本發明專利技術公開了一種基于語義交互和差異表示的遙感影像變化檢測方法，包括以下步驟：S1:將待檢測雙時相遙感影像輸入到改進型ResNet34網絡，獲得待檢測雙時相遙感影像的多尺度特征；S2:將待檢測雙時相遙感影像的多尺度特征輸入到語義交互模塊，獲得多尺度雙時相語義特征；S3:將多尺度雙時相語義特征輸入到差異表示模塊，獲得多尺度差異特征；S4:將多尺度差異特征輸入到多尺度特征聚合模塊，獲得差異聚合特征；將待檢測雙時相遙感影像的多尺度特征輸入到多尺度特征聚合模塊，獲得雙時相聚合特征；S5:將上采樣卷積后的差異聚合特征輸入到二值變化檢測模塊，獲得二值變化圖；S6:將上采樣卷積后的雙時相聚合特征分別與二值變化圖進行掩膜相乘，獲得雙時相語義變化圖。本發明專利技術可以提高檢測雙時相遙感影像變化位置、識別變化要素類型的準確性。
1、隨著航空航天和衛星技術的飛速發展，遙感影像成為解析地球表面變化的有力工具。遙感影像語義變化檢測，作為一項關鍵技術，旨在監測同一地區在不同時間發生的地表要素變化，已被廣泛用于環境監測、城市擴張和重建以及災害評估等領域。
5、其中，改進型resnet34網絡包括依次連接的改進型layer0、layer1、layer2、layer3和改進型layer4；改進型layer0包括依次連接的卷積層、批歸一化層、relu激活層和最大池化層；layer1、layer2和layer3為原resnet34網絡本身結構；改進型layer4為恒等映射；
>6、s2:將待檢測雙時相遙感影像的多尺度特征輸入到語義交互模塊，獲得多尺度雙時相語義特征；7、s3:將多尺度雙時相語義特征輸入到差異表示模塊，獲得多尺度差異特征；
8、s4:將多尺度差異特征輸入到多尺度特征聚合模塊，獲得差異聚合特征；
9、將待檢測雙時相遙感影像的多尺度特征輸入到多尺度特征聚合模塊，獲得雙時相聚合特征；
10、s5:將上采樣卷積后的差異聚合特征輸入到二值變化檢測模塊，獲得二值變化圖；
11、s6:將上采樣卷積后的雙時相聚合特征分別與二值變化圖進行掩膜相乘，獲得雙時相語義變化圖。
12、優選的，s1具體包括：
13、將待檢測前時相遙感影像依次輸入到改進型layer0和layer1，獲得前時相第一尺度特征f1pre；
14、將前時相第一尺度特征f1pre輸入至layer2，獲得前時相第二尺度特征
15、將前時相第二尺度特征依次輸入至layer3和layer4，獲得前時相第三尺度特征f3pre；
16、將待檢測后時相遙感影像依次輸入到改進型layer0和layer1，獲得后時相第一尺度特征f1post；
17、將后時相第一尺度特征f1post輸入至layer2，獲得后時相第二尺度特征
18、將后時相第二尺度特征依次輸入至layer3和layer4，獲得后時相第三尺度特征f3post。
19、優選的，s2具體包括：
20、s21:將前時相第i尺度特征fipre和后時相第i尺度特征fipost進行對應元素相加，獲得第i尺度相加特征fipre+fipost；其中，i＝{1，2，3}；
21、將第i尺度相加特征fipre+fipost進行全局平均池化，獲得第i尺度全局特征pi；
22、將第i尺度全局特征pi依次輸入到卷積層和relu激活層，獲得第i尺度全局約簡特征
23、將第i尺度全局約簡特征輸入到第一1*1卷積層，獲得前時相第i尺度通道權重
24、將第i尺度全局約簡特征輸入到第二1*1卷積層，獲得后時相第i尺度通道權重
25、將前時相第i尺度通道權重輸入到softmax層，獲得前時相第i尺度歸一化通道權重
26、將后時相第i尺度通道權重輸入到softmax層，獲得后時相第i尺度歸一化通道權重
27、將前時相第i尺度歸一化通道權重與前時相第i尺度特征fipre相乘，獲得前時相第i尺度語義交互特征
28、將后時相第i尺度歸一化通道權重與后時相第i尺度特征fipost相乘，獲得后時相第i尺度語義交互特征
29、優選的，s3具體包括：
30、將前時相第i尺度語義交互特征和后時相第i尺度語義交互特征進行級聯操作，獲得第i尺度級聯語義交互特征ficoncat；
31、將第i尺度級聯語義交互特征ficoncat輸入至通道注意力模塊，獲得第i尺度通道注意力分布特征wicam；
32、將第i尺度通道注意力分布特征wicam與第i尺度級聯語義交互特征ficoncat相乘，獲得第i尺度通道融合特征ficam；
33、獲取前時相第i尺度語義交互特征和后時相第i尺度語義交互特征的差值絕對值fiavod；
34、將差值絕對值fiavod依次輸入至卷積層、relu激活層，獲得非線性差值絕對值fiavod+；
35、將非線性差值絕對值fiavod+輸入至空間注意力模塊，獲得第i尺度空間注意力分布特征wisam；
36、將第i尺度通道注意力分布特征wicam和第i尺度空間注意力分布特征wisam相乘后依次輸入至卷積層、批歸一化層和relu激活層，獲得第i尺度差異特征fid。
37、優選的，第i尺度通道注意力分布特征wicam基于以下步驟獲得：
38、將第i尺度級聯語義交互特征ficoncat分別進行最大池化和平均池化；
39、將最大池化結果和平均池化結果分別輸入到多層感知機后相加，然后輸入到sigmoid函數，獲得第i尺度通道注意力分布特征wicam。
40、優選的，第i尺度空間注意力分布特征wisam基于以下步驟獲得：
41、將非線性差值絕對值fiavod+分別進行最大池化和平均池化；
42、將最大池化結果和平均池化結果進行通道維度拼接，然后依次輸入至卷積層和sigmoid函數，獲得第i尺度空間注意力分布特征wisam。
43、優選的，s4具體包括：
44、將第1尺度差異特征f1d依次輸入到卷積層和上采樣層，獲得第一中間特征f(1)；其中，
45、將第1尺度差異特征f1d輸入至上采樣層，獲得第二中間特征f(2)；
46、將第2尺度差異特征輸入至卷積層，獲得第三中間特征f(3)；
47、將第一中間特征f(1)和第2尺度差異特征相乘，獲得第四中間特征f(4)；
48、將第二中間特征f(2)與第三中間特征f(3)相乘，獲得第五中間特征f(5)；
49、將第四中間特征f(4)和第五中間特征f(5)級聯，獲得第六中間特征f(6)；
50、將第六中間特征f(6)依次輸入至卷積層、批歸一化層和relu激活層，獲得第七中間特征f(7)；
51、將第七中間本文檔來自技高網...
【技術保護點】
1.一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，S1具體包括：
3.根據權利要求2所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，S2具體包括：
4.根據權利要求3所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，S3具體包括：
5.根據權利要求4所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，第i尺度通道注意力分布特征WiCAM基于以下步驟獲得：
6.根據權利要求4所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，第i尺度空間注意力分布特征WiSAM基于以下步驟獲得：
7.根據權利要求4-6任意一項所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，S4具體包括：
8.根據權利要求7所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，所述二值變化檢測模塊由五個殘差塊串聯堆疊而成。
9.根據權利要求8所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，S6具體包括：
...
【技術特征摘要】
1.一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，s1具體包括：
3.根據權利要求2所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，s2具體包括：
4.根據權利要求3所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，s3具體包括：
5.根據權利要求4所述的一種基于語義交互和差異表示的遙感影像變化檢測方法，其特征在于，第i尺度通道注意力分布特征wicam...
【專利技術屬性】
技術研發人員：王仁芳，吳虎承，張亮，吳敦，邱虹，王峰，
申請(專利權)人：浙江萬里學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。