[发明专利]一种基于Siamese卷积网络的遥感影像城市地物变化检测方法

说明书

本发明提供了一种基于Siamese卷积网络的遥感影像城市地物变化检测方法，所述Siamese卷积网络为孪生卷积神经网络SCNN，基于数据增强技术进行包括在配准的两时相城市影像中选取初始样本集，设置孪生卷积神经网络SCNN，基于初始样本集对孪生卷积神经网络SCNN进行训练，采用数据增强技术对初始样本集进行扩充；基于扩充后的样本集对孪生卷积神经网络SCNN进行训练，得到训练好的SCNN模型，实现对城市地物的变化检测。本发明通过数据增强技术实现对样本的扩充，并设计了一种Siamese卷积神经网络，避免了传统的变化检测方法中人工设计特征的繁琐步骤，实现了“端对端”的操作；充分考虑影像的空间属性，提高了变化检测的精度和可靠性。

技术领域

本发明属于遥感影像变化检测技术领域，特别是涉及城市地物的变化检测方法。

背景技术

变化检测是利用同一地理区域不同时间点获取的两张或多张遥感影像来发现地球表面所发生的变化的过程。变化检测是保持地理信息数据现势性的重要手段，是遥感应用领域一个重要的研究方向。近几年我国城市化进程不断加快，城市地物变化日新月异。对城市地物的变化检测对于把握城市变化规律、进行城市地图更新、辅助城市规划设计和政府决策等具有重要作用。

传统的变化检测方法需要人工设计特征，这是一项费时费力的工作，且需要较强的专业知识。并且很难设计出一种适用于所有地物类型的通用特征。近年来，深度学习技术发展较快，在图像识别与变化检测领域得到了一定的应用。深度神经网络的多层非线性映射使其具备拟合任意函数的能力，因此能够构建出高维的分类面，高质量地完成模式分类识别任务。本发明主要研究利用深度神经网络对城市地物实现“端到端”的变化检测，避免人工设计特征的过程，提升变化检测的精度。(参考文献：Tewkesbury A P,Comber A J,Tate N J,et al，a critical synthesis of remotely sensed optical image changedetection techniques，Remote Sensing of Environment，2015；Ian Goodfellow,YoshuaBengio and Aaron Courville，Deep Learning，MIT Press，2016)