一种深度特征相关性计算网络的构建方法、装置及应用制造方法及图纸

本发明专利技术公开了一种深度特征相关性计算网络的构建方法、装置及应用，构建了深度特征相关性计算网络，利用异构数据双时相之间的相关性反算和引入目前较好获取长距离依赖关系的Transformer网络。其中，利用自注意力机制计算，将SAR和光学影像的异构特征统一到同一特征空间，通过Transformer挖掘全局特征，提高了网络模型对于异源数据的判别能力。提出了光学与SAR影像变化检测方法，将需要预测的光学影像和SAR影像分别输入到特征提取部分的对应分支进行特征提取，并利用差分网络进行异构数据双时相之间的相关性反算，最后将融合的不同尺度特征输入对应尺度的预测图生成部分生成最终的变化检测结果。本发明专利技术处理方法清晰，可操作性强，有很好的扩展性。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种深度特征相关性计算网络的构建方法、装置及应用。

技术介绍

1、随着城镇化的快速发展，及时获取土地利用变化是加强土地管理和管控，节约集约用地的前提。城市场景复杂和地物繁多，导致高分遥感影像变化检测任务既受到阴影、植被遮挡、季节变化等伪变化的影响，也面临多尺度检测、多目标检测、异源数据检测等需求的挑战。由于遥感技术的不断发展，新型卫星传感器能够获取地球表面的丰富信息。此外，多种成像原理的传感器也能提供多源遥感数据，例如合成孔径雷达数据。特别地，sar不受植被遮挡、季节变化带来的影响，并且可以在光学影像缺失或者质量不佳时，弥补其他光学遥感影像数据的限制。现有技术中，对于光学与sar影像变化的检测，缺乏一种有效的模型。

技术实现思路

1、针对现有技术中存在的技术问题，本专利技术提供了一种深度特征相关性计算网络的构建方法、装置及应用，构建了一种基于深度特征相关性计算网络，利用异构数据双时相之间的相关性反算和引入目前较好获取长距离依赖关系的transformer网络。其中，利用自注意力本文档来自技高网...

【技术保护点】

1.一种深度特征相关性计算网络的构建方法，其特征在于，包括：

2.如权利要求1所述的深度特征相关性计算网络的构建方法，其特征在于，双分支的特征提取网络将光学影像作为前时相影像，SAR影像作为后时相影像，分别通过两个分支提取出双时相影像的深层特征与浅层特征。

3.如权利要求2所述的深度特征相关性计算网络的构建方法，其特征在于，双分支的特征提取网络的主干网络是ChangeFormer编码器，ChangeFormer采用基于Transformer的孪生网络架构，用于一对共配准遥感图像的变化检测任务，每一个分支通过多个Transformer模块堆叠而成，每个Transfo...

【技术特征摘要】

1.一种深度特征相关性计算网络的构建方法，其特征在于，包括：

2.如权利要求1所述的深度特征相关性计算网络的构建方法，其特征在于，双分支的特征提取网络将光学影像作为前时相影像，sar影像作为后时相影像，分别通过两个分支提取出双时相影像的深层特征与浅层特征。

3.如权利要求2所述的深度特征相关性计算网络的构建方法，其特征在于，双分支的特征提取网络的主干网络是changeformer编码器，changeformer采用基于transformer的孪生网络架构，用于一对共配准遥感图像的变化检测任务，每一个分支通过多个transformer模块堆叠而成，每个transformer模块用于提取不同尺度的图像特征。

4.如权利要求1所述的深度特征相关性计算网络的构建方法，其特征在于，双分支的特征提取网络采用平衡的二元交叉熵损失和dice损失函数加权结合的方式，总体损失为：

5.如权利要求1所述的深度特征相关性...

【专利技术属性】
技术研发人员：孙开敏，李文卓，崔伟，杜志强，
申请(专利权)人：武汉大学，
类型：发明
国别省市：