[發明專利]基于孿生注意力融合網絡的遙感圖像變化檢測方法及系統

在審

• 申請號: 202110765132.3
• 申請日: 2021-07-06
• 公開（公告）號: CN113469074A
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 陳璞花;孫杰;焦李成;劉芳;李玲玲;張向榮
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發明公開了一種基于孿生注意力融合網絡的遙感圖像變化檢測方法及系統，對雙時相遙感圖像進行預處理；將預處理后的雙時相遙感圖像制作成訓練數據集和測試數據集；構建孿生注意力融合網絡SE?Siam?Resnet；使用訓練數據集訓練孿生注意力融合網絡；將測試數據集輸入訓練好的孿生注意力融合網絡中，根據輸出的結果確定輸入遙感圖像對的中心像素是否變化，完成遙感圖像變化檢測。能夠極大的提升遙感圖像的變化檢測效果。

技術領域

本發明屬于遙感圖像變化檢測技術領域，具體涉及一種基于孿生注意力融合網絡的遙感圖像變化檢測方法及系統。

背景技術

變化檢測是指通過分析不同時刻拍攝到的同一地理區域的圖像，確定地表地物變化信息，其研究的目的是找到感興趣的變化信息，濾除以干擾因素出現的不相干變化信息。遙感圖像存在諸多與感興趣區域不相干的變化，造成這些變化的原因多種多樣，例如太陽照射角度、地表濕度和多時相圖像的拍攝季節等。

近年來，深度學習技術快速發展，在數字圖像處理領域中扮演者重要的角色。深度學習可以通過數據驅動，自動學習滿足任務需求的特征，本文將變化檢測任務轉換成逐個像素點的分類問題，設計了一種基于注意力機制和孿生網絡融合的變化檢測算法。逐像素點分類的變化檢測算法通常將雙時相圖像在通道維度拼接在一起，從拼接后的圖像上裁剪圖像塊作為分類網絡的訓練數據。在訓練過程中，這種方法不能有針對的增強兩張遙感圖像之間的聯系，在一定程度上會降低模型的擬合能力。本文提出了一種基于注意力機制的孿生網絡融合算法，該算法將雙時相圖像輸入到兩個結構相同的分支中，并通過注意力機制融合兩個分支的特征圖像，篩選出對模型分類有益的通道，自適應地重新校準通道的特征響應。

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，提供一種基于孿生注意力融合網絡的遙感圖像變化檢測方法及系統，提高遙感圖像變化檢測的預測準確率。

本發明采用以下技術方案：

一種基于孿生注意力融合網絡的遙感圖像變化檢測方法，包括以下步驟：

S1、對雙時相遙感圖像進行預處理；

S2、將步驟S1預處理后的雙時相遙感圖像制作成訓練數據集和測試數據集；

S3、構建孿生注意力融合網絡SE-Siam-Resnet；

S4、使用步驟S2制作的訓練數據集訓練步驟S3搭建的孿生注意力融合網絡；

S5、將步驟S2制作的測試數據集輸入步驟S4訓練好的孿生注意力融合網絡中，根據輸出的結果確定輸入遙感圖像對的中心像素是否變化，完成遙感圖像變化檢測。

具體的，步驟S1中，讀入同一地理區域、不同時向的兩張遙感圖像，使用輻射校正方法對兩張遙感圖像進行預處理。

具體的，步驟S2中，采用隨機采樣的方式從標簽圖像中獲取400個變化像素和1600個未變化像素，然后以篩選的2000個像素為中心，從校正后的雙時相遙感圖像中裁剪尺寸均為10×10的成對圖像塊，作為訓練數據集；

按照順序將遙感圖像的前5行向上翻轉、后5行向下翻轉、左5列向左翻轉、右5列向右翻轉，以翻轉前的遙感圖像的每個像素為中心裁剪成對的圖像塊，作為測試數據集；

訓練數據集和測試數據集的圖像對的標簽為數值0和1，分別代表圖像對的中心像素點是未變化像素點或變化像素點。

具體的，步驟S3中，構建孿生注意力融合網絡具體為：

S301、搭建兩個分支網絡，分別提取雙時相遙感圖像的特征；

S302、在步驟S301搭建的兩個分支網絡之間添加SE注意力機制，構建SE注意力融合模塊；