[发明专利]一种基于三维卷积神经网络的遥感卫星影像多时相变化检测方法

权利要求书

1.一种基于三维卷积神经网络的遥感卫星影像多时相变化检测方法，其特征在于，包括以下步骤，

步骤一：U-net中增加时间维度，可以有效的将不同时间的图像信息纳入变化检测的计算当中，由于引入了时间维度的卷积，时间感受野在U-net中逐层增加，并满足此卷积神经网络一般关系：

R_out＝R_in+(K_T-1)D (1)

其中Rout与Rin分别为卷积神经网络一层的输出与输入感受野，D为特征之间的距离；

步骤二：保存输入输出数据有相同的时间维度，U-net中通过使用填充图像边缘的方法保持卷积操作前后输入和输出数据的空间维度不变，从而简化了网络设计，三维U-net的输出即变化Change(i-1,i)与相同序列数的输入图片Image i一一对应； Change(i-1,i)表示为图i-1与图i之间的变化，由于第一幅图Image 1没有相应的变化，对应的变化Change(0,1)为空，在训练过程中不对该值计算损失函数与优化，所述步骤二中，在每次卷积前在Image 1前加入填充，填充方法为复制Image 1到Image 0的位置；K_T为3时Padding为2，可以在这个维度的数据开始或者结尾填充，在Image 1之前插入两幅相同的图片，这种方法关联多时向图片的方式为考虑变化检测之前的多张图片，用来强化检测结果；

步骤三：通过卷积核在时间维度的大小K_T来控制三维U-net在时间上的感受野，当K_T为1时，该网络在时间维度每次卷积只计算一帧图像，所以不能比较相邻图片的区别以进行变化检测，因此K_T的最小值为2。

2.根据权利要求1所述的一种基于三维卷积神经网络的遥感卫星影像多时相变化检测方法，其特征在于，所述步骤二中，在三维U-net当中对所有的卷积核使用相同的时空尺寸，固定空间尺寸为KW＝3与KH＝3，并且根据需求调整K_T，卷积核的移动步长(Stride)均为1。

3.根据权利要求1所述的一种基于三维卷积神经网络的遥感卫星影像多时相变化检测方法，其特征在于，所述步骤二中，对于不同的K_T，需要调整填充的方法来保持输出时间维度不变，对于扩张率为1的卷积网络，其输出大小为65，为保持TOUT＝TIN，当K_T为2，Stride为1时，Padding的值为1，即为此维度上需要填充的数量。

4.根据权利要求1所述的一种基于三维卷积神经网络的遥感卫星影像多时相变化检测方法，其特征在于，所述步骤二中，在检测Image i-1与Image i时，Image i-2的特征也被加入的检测计算当中。

5.根据权利要求1所述的一种基于三维卷积神经网络的遥感卫星影像多时相变化检测方法，其特征在于，所述步骤二中，在检测Image i-1与Image i的变化时，一幅未来时间的图片Image i+1被加入了检测计算中，将在随后的结果分析之中比较这两种方法，对于更大的K_T，有更多的组合来分配Padding，分析的方法与此处类似。