[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

本發明涉及一種遙感影像中建筑物變化檢測的方法及裝置，首先讀取兩個時期原始遙感影像數據，利用z?score標準化算法對所述遙感影像數據進行標準化處理；然后構建編碼?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。本發明實現了基于注意力機制的深度孿生網絡在正射影像中實現建筑物自動變化檢測。

技術領域

本發明涉及遙感影像建筑物變化檢測領域，尤其涉及一種特征注意機制的深度孿生神經網絡的遙感影像中建筑物變化檢測的方法及裝置。

背景技術

高分辨率遙感影像快速獲取和處理能力的不斷進步以及人工智能的崛起興盛，極大的推動了當前建筑物快速自動化檢測識別，為城市規劃建設和監測管理提供了一種系統高效的新技術手段?；谶b感影像的建筑物變化檢測一直是多年來的重要研究課題相應的應用中取得了一定的成果。在傳統方法的研究領域，主要是采用面向對象的建筑物變化檢測研究，可以分為兩類：①影像間的建筑物變化檢測：Hou(2017)采用像素和對象結合策略在高分辨率遙感影像上檢測建筑物變化，首先通過層次模糊聚類基于像素分類，然后在SLIC分割的基礎上統計模糊頻率直方圖，在差分圖像上計算顯著性和建筑物形態學指數用以生成一個偽訓練集，最后利用隨機森林對該訓練集進行基于對象的半監督分類。Xiao(2016)提出了一種基于協同分割的高分辨率遙感影像變化檢測方法，為面向對象的變化檢測提供了一種新的解決方案,通過結合變化信息和每個階段的圖像特征，利用圖模型的協同分割和空間疊置分析獲取建筑物變化信息。②基于GIS輔助的建筑物變化檢測:Sofina(2017)設計了一種新的輪廓檢測方法(Detected?Part?of?Contour,DPC)評估建筑物的完整性，通過計算GIS中建筑物矢量多邊形與影像上相應輪廓的匹配程度，同時額外的紋理特征保證了建筑物內部區域的同質性。隨著人工智能的廣泛應用，利用卷積神經網絡中進行建筑物變化檢測研究的方向主要分為兩類：①建筑物提取與檢測：劉(2019)提出了一種多任務的深度孿生神經網絡，通過三個子網絡，同時完成前后期影像的建筑物語義分割和變化檢測，從對象的角度獲得完整的變化檢測圖。②直接檢測變化的方法：Zhu(2018)利用改進的SegNet網絡實現了端到端的建筑物變化檢測，并結合傳統圖像處理方法，采用形態學方法消除噪聲，減少錯誤判斷。

綜合現有的研究方法，提取完整正確的建筑物變化檢測仍處于研究探索階段。這主要是由于建筑物的高度在正射糾正過程中會引起嚴重的投影差，使得兩期影像中的建筑物存在幾何偏移問題，通過直接比較兩期影像的特征檢測變化通常會產生極高的虛警現象。在目前端到端的神經網絡方法中也很少顧及到這一問題。雖然在建筑物提取后檢測變化的方法中通過對象的比較實現變化檢測可緩解這一現象，但是建筑物的提取和同質的比較卻是另一大關鍵問題，并且會產生較大的累積誤差。因此有必要設計一種不需要其他附加信息，準確率高且快速便捷的自動處理方案。

發明內容

本發明針對現有技術中存在的技術問題，提供一種遙感影像中建筑物變化檢測的方法及裝置，實現了基于注意力機制的深度孿生網絡在正射影像中實現建筑物自動變化檢測。

本發明解決上述技術問題的技術方案如下：

第一方面，本發明一種遙感影像中建筑物變化檢測的方法，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標準化算法對所述遙感影像數據進行標準化處理；

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。

進一步的，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；