【技术实现步骤摘要】
本专利技术属于遥感图像处理，尤其涉及一种基于频域卷积与局部特征增强的遥感图像半监督变化检测方法及系统。
技术介绍
1、变化检测是一种用于分析不同时间阶段影像或数据之间差异的技术。在遥感领域，变化检测通过对特定区域的多时相遥感影像进行比对，利用数学模型识别和量化地表演化过程，已广泛应用于城市规划、土地管理、军事情报分析、环境监测、灾害评估等各个领域。随着遥感卫星技术的进步，高分辨率遥感图像为变化检测技术带来了新的机遇。相比中分辨率和低分辨率图像，受混合像元效应的约束，多时相高分辨率图像具有亚米级的分辨率，能够表征小地物丰富的纹理-结构特征，这个优势支持更精确地识别变化差异。
2、近年来，随着计算机视觉的快速发展，许多有深度监督学习框架在解释高分辨率遥感图像和提取变化信息方面取得了显著的成功，如unet、resnet、transformer、mamba等。然而，这些高精度的监督学习方法依赖于使用大规模标注的高分辨率遥感图像数据集进行训练。在实践中，虽然高分辨率遥感图像很容易获得，但其丰富的纹理结构细节使得获取高精度像素级标签的成...
【技术保护点】
1.基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，包括：
2.根据权利要求1所述基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，基于卷积神经网络骨干，构建空间域特征提取器，利用卷积神经网络提取浅层空间域特征和深层空间域特征，包括：
3.根据权利要求1所述基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，将提取的浅层空间域特征输入局部特征增强模块进行特征局部分块，包括：
4.根据权利要求1所述基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，对分块后的浅层空...
【技术特征摘要】
1.基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，包括：
2.根据权利要求1所述基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，基于卷积神经网络骨干，构建空间域特征提取器，利用卷积神经网络提取浅层空间域特征和深层空间域特征，包括：
3.根据权利要求1所述基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，将提取的浅层空间域特征输入局部特征增强模块进行特征局部分块，包括：
4.根据权利要求1所述基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，对分块后的浅层空间域特征进行自相似聚合，并与自相似聚合前的浅层空间域特征融合，输出浅层特征，包括：
5.根据权利要求1所述基于频域卷积与局部特征增强的遥感图像半监督变化检测方法，其特征在于，预先构建含有标签数据和无标签数据的数据集，包括：
6.根据权利要求5所述基于频...
【专利技术属性】
技术研发人员：董燕妮，詹义宽，马昕，贺威，张玉香，张乐飞，杜博，沈焕锋，张良培，
申请(专利权)人：武汉大学，
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。