器作用于t1、t2，可产生对应的特征图f1、f2，将特征图采样到输入图像的1/4或1/8大小作为输出。建筑物分割头为常规的卷积分割头...
【专利技术属性】
技术研发人员：蒋晓旭，郝雪涛，区铭强，张宏伟，
申请(专利权)人：佛山四维时空大数据创新中心，
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。