[发明专利]一种遥感影像变化检测方法、电子设备及存储介质

权利要求书

1.一种遥感影像变化检测方法，其特征在于，包括：

获取遥感影像；

将所述遥感影像输入预先生成的深度学习模型内，所述深度模型由降噪自动编码器、级联层、全连层及逻辑回归层组成；

接收所述深度学习模型生成的变化检测结果图；

根据所述变换检测结果图输出检测结果。

2.根据权利要求1所述的遥感影像变化检测方法，其特征在于，

所述深度学习模型的生成方法如下：

获取各时相的遥感影像，所述各时相遥感影像包括第一时相遥感影像及第二时相遥感影像；

将各时相的所述遥感影像向量化，分别构成各时相的输入特征向量；

使用所述输入特征向量预训练栈式降噪自动编码器；

使用n个预训练的降噪自动编码器叠加，输入对象特征序列，构造第一时相及第二时相的不规则影像对象深度特征提取模型；

在所述不规则影像对象深度特征提取模型上依次叠加级联层、第一全连层、第二全连层及逻辑回归层，生成深度神经网络分类器；

对所述深度神经网络分类器输入样本数据进行训练，生成深度学习模型。

3.根据权利要求2所述的遥感影像变化检测方法，其特征在于，

所述对所述深度神经网络分类器输入样本数据进行训练，生成深度学习模型包括：

将各时相的所述遥感影像进行叠加，构成联合影像；

对所述联合影像进行分割，生成同质的影像对象；

获得所述影像对象每个像素的模糊隶属度；

根据所述模糊隶属度获取每个像素的模糊不确定性程度的数值，选取模糊不确定性程度的数值最小的m个像素为训练样本，将非训练样本的像素作为测试样本；

使用所述训练样本输入深度神经网络分类器，对深度神经网络分类器进行训练，生成深度学习模型。

4.根据权利要求3所述的遥感影像变化检测方法，其特征在于，

所述对所述联合影像进行分割，生成同质的影像对象包括：

使用分型网络演化算法或分水岭分割算法或均值漂移分割算法对所述联合影像进行分割，生成同质的影像对象。

5.根据权利要求3所述的遥感影像变化检测方法，其特征在于，

所述获得所述影像对象每个像素的模糊隶属度包括：

使用变化向量分析方法，计算所述影像对象的变化强度特征图；

使用对象及快速模糊聚类方法，并根据所述变化强度特征图对所述影像对象的每个像素进行初始聚类，获得每个像素的模糊隶属度，所述模糊隶属度的计算方式如下：

其中，J为目标函数，D(i)为第i个像素的变化强度特征，q为总的对象数,R_j为第j个对象，Q_j为第j个对象所包含的总像素数，v_k为第k类的聚类中心,对于变化检测问题，c＝2,u_jk为第j个对象属于第k类的模糊隶属度。

6.根据权利要求3所述的遥感影像变化检测方法，其特征在于，

所述根据所述模糊隶属度获取每个像素的模糊不确定性程度包括：

使用不确定性综合指数计算模型根据每个像素的模糊隶属度构造模糊不确定分布图；

根据所述模糊不确定分布图获取每个像素的模糊不确定性程度的数值；

不确定性综合指数计算模型的计算公式如下：

其中，FUI为不确定性综合指数，u_j,1和u_j,2分别为第j个对象属于第一类和第二类的模糊隶属度，第一类为变化的模糊隶属度，第二类为未变化的模糊隶属度；

对所述深度神经网络分类器输入样本数据进行训练，生成深度学习模型还包括：

将所述不确定性程度的数值按照大小进行排列。