基于协同相似度学习的遥感图像变化检测系统技术方案

本发明专利技术公开了一种基于协同相似度学习的遥感图像变化检测系统，包括主干网络、相似度融合模块、多尺度信息融合结构、注意力融合模块和分割头，其中，主干网络用于分别提取同一地点不同时刻两张原始图像各自的特征图；相似度融合模块用于对两张特征图进行融合，获得含变化信息的融合特征图；多尺度信息融合结构用于利用含变化信息的融合特征图，获得不同尺度特征图；注意力融合模块用于利用注意力机制对不同尺度特征图进行融合，获得注意力融合特征图；分割头用于获得变化检测结果。本发明专利技术构建注意力融合模块，通过融合多层特征提高性能和表示能力；构建相似度融合模块，通过对不变特征的学习获得变化特征，降低正负样本分布不均衡导致的误判。

【技术实现步骤摘要】

本专利技术属于遥感图像变化检测，具体涉及一种基于协同相似度学习的遥感图像变化检测系统。

技术介绍

1、遥感图像变化检测是当今遥感图像处理领域的热门研究课题。自动变化检测已经获得了广泛的关注，并且在推动遥感图像的应用和发展中起到了重要作用。遥感图像变化检测涉及两个阶段之间差异的分析，用于辨别不同时期同一区域图像之间的差异，是遥感图像分析的一个基本研究方向，有着广泛的应用，例如，监测土地使用、跟踪城市变化和检测森林砍伐等。深度学习通过提取可区分的层次特征极大地推动了遥感图像变化检测。然而，由于越来越多的高分辨率遥感图像具有丰富的空间细节但有限的光谱信息，使用传统的主干网络会导致层次特征之间不同语义的边界模糊，这解释了为什么最终预测中的大多数假警报分布在变化边界周围。因此，找到有判别力和有效的特征表示是至关重要的。

2、传统方法通常依赖于图像处理技术来提取低级特征信息，例如边缘、轮廓和纹理细节。这些技术通常难以适应复杂的遥感图像变化检测场景。然而，在深度神经网络方面的突破已经在许多任务中表现出显著的成功。值得注意的是，几种深度学习架构已被广泛用于变化本文档来自技高网...

【技术保护点】

1.一种基于协同相似度学习的遥感图像变化检测系统，其特征在于，包括主干网络(101)、相似度融合模块(102)、多尺度信息融合结构(103)、注意力融合模块(104)和分割头(105)，其中，

2.根据权利要求1所述的基于协同相似度学习的遥感图像变化检测系统，其特征在于，所述主干网络(101)为预训练的swin transformer网络。

3.根据权利要求1所述的基于协同相似度学习的遥感图像变化检测系统，其特征在于，所述相似度融合模块(102)包括拼接块、余弦相似度块、变化特征块和融合块，其中，

4.根据权利要求3所述的基于协同相似度学习的遥感图像变...

【技术特征摘要】

1.一种基于协同相似度学习的遥感图像变化检测系统，其特征在于，包括主干网络(101)、相似度融合模块(102)、多尺度信息融合结构(103)、注意力融合模块(104)和分割头(105)，其中，

2.根据权利要求1所述的基于协同相似度学习的遥感图像变化检测系统，其特征在于，所述主干网络(101)为预训练的swin transformer网络。

3.根据权利要求1所述的基于协同相似度学习的遥感图像变化检测系统，其特征在于，所述相似度融合模块(102)包括拼接块、余弦相似度块、变化特征块和融合块，其中，

4.根据权利要求3所述的基于协同相似度学习的遥感图像变化检测系统，其特征在于，所述变化特征块具体用于：

5.根据权利要求4所述的基于协同相似度学习的遥感图像变化检测系统，其特征在于，在所述拼接块之后还包括1×1的...

【专利技术属性】
技术研发人员：刘旭，焦李成，刘雨，刘芳，李玲玲，马文萍，杨淑媛，侯彪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：