System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于遥感信息处理,涉及一种多光谱变化检测方法,尤其涉及一种基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法及系统。
技术介绍
1、多光谱遥感影像的变化检测指从同一地方不同时间获取的两幅或多幅图像进行检测以识别其变化的过程,可判断场景内物体变化的具体位置。多光谱遥感影像可以从遥感卫星定期获取,并且其包含足够的光谱信息,为更好地检测地表变化提供了足够的知识。因此多光谱影像的变化检测在监测全球自然资源和城市环境的任务中变得越来越重要,这在城市规划、农业调查和灾害评估等诸多领域具有重要意义。
2、多光谱遥感图像的变化检测方法大致分为两类:传统的变化检测方法和基于深度学习的变化检测方法。传统变化检测方法普遍是获取相同位置、不同时间图像的差异图,然后将差异图按像素分为两类。然而,大多传统的变化检测方法依赖于手动创建的特征,无法满足高分辨率影像的检测要求。
3、随着深度学习技术的出现,人们发现深度学习具有自动提取复杂特征的优势,因此深度学习的方法逐渐被应用到光谱影像的变化检测领域。目前深度学习中的热点之一就是注意力机制,其能够使网络聚焦于有用和感兴趣的信息,从而屏蔽无用信息的干扰。因此,注意力模块被引入变化区域通过关注更有效的特征以提高变化检测性能,目前许多基于注意力机制的深度学习方法都取得了较好的变化检测效果。然而,这些方法大多仅在单时相图像上计算注意力矩阵,而没有关注到双时像图像之间的相关性,仍需构建交叉注意力机制模型,共同关注双时相图像的交互信息和差异信息,以更精准地识别变化检测区域。
< ...【技术保护点】
1.基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,具体如下:
2.根据权利要求1所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述步骤6使用复合损失函数引导网络训练,所述复合损失函数包含:focal损失和对比损失,即
3.根据权利要求2所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,在所述对比损失的基础上增加权重因子,构建针对不平衡数据的对比损失函数如下:
4.根据权利要求1所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述步骤4具体如下:
5.根据权利要求4所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述步骤4.1具体包括:
6.根据权利要求5所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述四个依赖范围不同的时序注意力单元TAU的依赖范围依次为7×7、5×5、3×3和1×1。
7.根据权利要求1所述的基于级联交叉注意力机制和差分特征学
8.根据权利要求7所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述步骤7具体为:
9.根据权利要求7所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述Hongqi Canal和Minfeng数据集中训练数据和测试集的划分比例为7:3,所述Weihe River数据集中训练数据和测试集的划分比例为9:1。
10.基于级联交叉注意力机制和差分特征学习的多光谱变化检测系统,其特征在于,包括:
...【技术特征摘要】
1.基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,具体如下:
2.根据权利要求1所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述步骤6使用复合损失函数引导网络训练,所述复合损失函数包含:focal损失和对比损失,即
3.根据权利要求2所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,在所述对比损失的基础上增加权重因子,构建针对不平衡数据的对比损失函数如下:
4.根据权利要求1所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述步骤4具体如下:
5.根据权利要求4所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述步骤4.1具体包括:
6.根据权利要求5所述的基于级联交叉注意力机制和差分特征学习的多光谱变化检测方法,其特征在于,所述四个依赖范围不同的时序注意力单元t...
【专利技术属性】
技术研发人员:张无瑕,张琴雨,杨俊毅,徐英杰,王斯敏,鲁钰,
申请(专利权)人:西安邮电大学,
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。