[發(fā)明專(zhuān)利]一種魯棒的遙感影像變化檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010037761.X
• 申請(qǐng)日: 2020-01-14
• 公開(kāi)（公告）號(hào): CN111274892B
• 公開(kāi)（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 袁立;袁吉收
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京科技大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06T5/30;G06T5/00;G06N3/04
• 代理公司: 北京市廣友專(zhuān)利事務(wù)所有限責(zé)任公司 11237
• 代理人: 張仲波

本發(fā)明提供一種魯棒的遙感影像變化檢測(cè)方法及系統(tǒng)，該方法包括：將Flownet網(wǎng)絡(luò)中的通道結(jié)構(gòu)加入到Deeplab網(wǎng)絡(luò)中，構(gòu)建出Flow?Deeplab網(wǎng)絡(luò)；生成訓(xùn)練數(shù)據(jù)集，利用訓(xùn)練數(shù)據(jù)集對(duì)Flow?Deeplab網(wǎng)絡(luò)進(jìn)行訓(xùn)練并優(yōu)化，得到訓(xùn)練好的Flow?Deeplab網(wǎng)絡(luò)；利用訓(xùn)練好的Flow?Deeplab網(wǎng)絡(luò)對(duì)待檢測(cè)遙感圖像進(jìn)行變化檢測(cè)，根據(jù)Flow?Deeplab網(wǎng)絡(luò)的輸出得到遙感圖像的變化區(qū)域。本發(fā)明的Flow?Deeplab網(wǎng)絡(luò)可以實(shí)現(xiàn)雙時(shí)相的遙感影像變化自動(dòng)檢測(cè)，并通過(guò)加入雙重注意力機(jī)制可分別從空間維度和通道維度上的提取語(yǔ)義特征。

技術(shù)領(lǐng)域

本發(fā)明涉及遙感影像變化檢測(cè)技術(shù)領(lǐng)域，特別是指一種魯棒的遙感影像變化檢測(cè)方法及系統(tǒng)。

背景技術(shù)

遙感影像變化檢測(cè)方法是把不同時(shí)間的遙感影像變化部分識(shí)別出來(lái)，從前時(shí)相遙感影像和后時(shí)相遙感影像中尋找變化區(qū)域的一種技術(shù)，可挖掘高分辨率遙感影像數(shù)據(jù)的價(jià)值，應(yīng)用于土地監(jiān)督和土地利用上。

現(xiàn)有的技術(shù)基于傳統(tǒng)方法的遙感影像變化檢測(cè)算法，如C均值聚類(lèi)，一般屬于兩階段算法，先分類(lèi)，然后使用做差法或者比值法得到變化區(qū)域，算法比較復(fù)雜而且對(duì)配準(zhǔn)的要求比較高。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種魯棒的遙感影像變化檢測(cè)方法及系統(tǒng)，以解決現(xiàn)有遙感影像變化檢測(cè)方法較復(fù)雜且對(duì)配準(zhǔn)的要求比較高的問(wèn)題。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：

一種魯棒的遙感影像變化檢測(cè)方法，所述方法包括：

將Flownet網(wǎng)絡(luò)中的通道結(jié)構(gòu)加入到Deeplab網(wǎng)絡(luò)中，使得所述Deeplab網(wǎng)絡(luò)的輸入可接受兩張待檢測(cè)的遙感圖像，構(gòu)建出Flow-Deeplab網(wǎng)絡(luò)；

生成訓(xùn)練數(shù)據(jù)集，利用所述訓(xùn)練數(shù)據(jù)集對(duì)所述Flow-Deeplab網(wǎng)絡(luò)進(jìn)行訓(xùn)練并優(yōu)化，得到訓(xùn)練好的Flow-Deeplab網(wǎng)絡(luò)；

利用訓(xùn)練好的Flow-Deeplab網(wǎng)絡(luò)對(duì)待檢測(cè)遙感圖像進(jìn)行變化檢測(cè)，根據(jù)Flow-Deeplab網(wǎng)絡(luò)的輸出結(jié)果得到待檢測(cè)遙感圖像的變化區(qū)域。

進(jìn)一步地，在構(gòu)建出Flow-Deeplab網(wǎng)絡(luò)后，所述方法還包括：

在所述Flow-Deeplab網(wǎng)絡(luò)中加入雙重注意力機(jī)制，所述雙重注意力機(jī)制包括位置注意力機(jī)制和通道注意力機(jī)制；其中，所述位置注意力機(jī)制對(duì)待檢測(cè)遙感圖像的位置特征進(jìn)行關(guān)聯(lián)來(lái)決定每個(gè)位置的權(quán)重；所述通道注意力機(jī)制對(duì)每個(gè)通道的特征圖進(jìn)行加權(quán)，選擇最終的輸出特征圖。

進(jìn)一步地，所述利用訓(xùn)練好的Flow-Deeplab網(wǎng)絡(luò)對(duì)待檢測(cè)遙感圖像進(jìn)行變化檢測(cè)，包括：

首先使用Resnet101對(duì)待檢測(cè)遙感圖像進(jìn)行圖像特征提取，然后將提取的圖像特征經(jīng)過(guò)空間金字塔池化和全連接層；全連接層每一層產(chǎn)生的特征都含有加強(qiáng)的語(yǔ)義信息；采用ReLU函數(shù)作為所有激活函數(shù)；并在卷積神經(jīng)網(wǎng)絡(luò)中添加BN層，對(duì)數(shù)據(jù)做歸一化操作，調(diào)整數(shù)據(jù)分布使得每層數(shù)據(jù)分布相對(duì)穩(wěn)定；

對(duì)圖像特征進(jìn)行融合后采用3x3的卷積核進(jìn)行卷積操作；其中，在Flow-Deeplab網(wǎng)絡(luò)的上采樣部分，最后一層上采樣的輸出圖像與輸入圖像的大小相同；并使用交叉熵?fù)p失函數(shù)，保證誤差的反向傳播。

進(jìn)一步地，在利用所述訓(xùn)練數(shù)據(jù)集對(duì)Flow-Deeplab網(wǎng)絡(luò)進(jìn)行訓(xùn)練并優(yōu)化時(shí)，使用Adam優(yōu)化方法優(yōu)化損失，最終得到訓(xùn)練好的的Flow-Deeplab網(wǎng)絡(luò)。

進(jìn)一步地，所述根據(jù)Flow-Deeplab網(wǎng)絡(luò)的輸出結(jié)果得到待檢測(cè)遙感圖像的變化區(qū)域，包括：

對(duì)Flow-Deeplab網(wǎng)絡(luò)的輸出結(jié)果進(jìn)行后處理，得到待檢測(cè)遙感圖像的變化區(qū)域；其中，所述后處理包括腐蝕、膨脹以及去噪點(diǎn)操作。