[发明专利]基于孪生多尺度差异特征融合的遥感影像变化检测方法

说明书

本发明公开了一种基于孪生多尺度差异特征融合的遥感影像变化检测方法，主要解决现有技术特征融合方法单一，及变化检测结果中目标的分割边缘轮廓不够精细的问题。其方案为：搭建基于ResNet‑34网络的编码器；引入双注意力机制模块；搭建孪生残差多核池化模块；搭建特征差异模块；搭建单分支结构的解码器；利用这些模块和编解码器构建基于孪生多尺度差异特征融合的遥感影像变化检测网络，并对其进行训练；利用训练好的网络对遥感影像进行变化检测。本发明通过引入双注意力机制模块、构建孪生残差多核池化模块及特征差异模块，提升了特征的表达能力，从而提高了遥感影像变化检测精度，可用于土地利用分析、环境检测、资源勘探以及城市规划。

技术领域

本发明属于图像处理技术领域，更进一步涉及一种遥感影像变化检测方法,可用于土地利用分析、环境检测、资源勘探以及城市规划。

背景技术

近些年来，遥感影像不仅仅在军事领域发挥着十分重要的作用，在商业领域中的应用也初见端倪。而应用范围涵盖国土普查、地质调查、水利建设、石油勘探、地图测绘、环境检测、地震预报、铁路及公路选址、考古研究等诸多重要领域。技术上的提升使得遥感影像的成图周期和更新周期缩短，成像仪能够在几天内迅速获取大量数据，满足了人们实时采集数据、处理信息、更新数据以及分析数据的重多需求。再配合相应的算法，就可以从高分辨率的遥感影像中提取到满足某些要求的地物变化信息，这将会在城市规划、路网建设、土地监测与利用、抗灾减灾等方面产生重大影响。

遥感变化检测就是，利用不同历史时期的覆盖同一地表区域的多源遥感影像和相关地理数据，采用图像图形处理理论及数理模型方法，确定和分析该区域地物的变化，包括地物位置、范围的变化和地物性质状态的变化。目前已有许多变化检测方法，如EC-EF、FC-Siam-conc、FC-Siam-diff、DASNet、SNUNet-CD等，都取得了不错的检测效果。

Daudt R C,Le Saux B,Boulch A等人在其发表的文献“Fully convolutionalsiamese networks for change detection[C].2018 25th IEEE InternationalConference on Image Processing(ICIP),2018:4063-4067.”中提出了三种结构类似的，分别是EC-EF、FC-Siam-conc、FC-Siam-diff，该方法专门针对变化检测问题，以U-Net模型为基础改进而来。EC-EF的基本思路是将前、后时相堆叠，输入至编码器，而后进行解码，这种结构的不足之处在于两时相影像相似，直接堆叠输入使得编码器卷积核数量增加，冗余过大，从而增加模型复杂度，使得收敛变慢；而FC-Siam-conc、FC-Siam-diff模型为孪生模型，使用权值共享的编码器，减少了模型冗余，但是其不足之处在于，仅仅对特征图使用堆叠操作和求差操作会过于单一，不能够充分利用编码器提取的特征。

Chen J,Yuan Z,Peng J等人在其发表的文献“DASNet:Dual attentive fullyconvolutional siamese networks for change detection of high resolutionsatellite images[J].IEEE Journal of Selected Topics in Applied EarthObservations and Remote Sensing,2020,PP(99).”中提出了DASNet网络，该方法利用VGG-16搭建了一个孪生结构网络用于提取深度特征，并在网络中层添加了双注意力机制模块用于捕获远程相关性，以获得更多判别特征表示，增强模型的识别性能。该方法在CDD数据集以及BCDD数据集上取得了显著的检测结果，但是该方法的不足之处在于，模型收敛速度慢，结构非对称，且未包含长连接，从而难以提取到十分精准的轮廓信息。