[發明專利]一種基于圖像的變化檢測方法

有效

• 申請號: 202011230354.7
• 申請日: 2020-11-06
• 公開（公告）號: CN112365462B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 陳鵬輝;唐慧明;陳明芽;蔡祝元;王志峰
• 申請（專利權）人: 華雁智科（杭州）信息技術有限公司;浙江大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/80;G06V10/82
• 代理公司: 杭州宇信聯合知識產權代理有限公司 33401
• 代理人: 王健

1.一種基于圖像的變化檢測方法，其特征在于，包括如下步驟：

A1，將基準圖和待測圖輸入用于特征提取的編碼模塊，分別提取其不同層級的特征圖；

A2，對基準圖和待測圖經編碼模塊提取得到的同一層級的特征圖計算差異特征圖；

A3，將計算得到的差異特征圖輸入解碼模塊，解碼模塊結合輸入的不同層級的差異特征圖進行多尺度特征融合，輸出原圖大小的變化圖；

A4，根據解碼模塊輸出的變化圖確定變化區域及其外接矩形；

A5，用變化區域所對應的由編碼模塊輸出的特征圖提取局部特征，將其輸入到分類模塊，輸出變化區域檢測結果；

其中，所述編碼模塊采用resnet34作為骨架網絡，其中包含兩個權值相同的孿生網絡分支，分別由layer₁,layer₂,layer₃,layer₄共4個子模塊組成；步驟A1中，將基準圖I₁和待測圖I₂分別輸入孿生網絡兩個分支后，先后經過layer₁,layer₂,layer₃,layer₄模塊提取到不同層級的特征圖f_{i_1},f_{i_2},f_{i_3},f_{i_4}：

其中i＝1,2。

2.如權利要求1所述的基于圖像的變化檢測方法，其特征在于，步驟A2中，所述的計算差異特征圖具體包括：對編碼模塊兩條支路中相同層級輸出的特征圖進行相減取絕對值操作，得到差異特征圖f_{dif_1},f_{dif_2},f_{dif_3},f_{dif_4}，作為后續模塊的輸入：

f_{dif_i}＝abs(f_{1_i}-f_{2_i}) i＝1,2,3,4。

3.如權利要求2所述的基于圖像的變化檢測方法，其特征在于，所述解碼模塊包括decoder₁,decoder₂,decoder₃3個子模塊，步驟A3具體包括：在每一個子模塊中，對上級輸出的特征圖進行卷積上采樣操作，并和相同尺度的差異特征圖進行通道方向的拼接，作為下一個子模塊的一支輸入：

f_{concat_1}＝decoder₁(f_{dif_4},f_{dif_3})

f_{concat_2}＝decoder₂(f_{concat_1},f_{dif_2})

f_{concat_3}＝decoder₃(f_{concat_2},f_{dif_1})

其中decoder₃輸出的特征圖經過上采樣操作變換到與原圖相同大小的特征圖，再通過softmax轉化為對應的類別概率。

4.如權利要求3所述的基于圖像的變化檢測方法，其特征在于，步驟A4具體包括：

A4.1，濾除解碼模塊輸出的變化圖中較小的噪點；

A4.2，對處理后的變化圖提取連通區域；

A4.3，輸出變化圖中包含聯通區域的外接矩形框作為變化區域。

5.如權利要求4所述的基于圖像的變化檢測方法，其特征在于，所述分類模塊包括一個Roipooling子模塊，該模塊輸入編碼模塊輸出的中間層特征圖以及變化區域對應的外接矩形框，將對應區域采樣為尺度較小的特征圖，作為分類模塊的輸入，分類模塊將輸入特征圖經過單層全連接層輸出對應類別的概率進行分類。

6.如權利要求1-5任一項所述的基于圖像的變化檢測方法，其特征在于，還包括訓練過程：使用聯合損失訓練所述編碼模塊和解碼模塊，使用交叉熵損失訓練所述分類模塊。