一种基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法技术

本发明专利技术公开了一种基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，包括：1、预处理遥感图像变化检测数据集中的图像；2、构建网络模型M2M‑LINet，并初始化超参数；M2M‑LINet包括粗粒度定位阶段、细节聚焦阶段和解码预测阶段，其中：粗粒度定位阶段通过CALM模块获取输入的双时相图像粗粒度特征映射并对变化信息进行初步定位；细节聚焦阶段包括交错组合的LCB模块和LTB模块；解码预测阶段通过边缘感知增强模块EAEM增强图像的边缘特征，通过LTB模块和卷积预测头进行解码预测；3、训练和验证M2M‑LINet，对其参数调优，得参数最优的网络模型M2M‑LINet；4、利用参数最优的M2M‑LINet，预测出检测结果。本发明专利技术以低计算成本，提升了遥感图像的变化检测精度，能准确检测小目标及边界变化。

【技术实现步骤摘要】

本专利技术属于图像处理，具体是一种基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法。

技术介绍

1、遥感影像变化检测是一种通过分析同一区域的多时相影像来识别地表变化的技术，在灾害评估、城市扩张、土地管理、农业监测等领域有着广泛应用，是遥感影像解译中的关键任务。近年来，由于自然环境恶化和城市化进程的加速，遥感影像变化检测技术的应用变得愈发重要，然而，遥感图像地物复杂，影响因素较多，获取精细化的变化目标仍是一个有挑战性的问题。遥感影像变化检测任务主要受以下两方面因素的影响：(1)干扰因素多：首先，成像条件不同可能引入干扰的伪变化，如光照强度和季节变化不同，导致同一物体的颜色外观或者阴影差异显著，这些差异可能被误判为实际的地物变化；其次，一些与地表本身不相关的动态变化，干扰变化检测的准确性；(2)变化目标不均衡：首先，变化与不变像素之间差异显著，存在类别不平衡现象；其次，变化区域大小不一致，形状差异较大；导致变化目标的定位困难，变化目标的完整性较低。为解决上述挑战，许多学者在变化检测领域开展了一系列研究，现有的变化检测方法主要分为三类：基于卷积神经网络(c本文档来自技高网...

【技术保护点】

1.一种基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，其特征在于，所述步骤1的具体过程为：随机裁剪大型高分辨率遥感图像变化检测数据集SYSU-CD、WHU-CD和LEVIR-CD+中的图像，将其切割为256×256大小的图像块，并对小块进行随机旋转和翻转，然后随机划分为训练集、验证集和测试集。

3.根据权利要求1所述的基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，其特征在于，所述步骤2中粗粒度定位阶段通过CALM模块获取输入的双时相图像粗...

【技术特征摘要】

1.一种基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，其特征在于，所述步骤1的具体过程为：随机裁剪大型高分辨率遥感图像变化检测数据集sysu-cd、whu-cd和levir-cd+中的图像，将其切割为256×256大小的图像块，并对小块进行随机旋转和翻转，然后随机划分为训练集、验证集和测试集。

3.根据权利要求1所述的基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，其特征在于，所述步骤2中粗粒度定位阶段通过calm模块获取输入的双时相图像粗粒度特征映射并对变化信息进行初步定位的过程为：

4.根据权利要求1所述的基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，其特征在于，所述步骤2中可微分的空域增强模块hlem分离图像的高频和低频信息并对其进行增强和融合的过程为：

5.根据权利要求1所述的基于轻量级交错结构与粗细粒度融合的遥感影像变化检测方法，其特征在于，所述步骤2中语义代理注意力agentself-attention的计...

【专利技术属性】
技术研发人员：雷涛，许叶彤，路艳，林少雄，杨子瑶，杜方育，曾杰鹏，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：