[發明專利]一種光學遙感圖像變化檢測方法、存儲介質及計算設備有效

申請號：	202010560584.3	申請日：	2020-06-18
公開（公告）號：	CN111723732B	公開（公告）日：	2023-08-11
發明（設計）人：	陳璞花;孫杰;焦李成;劉芳;張向榮;單鼎丞;古晶;劉紅英	申請（專利權）人：	西安電子科技大學
主分類號：	G06V20/13	分類號：	G06V20/13;G06V10/26;G06V10/58;G06V10/62;G06V10/52;G06V10/80;G06V10/82;G06N3/0464;G06N3/0455;G06N3/048;G06N3/084
代理公司：	西安通大專利代理有限責任公司 61200	代理人：	高博
地址：	710071 陜***	國省代碼：	陜西;61
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種光學遙感圖像變化檢測方法存儲介質計算設備
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種光學遙感圖像變化檢測方法、存儲介質及計算設備，將光學遙感圖像數據集生成訓練集和測試集，并擴充數據集；構建兩個網絡結構相同、參數共享的編碼器網絡作為提取多級特征的孿生神經網絡；計算多尺度差異特征并搭建解碼器網絡；搭建子網絡；利用擴充后的數據訓練網絡；將測試圖像輸入網絡，在解碼器的一端得到網絡輸出預測結果，根據預測結果進行檢測，對預測結果的所有元素設置閾值，將預測結果中的每個元素與閾值進行比較，若元素值大于閾值，則歸為變化類，若元素值小于閾值，則歸為不變化類。本發明實現在較少樣本的情況下學習數據集特征，能夠對同一區域不同時相的光學遙感圖像中變化和未變化區域有較好的預測能力。

技術領域

本發明屬于圖像處理技術領域，具體涉及一種基于TernausNet孿生神經網絡的光學遙感圖像變化檢測方法、存儲介質及計算設備，能夠對多時相多分辨率的光學遙感圖像檢測變化，在城市規劃和自然災害評估等領域有重要的意義。

背景技術

檢測地球表面的變化對于監測環境和資源變得越來越重要。隨著遙感技術的發展，地表信息可以通過遙感圖像觀測。因此，地球表面的變化可以通過使用圖像變化檢測技術識別。變化檢測被定義為通過在不同時間觀察它來識別物體或現象的變化的過程。它在許多現實世界的應用中發揮著關鍵作用，例如城市增長跟蹤，土地利用監測和災害評估。特別是災難來襲時，當生命和財產受到威脅的時候，高效的變化檢測任務顯得至關重要。

近些年，變化檢測已經成為國內外遙感領域的研究重點。變化檢測主要分成兩種方向，第一種是無監督方法，第二種是有監督方法。無監督方法極大的依賴于圖像的數據分布，若數據分布合適，無監督的方法可以獲得較好的實驗結果。然而對于光學遙感圖像，不同季節下捕獲的圖像在某些區域存在明顯的色彩差異，無監督的方法容易將這種實際上未變化的區域標記為變化。有監督的方法大多數情況下都能獲得比無監督方法更好的結果。但是監督學習需要大量的標簽樣本用做模型訓練，在標簽質量差、數量不足的情況下很那獲得出色的表現，另外模型也容易受到噪聲的影響。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于TernausNet孿生神經網絡的光學遙感圖像變化檢測方法、存儲介質及計算設備，提高對光學遙感圖像的預測精度。

本發明采用以下技術方案：

一種光學遙感圖像變化檢測方法，包括以下步驟：

S1、利用光學遙感圖像數據集生成訓練集和測試集，并擴充訓練集和測試集；

S2、構建兩個網絡結構相同、參數共享的編碼器網絡作為提取多級特征的孿生神經網絡；

S3、計算步驟S2孿生神經網絡的多尺度差異特征，搭建解碼器網絡；

S4、按照第一層卷積層→第二層卷積層→輸出層的網絡結構搭建子網絡，將子網絡和步驟S3的解碼器網絡并聯連接在步驟S2的編碼器網絡后構成新孿生神經網絡；

S5、利用步驟S1擴充后的訓練集訓練步驟S4構成的新孿生神經網絡，訓練完成后解碼器網絡輸出一個與輸入圖像相同尺寸的預測圖；

S6、將步驟S1擴充后的測試集輸入步驟S5訓練后的新孿生神經網絡中，在解碼器網絡一端得到網絡輸出預測結果，根據預測結果進行檢測，對預測結果的所有元素設置閾值τ，將預測結果中的每個元素與閾值τ進行比較，若元素值大于閾值τ，則歸為變化類，若元素值小于閾值τ，則歸為不變化類。

具體的，步驟S1中，將同一區域不同時相采集到的圖像對和對應標簽裁剪成128×128的圖像塊，并將標簽縮放成一個16×16的圖像作為支路網絡的標簽，將標簽中變化像素點數量大于圖像塊中像素點數量5％的圖像塊進行擴充。

具體的，步驟S2中，編碼器的網絡結構為：