[發明專利]一種雙時相遙感影像變化檢測方法及系統

有效

• 申請號: 201810113902.4
• 申請日: 2018-02-05
• 公開（公告）號: CN108446588B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 楊懿;顧海燕;韓顏順;李海濤;余凡;戴莉莉;劉正軍
• 申請（專利權）人: 中國測繪科學研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G01C11/02;G01N21/17
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 王剛

本發明公開了一種雙時相遙感影像變化檢測方法及系統，其中該方法包括：根據指定塊的大小對前后時相影像進行分塊裁切，生成前后時相影像分塊數據集、分塊影像信息的列表文件、以及記錄分塊影像位置和特征信息的矢量文件；利用深度學習網絡模型對所述前后時相影像分塊數據集進行高維特征提取，生成高維特征文件；計算前后時相影像塊高維特征的特征距離，生成特征距離文件，調整特征距離參數，得到變化的影像塊；通過對所述變化的影像塊與參考數據的影像塊進行比較，利用誤差矩陣得到精度評價結果，并且判斷所述精度評價結果是否滿足要求。本發明提出一種雙時相遙感影像變化檢測方法及系統，能夠提高變化檢測的精度。

技術領域

本發明涉及遙感技術領域，特別是指一種雙時相遙感影像變化檢測方法及系統。

背景技術

遙感影像變化檢測是地理國情監測、土地利用與覆蓋變化監測等不可或缺的技術，主要有人工目視解譯和計算機自動/半自動變化檢測兩種手段。

人工目視解譯，就是用人工的方式，對不同時期影像上的響應光譜信息進行判別，從中找出不同的部分判定為變化。這種方法依賴解譯人員自身對解譯區域的認識和積累的解譯先驗知識，其優點是往往具有較高的準確率和精度，最大的缺點在于效率低下，人力成本較高，且不同的解譯人員由于其解譯經驗和知識的不同，對影像分析的結果也可能不同。

計算機自動/半自動變化檢測方法是當前研究的重點，從分析單元看，主要分為面向像素、面向對象兩大類，面向像素方法包括直接比較(如差值、比值、回歸)、基于變換的方法(如PCA主元分析方法、纓帽變換、變化向量分析、紋理分析)、分類后變化檢測(如分類后比較、多時相直接比較)、機器學習(如人工神經網絡、支持向量機、決策樹)、GIS(地理信息系統)輔助方法等；面向對象方法包括對象直接比較、對象分類比較、多時相疊加檢測等。這些方法各有其優缺點，針對不同的數據源與應用目的與需求，新方法層出不窮，但對于某一特定應用和研究區域選擇一種合適的方法仍然十分困難，變化檢測仍然是研究的熱點。

隨著人工智能、大數據等新一代信息技術的發展，研究新一代信息技術支撐的變化檢測方法是十分必要而且與時俱進的，深度學習是近年來在大數據環境下興起的一門機器學習技術，其實質是通過構建具有多層結構的機器學習模型和海量的訓練數據來學習數據中的復雜特征，用于之后的分析、預測等應用。由于其具備海量數據的學習能力和高度的特征抽象能力，在語音識別、圖像識別、信息檢索等應用領域都取得了相比傳統方法革命性的成功，在遙感領域主要應用于影像分類、對象探測、影像復原、影像融合等，關于變化檢測的研究甚少，缺乏對遙感影像變化檢測方法的研究。

發明內容

有鑒于此，本發明的目的在于提出一種雙時相遙感影像變化檢測方法及系統，能夠提高變化檢測的精度。

基于上述目的本發明提供的一種雙時相遙感影像變化檢測方法，包括：

根據指定塊的大小對前后時相影像進行分塊裁切，生成前后時相影像分塊數據集、分塊影像信息的列表文件、以及記錄分塊影像位置和特征信息的矢量文件；

利用深度學習網絡模型對所述前后時相影像分塊數據集進行高維特征提取，生成高維特征文件；

根據所述分塊影像信息的列表文件、所述記錄分塊影像位置和特征信息的矢量文件、以及所述高維特征文件，計算前后時相影像塊高維特征的特征距離，生成特征距離文件；

根據特征距離文件調整特征距離參數，得到變化的影像塊；

通過對所述變化的影像塊與參考數據的影像塊進行比較，利用誤差矩陣得到精度評價結果，并且判斷所述精度評價結果是否滿足要求；若滿足要求則輸出所述變化的影像塊；若不滿足要求則調整特征距離參數繼續判斷。

可選的，對前后時相影像進行分塊裁切過程中，若發現某位置的影像塊背景像素占比超過50％時，則將剔除該位置的前后時相影像塊。