[发明专利]一种高分辨率光学遥感影像建筑物变化检测方法

权利要求书

1.一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述方法包括以下步骤：

步骤(1)、读入图像并进行预处理；

步骤(2)、对比预处理后的双时相遥感图像，得到对应的变化标签图，并将变化标签图处理为二通道数据；

步骤(3)、采用统一尺寸对双时相遥感图像和对应变化标签图进行切割，并进行数据增强，得到样本数据集；

步骤(4)、构建建筑物变化检测网络模型；

步骤(5)、利用训练样本训练建筑物变化检测网络模型；

步骤(6)、将测试样本输入至建筑物变化检测网络模型，输出检测结果图。

2.根据权利要求1所述的一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述步骤(1)包括：

步骤(1.1)、选取相同区域两个时相的高分辨率遥感图像T₁和T₂，包含有R、G、B三个通道；

步骤(1.2)、利用ENVI软件中的RPC Orthorectification Workflow流程化工具，对图像进行正射校正；

步骤(1.3)、利用ENVI软件中的配准工具，对图像进行配准操作；

步骤(1.4)、对遥感图像每个通道的数值进行归一化，得到预处理后的图像I₁和I₂。

3.根据权利要求2所述的一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述步骤(2)具体为：对比上述预处理图像I₁和I₂，利用标注工具以多边形的形式标注图像中建筑物变化区域，得到对应的变化标签图，并对标签图进行one-hot编码处理，使之成为0和1二通道数据，其中(1,0)代表变化区域，(0,1)代表未变化区域。

4.根据权利要求3所述的一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述步骤(3)具体为：选择滑动窗口切割方法对双时相遥感图像和对应的标签图进行切割，得到相应大小的图像块，记为I′₁和I′₂；将上述切割后的图像块和对应的标签块，按照7:3比例划分为训练样本和测试样本，并采取图像旋转、尺度变换、颜色变换和添加噪声等方式对训练样本进行数据增强，得到样本数据集。

5.根据权利要求4所述的一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述步骤(4)中建筑物变化检测网络模型包括：特征提取模块、迁移学习模块、特征细化模块和预测分类。

6.根据权利要求5所述的一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述特征提取模块通过编码器提取图像建筑物特征，通过解码器融合多尺度特征。

7.根据权利要求6所述的一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述特征提取模块在编码器中使用孪生卷积神经网络从图像中提取不同尺度和层次的特征，在基础网络的残差块中应用通道注意力、空洞卷积手段增强特征提取效果，获得更具辨识力的建筑物特征。

8.根据权利要求7所述的一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述特征提取模块在解码器中采用密集跳跃连接的方式融合编码器提取的多尺度建筑物特征。

9.根据权利要求8所述的一种高分辨率光学遥感影像建筑物变化检测方法，其特征在于，所述迁移学习模块包括：对特征提取模块网络进行预训练，获得最佳网络参数；使用预训练后的参数初始化共享权重的特征提取模块；对整体模型进行参数微调，得到用于建筑物变化检测的模型。