[發明專利]一種光學遙感影像全要素變化檢測方法

有效

• 申請號: 201911157112.7
• 申請日: 2019-11-22
• 公開（公告）號: CN110956207B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 周楠;王嘉煒;胡曉東;駱劍承;魏春山;李俊剛;劉暢;劉巍
• 申請（專利權）人: 蘇州中科天啟遙感科技有限公司;中國科學院遙感與數字地球研究所
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/80;G06V20/10;G06V10/764
• 代理公司: 蘇州集律知識產權代理事務所(普通合伙) 32269
• 代理人: 安紀平

本發明揭示了一種光學遙感影像全要素變化檢測方法，包括獲取同一區域時相不同的兩幅多波段遙感影像，并對兩幅多波段遙感影像進行融合處理，獲得多波段變化檢測特征影像，并提取多波段變化檢測特征影像內全要素的變化區域，對變化區域對應的地物類型進行識別，最終實現全要素變化檢測。本發明能夠應用多光譜光學遙感影像進行全要素遙感影像變化檢測，并能夠預測遙感影像變化趨勢。

技術領域

本發明涉及一種光學遙感影像處理技術領域，尤其是涉及一種光學遙感影像全要素變化檢測方法。

背景技術

遙感影像包含豐富的地物信息，是地物整體面貌最直觀的表現。當前遙感領域的熱點研究方向之一是遙感影像變化檢測，遙感影像變化檢測是從多時相的遙感數據中分析并確定地表覆蓋變化的過程與特征，檢測兩個時期相同區域影像像元的地表光譜響應隨時間變化所發生的改變，其在城市建設、國土規劃、災害監測等領域中起著至關重要的作用。

近年來，隨著光學遙感影像圖像分辨率的不斷提高，并且光學遙感影像所包含的波普信息也日漸豐富，其被廣泛應用于遙感影像變化檢測。進一步隨著深度學習的不斷發展，且隨著深度神經網絡應用領域的擴大，利用深度神經網絡進行遙感影像變化檢測越來越受到關注。目前利用深度神經網絡進行遙感影像變化檢測主要針對單一建筑要素，且最終呈現的是變化結果，一方面忽略了遙感影像變化趨勢，無法做到真正意義上的遙感影像變化檢測，另一方面單一建筑要素的變化檢測無法滿足實際業務需求(實際國土利用調查中通常需針對全要素地物類型進行變化檢測)，具有一定的局限性。

另外，目前的遙感影像變化檢測針對的是單波段遙感影像或者將遙感影像多波段的差異信息融合成單波段遙感影像，此種方式容易導致多光譜光學遙感影像的信息缺失，缺少了主要特征的獲取，導致后期模型訓練中存在較多的信息冗余與噪聲干擾，對深度神經網絡的收斂產生影響。

發明內容

本發明的目的在于克服現有技術的缺陷，提供一種光學遙感影像全要素變化檢測方法，能夠應用多光譜光學遙感影像進行全要素遙感影像變化檢測，并能夠預測遙感影像變化趨勢。

為實現上述目的，本發明提出如下技術方案：一種光學遙感影像全要素變化檢測方法，包括

步驟S100，獲取同一區域不同時期的兩幅多波段遙感影像，并對兩幅多波段遙感影像進行融合處理，獲得多波段變化檢測特征影像，根據所述多波段變化檢測特征影像建立變化區域樣本，及變化區域樣本對應的地物分類樣本；

步驟S200，將所述變化區域樣本輸入語義分割網絡進行訓練，獲得變化區域提取模型，并對所述變化區域提取模型進行精度評定，并在滿足精度時執行步驟S300；

步驟S300，通過變化區域提取模型對多波段變化檢測特征影像中的變化區域進行預測，獲得全要素的變化區域；

步驟S400，將所述地物分類樣本輸入特征提取網絡，并將特征提取網絡提取的特征輸入分類器進行訓練，獲得地物分類模型，并對所述地物分類模型進行精度評定，在滿足精度時執行步驟S500；

步驟S500，通過所述地物分類模型分別對變化區域對應的兩幅多波段遙感影像中的地物類型進行預測，獲得變化區域的圖斑類別信息，進一步利用所述圖斑類別信息對現有矢量圖斑的變化前后類型進行更新，實現全要素變化檢測。

優選地，所述多波段變化檢測特征影像通過如下步驟獲得：

對每個波段，使后一期多波段遙感影像中每個像素值與前一期多波段遙感影像中對應位置的像素值做比值，獲得多波段比值影像；

將多波段比值影像與前、后時期多波段遙感影像進行融合，獲得所述多波段變化檢測特征影像。

優選地，所述變化區域樣本及變化區域樣本對應的地物分類樣本通過如下步驟獲得：