[發(fā)明專利]基于DCNN的雙時相遙感影像變化檢測方法

在審

• 申請?zhí)枺?/td>: 202010903557.1
• 申請日: 2020-09-01
• 公開（公告）號: CN112131968A
• 公開（公告）日: 2020-12-25
• 發(fā)明（設計）人: 王鑫;呂安;張香梁;呂國芳
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 湯金燕

本發(fā)明公開了一種基于DCNN的雙時相遙感影像變化檢測方法，通過將雙時相遙感圖像數(shù)據(jù)集輸入深度卷積神經網(wǎng)絡，以生成雙時相特征圖，對雙時相特征圖進行雙線性插值，使雙時相特征圖的尺寸與雙時相遙感圖像數(shù)據(jù)集中遙感影像的尺寸相同，計算雙線性插值后的雙時相特征圖之間的歐氏距離，根據(jù)歐氏距離生成差異圖像，提取差異圖像中各個像素塊的特征向量，根據(jù)各個特征向量構建特征向量空間，對特征向量空間進行聚類，根據(jù)聚類結果生成粗變化檢測圖，對粗變化檢測圖進行形態(tài)學濾波，以生成變化檢測圖，有效簡化了對待檢測遙感影像進行變化檢測的過程，提高了檢測效果和檢測效率。

技術領域

本發(fā)明涉及圖像處理技術領域，尤其涉及一種基于DCNN的雙時相遙感影像變化檢測方法。

背景技術

變化檢測技術是許多利用遙感圖像的應用的核心過程。它通過處理不同時間獲取的兩幅覆蓋同一地理區(qū)域的圖像來識別地球表面發(fā)生的變化。變化檢測具有廣泛的用途，包括土地利用和土地覆蓋變化檢測、風險評估、環(huán)境調查等。

基于人工特征，人們提出了多種算法來解決變化檢測問題，如圖像定量、主成分分析、變化矢量分析、期望最大化、馬爾科夫隨機場等。為了計算這些手工設計的特征，需要謹慎并且精心地選擇尺寸、比例和方向等參數(shù)。除此以外特征的選擇也是遙感圖像變化檢測的難點。

公開號CN108830828A一種遙感圖像變化檢測方法及裝置，利用預置濾波器分別對所述第一遙感圖像和所述第二遙感圖像進行濾波，得到第一濾波圖像和第二濾波圖像；根據(jù)所述第一濾波圖像和所述第二濾波圖像計算差異圖像，所述差異圖像用于標識所述兩個不同時相的遙感圖像變化。該方法雖然解決了現(xiàn)有的差值法檢測遙感圖像變化時，由于遙感圖像中存在噪聲使得遙感圖像變化檢測的準確性較低的問題，但是直接通過原始雙時相遙感圖像獲取差異圖像，生成的差異圖像精度不高，易造成誤差累積，不能達到良好的變化檢測效果。公開號CN107992891A基于光譜矢量分析多光譜遙感圖像變化檢測方法，輸入同一地域不同時間經過預處理的兩幅多光譜遙感圖像，利用主成分分析方法對利用變化向量分析法構建的差異空間降維處理并取第一主成分得到第一幅差異圖；求解雙時相遙感圖像光譜矢量之間夾角信息得到第二幅差異圖；分別求解兩幅差異圖信息熵，進而通過計算得到融合權重，利用加權求和的方式融合得到更優(yōu)差異圖；進行空間特征描述；采用譜聚類方式進行聚類分析，得到變化檢測結果。該方法雖然能在一定程度上抑制由于光照、輻射等因素對變化信息的干擾，但是由于直接利用主成分分析方法構建差異空間，對原始遙感圖像的預處理要求較高，需要更加復雜的預處理步驟。可見傳統(tǒng)方案往往存在檢測過程復雜，檢測效果差的技術問題。

發(fā)明內容

針對以上問題，本發(fā)明提出一種基于DCNN的雙時相遙感影像變化檢測方法。

為實現(xiàn)本發(fā)明的目的，提供一種基于DCNN的雙時相遙感影像變化檢測方法，包括如下步驟：

S10，構建包括待檢測遙感影像的雙時相遙感圖像數(shù)據(jù)集；

S30，將雙時相遙感圖像數(shù)據(jù)集輸入預先構建的深度卷積神經網(wǎng)絡，以生成雙時相遙感圖像數(shù)據(jù)集所包括的各個遙感影像分別對應的雙時相特征圖；

S40，對雙時相特征圖進行雙線性插值，使雙時相特征圖的尺寸與雙時相遙感圖像數(shù)據(jù)集中遙感影像的尺寸相同；

S50，計算雙線性插值后的雙時相特征圖之間的歐氏距離，根據(jù)歐氏距離生成差異圖像，提取差異圖像中各個像素塊的特征向量，根據(jù)各個特征向量構建特征向量空間；

S60，對特征向量空間進行聚類，根據(jù)聚類結果生成粗變化檢測圖；

S70，對粗變化檢測圖進行形態(tài)學濾波，以生成變化檢測圖。

在一個實施例中，步驟S30之前，還包括：