一种多层次语义信息聚合方法、装置、设备及介质制造方法及图纸

本发明专利技术提供了一种多层次语义信息聚合方法、装置、设备及介质，方法包括：提取不同尺度的图像高级特征，联合不同尺度的图像高级特征，采用自注意力机制构建高精度的DFG映射图；将DFG映射图嵌入到卷积神经网络中的引导聚合模块中进行特征融合，获得多层次语义信息的融合特征图；采用不同尺度的卷积操作在融合特征图中提取多尺度细粒度特征，并对多尺度细粒度特征进行特征融合，生成最终的用于遥感图像变化检测的特征图。本发明专利技术通过结合不同尺度的深层特征与自注意力机制，构建高精度的深度特征引导映射，有效克服了传统方法中存在的语义差异、细节丢失及噪声干扰问题，大幅提高了遥感图像变化检测的精度和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及计算机视觉与遥感图像处理，具体涉及一种多层次语义信息聚合方法、装置、设备及介质。

技术介绍

1、遥感图像变化检测技术在土地利用监测、灾害评估、生态环境保护等领域具有重要应用价值。其主要任务是通过分析多时相遥感图像间的差异，检测出地表的变化区域。然而，由于遥感图像的复杂性，包括多光谱特征、多尺度特性以及噪声干扰等因素，传统的变化检测方法在准确性和鲁棒性方面仍存在较大改进空间。

2、目前用于遥感图像变化检测的多层次语义信息聚合方法主要分为基于传统图像处理技术和基于深度学习技术两类。传统方法通常依赖手工设计的特征提取技术，如灰度差分、变化矢量分析等，这些方法计算复杂度较低，但对场景变化的适应性较差，且难以应对复杂的地物类别或环境噪声。基于深度学习的方法则通过卷积神经网络等模型提取多层次特征，从而有效提升了变化检测的性能。然而，现有深度学习方法在处理多时相图像时，往往难以对时空特征进行高效表征，且在多层次特征聚合时忽视了语义信息的差异性，导致变化检测结果可能出现伪变化噪声和变化对象完整性不足的问题。

3、此外，在深度学习驱动的本文档来自技高网...

【技术保护点】

1.一种用于遥感图像变化检测的多层次语义信息聚合方法，其特征在于，包括：

2.根据权利要求1所述的用于遥感图像变化检测的多层次语义信息聚合方法，其特征在于，联合所述不同尺度的图像高级特征，采用自注意力机制构建高精度的DFG映射图，包括：

3.根据权利要求1所述的用于遥感图像变化检测的多层次语义信息聚合方法，其特征在于，将所述DFG映射图嵌入到卷积神经网络中的引导聚合模块中进行特征融合，获得多层次语义信息的融合特征图，包括：

4.根据权利要求1所述的用于遥感图像变化检测的多层次语义信息聚合方法，其特征在于，采用不同尺度的卷积操作在所述融合特征图中提取多尺...

【技术特征摘要】

1.一种用于遥感图像变化检测的多层次语义信息聚合方法，其特征在于，包括：

2.根据权利要求1所述的用于遥感图像变化检测的多层次语义信息聚合方法，其特征在于，联合所述不同尺度的图像高级特征，采用自注意力机制构建高精度的dfg映射图，包括：

3.根据权利要求1所述的用于遥感图像变化检测的多层次语义信息聚合方法，其特征在于，将所述dfg映射图嵌入到卷积神经网络中的引导聚合模块中进行特征融合，获得多层次语义信息的融合特征图，包括：

4.根据权利要求1所述的用于遥感图像变化检测的多层次语义信息聚合方法，其特征在于，采用不同尺度的卷积操作在所述融合特征图中提取多尺度细粒度特征，并对所述多尺度细粒度特征进...

【专利技术属性】
技术研发人员：羊毅，李泽武，郑永超，钟灿，马仙梅，刘贝贝，
申请(专利权)人：龙门实验室，
类型：发明
国别省市：