[发明专利]MROCNet模型构建与多源遥感影像变化检测方法及系统

权利要求书

1.一种多源遥感影像对象类型变化检测深度学习模型构建方法，其特征在于，包括如下步骤：

(1)采用经纬度标签进行遥感影像四边形裁切，实现遥感影像的大尺度匹配；利用SIFT尺度不变特征变换算法进行经纬度下的像素点匹配，对于匹配的像素点进行随机抽样并通过经纬度距离值消除错误匹配点；对匹配完成的多源遥感影像进行匹配标签和对象语义的标注，构建双时相多源遥感影像对象类型变化检测数据集；

(2)构建基于孪生网络架构的多源遥感影像对象类型变化检测深度学习模型MROCNet，该模型的每个主干网由四个长短型分支构成，其中两个分支包括轻量化串并联扩张残差网络模块和多尺度通道信息增强模块，另外两个分支包括轻量化串并联扩张残差网络模块和多尺度空间信息增强模块；所述轻量化串并联扩张残差网络模块，整合扩张残差网络串联和并联的优点，包括三个扩张残差网络分支，分支间设计参数共享模式，实现串并联结构的轻量化；所述多尺度空间信息增强模块，捕获局部特征与全局特征之间的依赖关系，求得多尺度空间注意力矩阵，并据此将轻量化串并联扩张残差网络模块提取的多尺度空间特征上采样到相同尺寸后加权融合并与原始特征进行相加，以增强判别特征之间的语义一致性；所述多尺度通道信息增强模块，利用注意力机制进行通道权重向量求解，根据通道权重向量，将不同尺度的相同通道特征进行加权融合，以增强不同对象间语义差异性；

(3)利用遥感影像对象类型变化检测数据集训练MROCNet模型。

2.根据权利要求1所述的一种多源遥感影像对象类型变化检测深度学习模型构建方法，其特征在于，所述步骤(1)中数据集构建具体包括：

(11)记前时相遥感影像四个角点的经纬度坐标顺时针依次为a_m1k1,a_m2k2,a_m3k3,a_m4k4，后时相遥感影像四个角点的经纬度坐标顺时针依次为b_p1q1,b_p2q2,b_p3q3,b_p4q4,对由a_m1k1,a_m2k2,a_m3k3,a_m4k4围成的像素区域A与由b_p1q1,b_p2q2,b_p3q3,b_p4q4围成的像素区域B取交集，得到四个交点的经纬度坐标c_m1k1,c_m2k2,c_m3k3,c_m4k4，然后分别在两个不同时相的遥感影像上删除由c_m1k1,c_m2k2,c_m3k3,c_m4k4围成区域以外的像素点，并对剩余像素点排序成栅格图像格式，基于经纬度计算实现了像素级不同时相遥感影像的大尺度匹配；

(12)大尺度匹配后的两张遥感影像进行基于SIFT尺度不变特征变换算法的匹配，求得匹配特征点集合S，设置匹配点对之间的距离阈值T；

(13)基于样本之中任意三个不能共线的基本理论，在匹配特征点集合S中随机抽取至少四个样本数据，将这些被抽取的匹配点作为初始集合计算对应的匹配特征点之间的距离矩阵；

(14)将集合S中剩余的匹配点根据距离矩阵中距离的平均值计算得到新的位置坐标，计算该位置坐标与原位置坐标的距离d；

(15)若d≥T，则将匹配点定义为错误匹配点，若d＜T，则将匹配点定义为正确匹配点；

(16)重复步骤(13)至(15)直到达到预设的迭代次数，选择正确匹配点数量最多的一组点集合作为最终的正确匹配点集合；

(17)当匹配点对的均方根误差满足设定目标时，表示双时相遥感影像匹配成功，对匹配的双时相遥感影像赋予匹配标签和对象语义标签，构建双时相多源遥感影像对象类型变化检测数据集。