[发明专利]基于高效注意力的轻量级光学遥感图像变化检测方法

权利要求书

1.基于高效注意力的轻量级光学遥感图像变化检测方法，其特征在于：包括以下几个步骤：

A、将双时相光学遥感图像依次进行正射校正、图像配准、图像拉伸以及图像数值归一化预处理，从而得到数据分布一致的双时相光学遥感图像；

B、将步骤A中获得的经过预处理后的双时相光学遥感图像，标注遥感图像中更新的部分，得到对应的变化标签图；

C、将从步骤B中得到的变化标签图以及步骤A中获得的经过预处理后的双时相光学遥感图像，采用同一尺寸对其进行切割，得到训练样本；

D、将步骤C中获得的训练样本中的双时遥感图像进行串联；

E、串联的图像对通过FOCUS模块进行下采样，再将下采样后的特征图输入由卷积核大小为3×3和5×5的DW卷积构成的深度残差块进行编码，从而提取与变化区域相关的特征图；

F、将步骤E中得到的特征图输入到高效注意力模块中，实现对特征图的细化；

G、将步骤F中得到的不同层次的特征输入到多尺度特征融合模块中，得到最终的特征图X；

H、将步骤G中获得的最终融合特征X输入到由1×1卷积组成的预测头中并得到训练样本的双时相图像的预测变化图；

I、将二分类交叉熵损失与Dice损失结合形成混合损失函数以计算步骤H中得到的训练样本的双时相图像的预测变化图与对应的标签图之间的损失；

J、训练结束后，将训练好的变化检测模型的权重参数和超参数信息都保存下来；

K、将待检测的前、后时相遥感图像依次经正射校正、图像配准、图像拉伸以及图像数值归一化预处理后，接着采用同一尺寸对其进行切割以获得待测样本；

L、将待测样本输入至步骤J中得到的变化检测模型中，经计算输出待测样本的预测变化图。

2.根据权利要求1所述的基于高效注意力的轻量级光学遥感图像变化检测方法，其特征在于：所述的步骤F具体包括如下步骤：首先对特征图F使用平均池化层以生成大小为C×1×1和1×H×W的聚合向量，其中C为通道数，H和W为特征图的高和宽；接着将一维卷积应用于C×1×1的聚合向量以得到通道维度的注意力图，将二维卷积应用于1×H×W的聚合向量以得到空间维度的注意力图；将通道维度和空间维度的注意力图扩展为C×H×W相加并重新分配权重以获得最终注意力图M(F)；最后将M(F)与输入的特征图逐元素相乘：M(F)＝σ(C1D₃(AvgPool(F))+C2D₇(AvgPool(F)))，其中F表示输入的特征图，AvgPool(·)表示平局池化操作，C1D₃(·)表示卷积核大小为3的一维卷积，C2D₇(·)表示卷积核大小为7的二维卷积，σ表示sigmoid函数，表示元素乘法，F'表示加权后的精细化特征图。

3.根据权利要求1所述的基于高效注意力的轻量级光学遥感图像变化检测方法，其特征在于：步骤G中所述的最终的融合特征X由不同网络深度的四个尺度特征图X₁、X₂、X₃和X₄上采样逐元素相加得到，其中四个尺度的特征图：X₁＝C(F₄)，X₂＝C(C(X₁,F₃))，X₃＝C(C(X₁,X₂,F₂))，X₄＝C(X₂,X₃,F₁)，最终的融合特征X：X＝X₁+X₂+X₃+X₂，其中，函数C(·)表示使用由1×1卷积和3×3DW卷积构成的卷积块进行的卷积操作，X₁、X₂、X₃和X₄分别表示经过四层深度残差块获得的特征图，F₁、F₂、F₃和F₄表示特征图X₁、X₂、X₃和X₄经过高效注意力模块后获得的精细化的特征图。

4.根据权利要求1所述的基于高效注意力的轻量级光学遥感图像变化检测方法，其特征在于：步骤I中所述的混合损失函数为L＝L_bce+L_dice，其中，二分类交叉熵损失Dice损失y_i,j表示对应标签图中像素点(i,j)为变化像素的概率，表示预测变化图中像素点(i,j)为变化像素的概率，n和m分别表示图像像素级的宽度和高度。