[發(fā)明專利]基于VGG16和孿生神經(jīng)網(wǎng)絡(luò)的遙感影像變化檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010885624.1
• 申請(qǐng)日: 2020-08-28
• 公開（公告）號(hào): CN112115808A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 王鑫;張香梁;呂安
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 周科技

1.一種基于VGG16和孿生神經(jīng)網(wǎng)絡(luò)的遙感影像變化檢測(cè)方法，其特征在于：該方法包括如下步驟：

(1)獲取遙感圖像數(shù)據(jù)集，包括變化前和變化后的圖像；將數(shù)據(jù)集中圖像切割為圖像塊，將圖像塊分別標(biāo)注為變化或未變化類標(biāo)簽，構(gòu)建訓(xùn)練集和測(cè)試集；

(2)構(gòu)建基于VGG16模型的卷積神經(jīng)網(wǎng)絡(luò)，包括若干個(gè)卷積層和池化層，若干個(gè)上采樣和反卷積層，以及最后一層卷積層和softmax層；

(3)將訓(xùn)練集中同一區(qū)域兩個(gè)時(shí)相的圖像塊作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，類標(biāo)簽作為輸出，構(gòu)建損失函數(shù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，直到誤差滿足預(yù)期，得到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)；

(4)將測(cè)試集中同一區(qū)域兩個(gè)時(shí)相的圖像塊輸入訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)，通過卷積神經(jīng)網(wǎng)絡(luò)將圖像塊分為變化類和未變化類，得到最后的變化檢測(cè)圖。

2.根據(jù)權(quán)利要求1所述的基于VGG16和孿生神經(jīng)網(wǎng)絡(luò)的遙感影像變化檢測(cè)方法，其特征在于：所述步驟(3)，過程如下：

將訓(xùn)練集中同一區(qū)域兩個(gè)時(shí)相的圖像塊輸入卷積神經(jīng)網(wǎng)絡(luò)，首先經(jīng)過若干個(gè)卷積層和池化層后得到兩個(gè)特征圖，將兩個(gè)特征圖像合并，并進(jìn)行一次反卷積操作；然后將得到的特征圖像進(jìn)行若干次上采樣和反卷積，接著進(jìn)行最后一次卷積，經(jīng)過softmax層后將圖像塊分為變化類和未變化類；其中，經(jīng)過softmax層得到一個(gè)概率二值化圖像，有變化的像素點(diǎn)p₁為1，無變化的像素點(diǎn)p₀為0；

采用交叉熵作為損失函數(shù)，公式如下：

式中m為樣本數(shù)，即圖像中的像素點(diǎn)數(shù)；y₀和y₁是實(shí)際標(biāo)簽，分別代表無變化的像素點(diǎn)和有變化的像素點(diǎn)。

3.根據(jù)權(quán)利要求1或2所述的基于VGG16和孿生神經(jīng)網(wǎng)絡(luò)的遙感影像變化檢測(cè)方法，其特征在于：所述步驟(2)，卷積神經(jīng)網(wǎng)絡(luò)的卷積層和池化層結(jié)構(gòu)如下：

(2.1.1)在輸入層中，輸入同一區(qū)域兩個(gè)時(shí)相的遙感圖像，圖像大小為224×224×3；

(2.1.2)在第一層卷積層中，用兩組64個(gè)3×3的卷積核，設(shè)定步長為1；在第一層的池化層，池化方法設(shè)為MAX pooling；

(2.1.3)在第二層卷積層中，用兩組128個(gè)3×3的卷積核，設(shè)定步長為1；在第二層的池化層，池化方法設(shè)為MAX pooling；

(2.1.4)在第三層卷積層中，用三組256個(gè)3×3的卷積核，設(shè)定步長為1；在第三層的池化層，池化方法設(shè)為MAX pooling；

(2.1.5)在第四層卷積層中，用三組512個(gè)3×3的卷積核，設(shè)定步長為1；在第四層的池化層，池化方法設(shè)為MAX pooling；

(2.1.6)在第五層卷積層中，用三組512個(gè)3×3的卷積核，設(shè)定步長為1；在第五層的池化層，池化方法設(shè)為MAX pooling；

(2.1.7)將第五層的池化層輸出的兩幅特征圖像合并后，經(jīng)過的反卷積結(jié)構(gòu)為512個(gè)3×3的卷積核，設(shè)定步長為1。

4.根據(jù)權(quán)利要求1或2所述的基于VGG16和孿生神經(jīng)網(wǎng)絡(luò)的遙感影像變化檢測(cè)方法，其特征在于：所述步驟(2)，卷積神經(jīng)網(wǎng)絡(luò)的上采樣和反卷積層結(jié)構(gòu)如下：

(2.2.1)在第一層反卷積層中，先進(jìn)行上采樣，再進(jìn)行反卷積，反卷積是三組3×3的卷積核，設(shè)定步長為1；

(2.2.2)在第二層的反卷積層中，先進(jìn)行上采樣，再進(jìn)行反卷積，反卷積是三組3×3的卷積核，設(shè)定步長為1；

(2.2.3)在第三層的反卷積層中，先進(jìn)行上采樣，再進(jìn)行反卷積，反卷積是三組3×3的卷積核，設(shè)定步長為1；

(2.2.4)在第四層的反卷積層中，先進(jìn)行上采樣，再進(jìn)行反卷積，反卷積是兩組3×3的卷積核，設(shè)定步長為1；

(2.2.5)在第五層的反卷積層中，先進(jìn)行上采樣，再進(jìn)行反卷積，反卷積是兩組3×3的卷積核，設(shè)定步長為1。

5.根據(jù)權(quán)利要求1或2所述的基于VGG16和孿生神經(jīng)網(wǎng)絡(luò)的遙感影像變化檢測(cè)方法，其特征在于：所述步驟(2)，最后一層卷積層中，定義2個(gè)尺寸為3×3的卷積核，步長定為1。