[发明专利]高分辨率遥感影像变化检测网络和方法及装置

说明书

本申请涉及一种高分辨率遥感影像变化检测网络，包括：两个平行设置的前时相特征提取分支和后时相特征提取分支；前时相特征提取分支包括第一卷积模块和前时相特征融合模块；前时相特征融合模块获取第一卷积模块中的低级卷积层输出的低级别前时相特征和高级卷积层输出的高级别前时相特征，并将低级别前时相特征和高级别前时相特征进行融合后，得到前时相特征数据；后时相特征提取分支包括第二卷积模块和后时相特征融合模块；后时相特征融合模块获取第二卷积模块中的低级卷积层输出的低级别后时相特征和高级卷积层输出的高级别后时相特征，并将低级别后时相特征和高级别后时相特征进行融合后，得到后时相特征数据。其有效提高了检测结果的准确性。

技术领域

本公开涉及遥感影像处理技术领域，尤其涉及一种高分辨率遥感影像变化检测网络和方法及装置。

背景技术

遥感影像变化检测作为遥感技术领域的关键技术之一，在城市规划、灾害监测、土地资源管理和军事侦察等领域发挥着越来越重要的作用。高分辨率遥感影像因具有清晰度高、实时性强的特点，已成为变换检测技术的重要数据来源。基于高分辨率遥感影像进行变化检测时，往往容易因光照、拍摄视角的影响，产生大量的伪变化，尤其对于一些复杂环境(如：受季节影像变化较大的自然环境、受拍摄视角影响较大的建筑物等)，对变换检测算法的稳定性和可靠性提出了更高的要求。

其中，在相关的变化检测方法中，基于像素的变化检测方法一般较难确定合适的分割阈值，而面向对象的变化检测方法则往往容易因为“同物异谱、同谱异物”而导致变化区域的误提取。这就使得现有的变化检测方法一般只适用于前后时相相对应的遥感影像的光照、拍摄视角变化较小，干扰因素较少，变化区域较明显的理想环境下。而对于光照、拍摄视角变化较大，周边干扰因素较多的复杂环境下的检测，通常会产生变化区域的误提取，从而影响检测结果的准确性。

发明内容

有鉴于此，本公开提出了一种高分辨率遥感影像变化检测网络，可以有效提高遥感影像变化检测结果的准确性。

根据本公开的一方面，提供了一种高分辨率遥感影像变化检测网络，用于面向复杂环境的高分辨率遥感影像进行变化检测，包括：两个平行设置的前时相特征提取分支和后时相特征提取分支；

所述前时相特征提取分支包括第一卷积模块和前时相特征融合模块；所述第一卷积模块包括R层依次级联的卷积层；

所述前时相特征融合模块，用于获取所述第一卷积模块中的低级卷积层输出的低级别前时相特征和高级卷积层输出的高级别前时相特征，并将所述低级别前时相特征和所述高级别前时相特征进行融合后，得到所述前时相特征数据；

所述后时相特征提取分支包括第二卷积模块和后时相特征融合模块；所述第二卷积模块包括S层依次级联的卷积层；

所述后时相特征融合模块，用于获取所述第二卷积模块中的低级卷积层输出的低级别后时相特征和所述高级卷积层输出的高级别后时相特征，并将所述低级别后时相特征和所述高级别后时相特征进行融合后，得到所述后时相特征数据。

在一种可能的实现方式中，R的取值与S的取值相同；

其中，所述第一卷积模块与所述第二卷积模块均采用VGG16卷积结构。

在一种可能的实现方式中，所述第一卷积模块中的低级卷积层包括前r层依次级联的各卷积层，所述第一卷积模块中的高级卷积层包括后R-r层依次级联的各卷积层；

所述第二卷积模块中的低级卷积层包括前s层依次级联的各卷积层，所述第二卷积模块中的高级卷积层包括后S-s层依次级联的各卷积层；

其中，R、r、S、s的取值均为正整数，且R大于r，S大于s。

在一种可能的实现方式中，所述前时相特征融合模块包括前时相低级特征处理子模块和前时相高级特征处理子模块；