[发明专利]多特征融合遥感图像变化检测方法及系统

说明书

本发明公开了多特征融合遥感图像变化检测方法及系统，所述方法，包括：获取待检测的双时相遥感图像；对待检测的双时相遥感图像进行预处理；将预处理后的双时相遥感图像，输入到训练后的遥感图像变化检测模型中，输出检测结果；其中，训练后的遥感图像变化检测模型，用于对输入的待检测双时相遥感图像进行初步特征提取，提取出若干个不同的初步特征，并对每个初步特征进一步提取特征图，然后对不同的特征图进行多特征融合得到融合特征，最后对融合特征进行预测输出变化图。通过并行使用Transformer和高分辨率卷积，可以在获得全局信息的同时提高变化区域的分割精度，从而有效地获得检测准确且边缘信息更好的变化图像。

技术领域

本发明涉及图像处理、遥感图像变化检测技术，特别是涉及多特征融合遥感图像变化检测方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

遥感图像变化检测是遥感图像领域中的应用，目的是识别双时相遥感图像之间的变化信息。通过对比相同区域在不同时间获取的遥感图像，为每个像素分配变化与不变的二进制标签，获得该区域的变化信息。这种技术被广泛运用于城市发展规划、土地管理、灾害评估等领域中用于分析和解决相应的具体问题。随着遥感卫星技术的发展，遥感数据的获取变得越发便利，遥感图像的相关领域也借此得到更好的发展。

在自然语言处理领域中的Transformer被迁移为视觉Transformer(ViT)应用在计算机图像处理领域中获得了相当不错的表现，通过采用自注意力的方式，使得模型更加关注全局信息，可以学习到整张图像中距离较远的像素关系。遥感图像中经常出现距离较远的物体却具有相似特征的情况，如不同位置的房屋、道路、树木等，因此Transformer的思路也被引入处理遥感图像相关领域的方向，并取得了不错的效果。由于Transformer采用了自注意力的方式，获得了更多的全局信息，虽然能使每个像素关注了与其他全部像素的信息关系，但模糊了相邻像素本应具有的大量相关性信息，导致细节信息的丢失，对变化物体边缘区域的分割不准确。

发明内容

为了解决现有技术的不足，本发明提供了多特征融合遥感图像变化检测方法及系统；通过并行使用Transformer和高分辨率卷积，可以在获得全局信息的同时提高变化区域的分割精度，从而有效地获得检测准确且边缘信息更好的变化图像。

第一方面，本发明提供了多特征融合遥感图像变化检测方法；

多特征融合遥感图像变化检测方法，包括：

获取待检测的双时相遥感图像；

对待检测的双时相遥感图像进行预处理；

将预处理后的双时相遥感图像，输入到训练后的遥感图像变化检测模型中，输出检测结果；

其中，训练后的遥感图像变化检测模型，用于对输入的待检测双时相遥感图像进行初步特征提取，提取出若干个不同的初步特征，并对每个初步特征进一步提取特征图，然后对不同的特征图进行多特征融合得到融合特征，最后对融合特征进行预测输出变化图。

第二方面，本发明提供了多特征融合遥感图像变化检测系统；

多特征融合遥感图像变化检测系统，包括：

获取模块，其被配置为：获取待检测的双时相遥感图像；

预处理模块，其被配置为：对待检测的双时相遥感图像进行预处理；

输出模块，其被配置为：将预处理后的双时相遥感图像，输入到训练后的遥感图像变化检测模型中，输出检测结果；

其中，训练后的遥感图像变化检测模型，用于对输入的待检测双时相遥感图像进行初步特征提取，提取出若干个不同的初步特征，并对每个初步特征进一步提取特征图，然后对不同的特征图进行多特征融合得到融合特征，最后对融合特征进行预测输出变化图。