[发明专利]一种基于深度特征的遥感图像变化检测方法及装置

说明书

本发明公开了一种基于深度特征的遥感图像变化检测方法及装置。包括：获取经过配准的不同时相的第一遥感图像和第二遥感图像；对第一遥感图像和第二遥感图像进行初步变化检测，确定第一变化图像块及第二变化图像块；基于第一变化图像块确定第一特征提取图像块，并基于第二变化图像块确定第二特征提取图像块；将第一特征提取图像块和第二特征提取图像块输入至卷积神经网络模型，获取由卷积神经网络模型输出的第一特征提取图像块的第一深度特征，及第二特征提取图像块的第二深度特征；基于第一深度特征和第二深度特征进行相似性判断，确定变化检测结果。本发明能够减小不同时相遥感图像的辐射差异对变换检测效果造成的影响，具有更好的变化检测精度。

技术领域

本发明涉及遥感图像处理技术领域，特别是一种基于深度特征的遥感图像变化检测方法及装置。

背景技术

对重点区域的变化信息快速发现具有重要应用意义，可以为快速发现重点区域的大型目标的动态变化情况，如可以用于飞机场的飞机、港口的大型舰船动态变化等活动监测。

从技术的角度上，这类技术主要依赖于图像分析的变化检测方法。而变化检测方法最基本的思路是通过两个不同时相、已经几何位置配准对齐的遥感图像光谱值进行逐像素的对比，并计算光谱值差异(一般以欧式距离度量)；并设置一定的阈值，每个像素光谱值差异超过阈值，则认为发生了变化。然而对于高空间分辨率遥感图像，这种简单的技术思路并不适用。高分辨率遥感图像光谱更为复杂，“同物异谱，异物同谱”的现象普遍存在，进而使得同一种地物类型类内光谱差异增大，不同的地物类型类间光谱差异减少，因而使得设置合适的阈值去发现两个时相影像上的真正变化变得极其困难。此外，这种按照像素进行变化检测的方法得到的结果比较破碎，很容易检测出一些孤立的变化像素点，用户需要花费大量的时间进行变化检测后处理工作，无法直接检测出有效的感兴趣的变化目标区域。

针对高空间分辨率遥感图像的特点，逐渐有学者将面向对象的图像分析方法引入到变化检测领域。通过图像分割技术，将高空间分辨率遥感图像进行分割，得到不同的图像块，以图像块为后续变化检测的基本处理单元。相比单纯地基于像素的变化检测方法，面向对象的变化检测方法可以综合利用光谱、纹理、形状等信息，从而有利于提高变化检测精度。尽管变化检测精度有所提高，但是仍然难以有效区分变化区域和未变化区域，检测结果往往出现过多细小的实际并没有真正发生变化的区域，用户同样需要在众多检测结果中人工筛选出真正变化的区域，费时费力，实用化程度仍然不高。

变化检测精度比较低的主要原因是无论按照像素还是按照面向对象进行遥感图像的变化检测，其依赖的图像特征如光谱、纹理、形状等信息都属于图像底层特征，缺乏对遥感图像语义级高层特征描述，因而无法像人类一样能够区分出高分辨率遥感图像中真正变化的区域。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提供了一种基于深度特征的遥感图像变化检测方法及装置。

为了解决上述技术问题，本发明实施例提供了一种基于深度特征的遥感图像变化检测方法，包括：

获取经过配准的不同时相的第一遥感图像和第二遥感图像；所述第一遥感图像和所述第二遥感图像的空间分辨率均高于设定阈值；

对所述第一遥感图像和所述第二遥感图像进行初步变化检测，确定所述第一遥感图像对应的第一变化图像块，及所述第二遥感图像对应的第二变化图像块；

基于所述第一变化图像块，确定所述第一遥感图像对应的第一特征提取图像块，并基于所述第二变化图像块，确定所述第二遥感图像对应的第二特征提取图像块；

将所述第一特征提取图像块和所述第二特征提取图像块分别输入至卷积神经网络模型，并获取由所述卷积神经网络模型输出的所述第一特征提取图像块的第一深度特征，及所述第二特征提取图像块的第二深度特征；

基于所述第一深度特征和所述第二深度特征进行相似性判断，确定变化检测结果。