[发明专利]一种基于特征增强网络的遥感影像建筑物变化检测方法在审

专利信息
申请号: 202310426990.4 申请日: 2023-04-20
公开(公告)号: CN116310839A 公开(公告)日: 2023-06-23
发明(设计)人: 韩现伟;孙宇;张一民;高伟;杨光辉 申请(专利权)人: 河南大学
主分类号: G06V20/10 分类号: G06V20/10;G06V10/80;G06V10/82;G06T7/00;G06N3/0464;G06N3/048;G06N3/08
代理公司: 郑州联科专利事务所(普通合伙) 41104 代理人: 刘建芳
地址: 475001*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 特征 增强 网络 遥感 影像 建筑物 变化 检测 方法
【权利要求书】:

1.一种基于特征增强网络的遥感影像建筑物变化检测方法,其特征在于:包括以下步骤:

第一步:准备数据集:收集公开变化检测数据集CDD,数据集包含有验证集、训练集和测试集。每个子集中又包含A、B和OUT三个文件夹,分别对应变化前图像、变化后图像和真实发生变化的建筑标签,每个图像大小为256×256像素;

第二步:进行数据增强:为了增强网络对不同场景下建筑物的识别能力和网络的鲁棒性,增加网络的泛化能力,采用水平翻转、旋转等方法,对图像进行数据增强;

第三步:搭建网络模型并训练;所述的网络模型包括:

特征提取器:输入图像首先输入到特征提取器中来用于提取建筑特征;

跨通道上下文语义聚合模块:用于使通道信息的充分融合;

第四步:建筑物变化检测;将测试集样本输入到训练好的网络模型来预测建筑变化图。

2.根据权利要求1的基于特征增强网络的遥感影像建筑物变化检测方法,其特征在于,所述的特征提取器包括:

初级特征提取器:用于增强特征表达能力;初级特征提取器主要由Unet编码和视觉transformer结构组成;Unet的每个编码块包含两个卷积层,每个卷积层输出一个特征图;这两个特征图被输入到VTS中,以获得更大的感受野并增强特征表示的能力,最终输出五个特征图;具体的包括如下步骤:

在patch embedding后,将第一个特性用作查询向量;

将第二个特征用作键向量和值向量;

多头注意力在本发明中设置为12,同时,将第一个特征用作位置矩阵,将其与第二个特征叠加后作为输入,我们将transformer块设置为1;

在变换特征图的尺度后,大小为768×16×16。接着,将它们输入转置卷积层,来改变特征图的大小和通道数,最终输出的特征图具有与输入特征图相同的大小;

增强特征提取器:进一步增强特征表达能力;

ResNet解码器,用于对增强特征提取器和初级特征提取器的输出输入到ResNet解码器中进行解码,最终输出两个特征图。

3.根据权利要求2的基于特征增强网络的遥感影像建筑物变化检测方法,其特征在于,第五个输出特征图输入到增强特征提取器中,进一步增强特征表达能力,增强特征提取器由四个模块组成,分别是空间和通道注意力模块、U形残差模块、增强特征提取模块、自注意力特征融合模块,它们组合起来进一步增强网络对建筑特征的表示能力和鲁棒性,其中所述空间和通道注意力模块由空间注意力和通道注意力组成,在通道维度和空间维度上增加了对特征图的注意力,可以有效地增强网络对重要建筑特征的表达能力;U形残差模块用于以增强建筑特征提取,更好地捕获全局和局部信息;增强特征提取模块用于提高从通道和空间维度提取代表性建筑特征的能力,自注意力特征融合模块通过求和、求差和拼接来充分合并特征信息。

4.根据权利要求3的基于特征增强网络的遥感影像建筑物变化检测方法,其特征在于,Resnet特征解码器主要使用Resnet18网络结构的一部分,首先通过核大小为7×7的转置卷积将输入特征图的大小扩展到原始大小的两倍。然后将特征图输入残差模块中,残差模块后添加Dropout层以减少过拟合。然后和对应尺度大小的特征图拼接后,再输入到残差模块中,如此循环,直到获得最终的输出特征图。

5.根据权利要求3的基于特征增强网络的遥感影像建筑物变化检测方法,其特征在于,所述的空间和通道注意力模块具体使用时包括如下步骤:

通道注意力使用自适应平均池化操作来池化输入特征图的每个通道;

然后使用两个全连接层来减少特征参数,Relu函数用来增加非线性;

将全连接的结果输入到sigmoid函数来执行权重归一化,再将权重与输入特征图的每个元素相乘,得到通道注意力特征图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南大学,未经河南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310426990.4/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code