一种基于多尺度特征对齐的光学/SAR影像变化检测网络和检测方法技术

本发明专利技术公开一种基于多尺度特征对齐的光学/SAR影像变化检测网络和检测方法，网络结构包括：多尺度特征提取模块，分别对光学影像和SAR影像进行多尺度特征提取，得到光学影像和SAR影像的低维特征图和高维特征图；低维特征融合模块，基于光学影像和SAR影像的低维特征图进行低维特征融合，得到低层多源融合特征图；高维特征挑选模块，基于光学影像和SAR影像的高维特征图进行高维特征挑选后融合，得到多源融合特征图；光学/SAR影像变化检测模块，基于低层多源融合特征图与高层多源融合特征图进行影像变化检测，输出最终光学/SAR影像变化检测结果。

【技术实现步骤摘要】

本专利技术涉及摄影测量领域，尤其是一种基于多尺度特征对齐的光学/sar影像变化检测网络和检测方法。

技术介绍

1、光学影像基于光谱反射成像，具有丰富的光谱信息，但易受天气影响；sar影像则通过微波主动成像，可穿透云雾，但存在相干斑噪声和几何畸变；光学与sar影像联合使用，能够弥补各自的不足，为区域持续变化检测提供可能。然而，光学和sar图像在成像原理、空间分辨率和光谱特性方面表现出固有的差异，这使得很难直接比较或对齐不同模态的特征。

2、在实际应用中，直接对比光学和sar影像中的特征往往难以获得有意义的变化信息，

3、如何确保特征的高度可比性，同时避免特征冗余的干扰，并有效地结合全局和局部特征，仍然显著影响变化检测模型的精度。

技术实现思路

1、为克服现有技术中光学影像和sar影像间特征对齐、比较困难的问题，本专利技术提供一种基于多尺度特征对齐的光学/sar影像变化检测网络和检测方法，通过集成低维特征融合模块和高维特征选择模块，通过对光学和sar特征进行有效对齐和融合，实现特征的有效利本文档来自技高网...

【技术保护点】

1.一种基于多尺度特征对齐的光学/SAR影像变化检测网络，其特征在于，包括：

2.如权利要求1所述的一种基于多尺度特征对齐的光学/SAR影像变化检测网络，其特征在于，所述低维特征融合模块包含孪生结构的两个分支，分别处理光学影像和SAR影像，其中，单个分支结构包含五个编码层，编码层由卷积层、批归一化层和ReLU激活函数组成，第一、第二、第三、第四编码层间通过全局最大池化层连接，第四编码层与第五编码层直接连接；第二编码层输出低维特征图，第五编码层输出高维特征图。

3.如权利要求1所述的一种基于多尺度特征对齐的光学/SAR影像变化检测网络，其特征在于，所述多尺度特征提取...

【技术特征摘要】

1.一种基于多尺度特征对齐的光学/sar影像变化检测网络，其特征在于，包括：

2.如权利要求1所述的一种基于多尺度特征对齐的光学/sar影像变化检测网络，其特征在于，所述低维特征融合模块包含孪生结构的两个分支，分别处理光学影像和sar影像，其中，单个分支结构包含五个编码层，编码层由卷积层、批归一化层和relu激活函数组成，第一、第二、第三、第四编码层间通过全局最大池化层连接，第四编码层与第五编码层直接连接；第二编码层输出低维特征图，第五编码层输出高维特征图。

3.如权利要求1所述的一种基于多尺度特征对齐的光学/sar影像变化检测网络，其特征在于，所述多尺度特征提取模块的结构包括第一拼接层、第一卷积层、双分支池化层、相加层、门控模块、加权拼接层、transformer模块和第二卷积层；

4.如权利要求3所述的一种基于多尺度特征对齐的光学/sar影像变化检测网络，其特征在于，所述门控模块依次由第三卷积层、relu激活函数、第四卷积层和sigmoid函数组成，相加层的结果通过第三卷积层、relu激活函数、第四卷积层依次处理生成注意力权重，最终经sigmoid函数激活，得到归一化的通道注意力权重向量。

5.如权利要求4所述的一种基于多尺度特征对齐的光学/s...

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