[發明專利]基于半監督孿生網絡的異質遙感圖像變化快速檢測方法

有效

• 申請號: 202011496434.7
• 申請日: 2020-12-17
• 公開（公告）號: CN112991257B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 李剛;劉瑜;蔣驍;何友
• 申請（專利權）人: 清華大學;中國人民解放軍海軍航空大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06N3/08;G06N3/04
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張文姣

本發明公開了一種基于半監督孿生網絡的異質遙感圖像變化快速檢測方法，包括如下步驟：獲取變化前后的兩幅異質遙感圖像并進行配準；以在ImageNet中預訓練的兩個相同結構的VGG子網絡為基礎構造半監督孿生網絡；在兩幅異質遙感圖像的相同位置，分別提取少量以圖像小塊為單位的非變化區域，作為訓練樣本；構造損失函數，通過最小化損失函數，訓練半監督孿生網絡中的高層級特征以適應兩幅異質遙感圖像，獲得兩幅異質遙感圖像的同質特征；以兩幅異質遙感圖像作為半監督孿生網絡輸入，提取變化差異圖；利用Otsu算法對變化差異圖二值化，得到最終的變化檢測圖。本發明能夠準確檢測異質遙感圖像變化區且檢測效率高。

技術領域

本發明涉及遙感圖像融合目標檢測技術領域，尤其是涉及一種基于半監督孿生網絡的異質遙感圖像變化快速檢測方法。

背景技術

異質遙感圖像的場景特指變化前后的遙感圖像互為異質。異質遙感圖像變化檢測常應用于災害監測、軍事偵查等要求準確性和時效性的領域。因此，在異質遙感圖像中快速和準確地檢測變化區域是極具研究價值的問題。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一。為此，本發明的一個目的在于提出一種基于半監督孿生網絡的異質遙感圖像變化快速檢測方法，能夠準確檢測異質遙感圖像變化區且檢測效率高。

根據本發明實施例的基于半監督孿生網絡的異質遙感圖像變化快速檢測方法，其特征在于，包括如下步驟：

獲取變化前后的兩幅異質遙感圖像并進行配準；

以在ImageNet中預訓練的兩個相同結構的VGG子網絡為基礎構造所述半監督孿生網絡，其中，兩個所述VGG子網絡在ImageNet中預訓練后能夠捕捉自然圖像的低層級特征；

在兩幅所述異質遙感圖像的相同位置，分別提取少量以圖像小塊為單位的非變化區域，作為訓練樣本；

構造損失函數，通過最小化所述損失函數，訓練所述半監督孿生網絡中的高層級特征以適應兩幅所述異質遙感圖像，獲得兩幅所述異質遙感圖像的同質特征；

以兩幅所述異質遙感圖像作為所述半監督孿生網絡輸入，提取變化差異圖；

利用Otsu算法對所述變化差異圖二值化，得到最終的變化檢測圖。

根據本發明實施例的基于半監督孿生網絡的異質遙感圖像變化快速檢測方法，通過兩個相同結構的VGG子網絡預先在ImageNet數據集中進行訓練，兩個所述VGG子網絡在ImageNet中預訓練后能夠捕捉自然圖像的低層級特征，以這兩個在ImageNet中預訓練的VGG子網絡為基礎構建半監督孿生網絡，通過在兩幅所述異質遙感圖像的相同位置，分別提取少量以圖像小塊為單位的非變化區域，作為訓練樣本，并通過最小化損失函數和調節VGG子網絡中高層級特征訓練所需的網絡權重，來訓練所述半監督孿生網絡中的高層級特征，以適應兩幅所述異質遙感圖像；再以兩幅所述異質遙感圖像作為所述半監督孿生網絡輸入，提取變化差異圖，利用Otsu算法對所述變化差異圖二值化，得到最終的變化檢測圖，可以準確地反應異質遙感圖像變化區域。此外，由于半監督孿生網絡是由兩個在ImageNet中預訓練的VGG子網絡為基礎構建的，這樣，可以避免對半監督孿生網絡中的低層級特征的網絡參數的重復訓練；由于高層級特征所需訓練的網絡權重，占VGG子網絡整體權值的比例較小，這樣，對高層級特征的訓練能夠節約大量運算，提高網絡訓練的效率；由此，本發明實施例的基于半監督孿生網絡的異質遙感圖像變化快速檢測方法極大地縮短了檢測的時間，提升了變化檢測的效率。

根據本發明的一個實施例，所述VGG子網絡具有多尺度多層次結構，以能夠保證所述高層特征和所述低層級特征的分離。