[发明专利]一种基于Siamese卷积网络的遥感影像城市地物变化检测方法

摘要

本发明提供了一种基于Siamese卷积网络的遥感影像城市地物变化检测方法，所述Siamese卷积网络为孪生卷积神经网络SCNN，基于数据增强技术进行包括在配准的两时相城市影像中选取初始样本集，设置孪生卷积神经网络SCNN，基于初始样本集对孪生卷积神经网络SCNN进行训练，采用数据增强技术对初始样本集进行扩充；基于扩充后的样本集对孪生卷积神经网络SCNN进行训练，得到训练好的SCNN模型，实现对城市地物的变化检测。本发明通过数据增强技术实现对样本的扩充，并设计了一种Siamese卷积神经网络，避免了传统的变化检测方法中人工设计特征的繁琐步骤，实现了“端对端”的操作；充分考虑影像的空间属性，提高了变化检测的精度和可靠性。

主权项

1.一种基于Siamese卷积网络的遥感影像城市地物变化检测方法，其特征在于：所述Siamese卷积网络为孪生卷积神经网络SCNN，基于数据增强技术进行包括以下步骤，步骤1，在配准的两时相城市影像中选取初始样本集，包括选择变化和不变的区块，分别分割为固定大小的分割块，给每个分割块对赋予标签，得到两时相样本对；步骤2，设置孪生卷积神经网络SCNN，基于步骤1所得初始样本集对孪生卷积神经网络SCNN进行训练，得到初始训练后的孪生卷积神经网络SCNN；所述孪生卷积神经网络SCNN由两个完全相同的分支网络和一个决策层网络组成，分支网络位于孪生卷积神经网络SCNN低层，两个分支网络具有完全相同的结构和参数，分别对两时相影像样本进行特征提取，提取后的特征经过特征连接，生成两时相样本对的整体特征，输入到顶层的决策层网络中；决策层网络实现相似度测量模型，对输入的整体特征进行相似性测量；步骤3，基于步骤2所得初始训练后的孪生卷积神经网络SCNN，采用数据增强技术对初始样本集进行扩充；步骤4，基于步骤3所得扩充后的样本集对孪生卷积神经网络SCNN进行训练，得到训练好的SCNN模型；步骤5，基于步骤4训练好的SCNN模型，对一个新的城市区域进行测试，实现对城市地物的变化检测。