[發明專利]一種遙感影像中建筑物變化檢測的方法及裝置

有效

• 申請號: 202010044591.8
• 申請日: 2020-01-16
• 公開（公告）號: CN111291622B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 姜慧偉;胡翔云;李曉凱;鄧凱;王有年
• 申請（專利權）人: 武漢漢達瑞科技有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/40;G06V10/82;G06N3/08;G06N3/0464
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 謝洋

1.一種遙感影像中建筑物變化檢測的方法，其特征在于，包括以下步驟：

S1，讀取兩個時期原始遙感影像數據，利用z-score標準化算法分別對所述兩個時期原始遙感影像數據進行標準化處理，得到遙感影像數據；

S2，構建編碼-解碼深度孿生神經網絡結構，對兩個時期的所述遙感影像數據進行變化特征檢測；所述編碼-解碼深度孿生神經網絡結構包括共享權重的兩個分支編碼網絡、互相關注意力網絡、變化差分網絡以及金字塔解碼網絡；

所述的構建編碼-解碼深度孿生神經網絡結構，對兩個時期的所述遙感影像數據進行變化特征檢測，包括：

S21，采用VGG-16作為骨架網絡，建立共享權重的兩個分支編碼網絡；

S22，將兩個時期的所述遙感影像數據分別輸入兩個所述分支編碼網絡，對所述遙感影像數據進行編碼，生成金字塔結構的6層特征；

S23，將兩個所述分支編碼網絡輸出的第6層特征作為互相關注意力網絡的輸入，計算兩個時期的所述遙感影像數據的增強特征；將兩個所述分支編碼網絡的輸出的6層特征作為所述變化差分網絡的輸入，分別計算6層特征的變化特征；

S24，根據所述增強特征和所述6層特征的變化特征，通過金字塔解碼網絡計算得到兩個時期的所述遙感影像數據變化特征。

2.根據權利要求1所述的方法，其特征在于，所述的將兩個所述分支編碼網絡輸出的第6層特征作為互相關注意力網絡的輸入，計算兩個時期的所述遙感影像數據的增強特征，包括：

S231，記兩個所述分支編碼網絡的輸出的第6層特征分別為和利用下式計算和的相關矩陣S；

其中，W∈R^C×C為權重矩陣，h₆和w₆分別為第6層特征的高度和寬度；

S232，通過softmax分別按行和按列計算相對于和的最大值，獲得和對應的最大相關特征，記為S^c和S^r；

S233，根據所述最大相關特征S^c和S^r，利用元素相乘方式計算和的增強特征和

3.根據權利要求2所述的方法，其特征在于，將兩個所述分支編碼網絡的輸出的6層特征作為所述變化差分網絡的輸入，分別計算6層特征的變化特征，包括：

S234，記兩個所述分支編碼網絡的輸出的6層特征分別為和i∈{1,2,...,6}，利用下式計算兩個時期的所述遙感影像數據的變化特征

其中，concat(x,y)表示對參數x,y進行聚合運算，conv表示經過一個1*1的卷積層。

4.根據權利要求3所述的方法，其特征在于，根據所述增強特征和所述6層特征的變化特征，通過金字塔解碼網絡計算得到兩個時期的所述遙感影像數據變化特征，包括：

S241，根據所述增強特征，通過含有三層卷積的多層感知機MLP判斷兩個所述分支編碼網絡的輸出的第6層特征中的共有目標，通過線性運算進一步計算非共有目標，即變化區域特征

S242，利用下式，根據所述變化區域特征和所述6層特征的變化特征，通過金字塔解碼網絡聚合得到的兩個時期的所述遙感影像數據金字塔5層變化特征f_c，并通過3個卷積得到變化結果f_r：

其中，conv1表示經過一個1*1的卷積層，conv3表示經過一個3*3的卷積層，upsample表示上采樣。

5.根據權利要求4所述的方法，其特征在于，步驟S234還包括，利用神經網絡深層特征f_h中的上下文信息對淺層特征f_l進行增強處理；所述淺層特征f_l為兩個時期的所述遙感影像數據的變化特征的前三層特征，即所述深層特征采用變化區域特征，即