[发明专利]基于影像融合框架的高分辨率遥感影像变化检测方法

权利要求书

1.一种基于影像融合框架的高分辨率遥感影像变化检测方法，其特征在于，包括如下步骤：

步骤1，构建训练样本集与对应的真值标签，训练样本集中包括若干影像样本对，每个影像样本对包括两张不同时相的影像，真值标签包括五张不同大小的变化结果图；

步骤2，构建一个预训练的原始影像高维特征提取网络，该网络由VGG16的第五池化层之前的网络层构成；

步骤3，将两个不同时相的影像分别放入该预训练的特征提取网络中，每张原始影像获得五组高维特征，这五组高维特征是分别从特征提取网络的不同层抽取出的高维特征，即conv1_2，conv2_2，conv3_3，conv4_3，conv5_3，两张遥感影像一共获得五对影像高维特征；

步骤4，将步骤3提取出的双时相影像的高维特征放入到变化检测网络中进行变化区域检测；

所述变化检测网络的输入来自特征提取网络的5对影像高维特征，其中，最深层特征层对T1_conv5_3和T2_conv5_3作为变化检测网络的初始输入特征，剩余的4对浅层特征层对(T1_conv4_3，T2_conv4_3)、(T1_conv3_3，T2_conv3_3)、(T1_conv2_2，T2_conv2_2)、(T1_conv1_2，T2_conv1_2)分别作为变化检测网络中4个依次连接的结构相同的后续变化检测模块输入，T1、T2分别表示两个不同的时相；

所述变化检测网络的主体结构由1个初始变化检测模块和4个依次连接的结构相同的后续变化检测模块组成，每个后续变化检测模块之后连接一个分支，其中，初始变化检测模块包括两张高维特征输入图、依次连接的三个卷积层和一个空间注意力模块，得到初始的变化特征融合图；每个后续变化检测模块包括依次连接的上采样层、特征融合层、通道注意力模块、三个卷积层和一个空间注意力模块，得到经过原始影像的低维特征融合的变化特征融合图，其中特征融合层用于融合浅层特征层对中的特征来优化变化影像重建效果，经过五个模块的处理之后，变化检测网络最后输出一张与原始影像大小相同的变化检测结果图；分支的网络结构包括一个卷积核为3*3的卷积层和一个sigmoid激活层，每个分支输出不同大小的低空间分辨率的变化影像；

步骤5，训练变化检测网络的参数，利用训练好的网络完成双时相高分辨率遥感影像的变化检测任务。

2.如权利要求1所述的一种基于影像融合框架的高分辨率遥感影像变化检测方法，其特征在于：步骤1所述的五张不同大小的变化结果图中，其中一张是与原始影像大小相等的变化检测结果图，另外四张分别为原始影像大小1/256、1/64、1/16和1/4的变化图。

3.如权利要求1所述的一种基于影像融合框架的高分辨率遥感影像变化检测方法，其特征在于：步骤2中在进行特征提取时，固定高维特征提取网络的参数。