【技術實現步驟摘要】
本專利技術涉及光學遙感圖像變化檢測領域，尤其涉及一種基于變化感知和語義引導的光學遙感圖像變化檢測方法、系統、存儲介質和電子設備。
技術介紹
1、變化檢測任務旨在通過分析同一地理區域在不同時刻獲取的影像，識別其狀態變化或差異。變化檢測任務根據主體的不同可以劃分為多個類型，并已廣泛應用于土地覆蓋分析、環境監測、城市規劃和災后評估等領域。隨著遙感技術的進步，高分辨率光學遙感圖像的廣泛應用使得地表細節信息得到了極大豐富，為變化檢測帶來了新的機遇。然而，這些高分辨率數據也引入了噪聲和干擾，增加了檢測的復雜性。因此，如何有效增強對高分辨率光學遙感圖像中變化信息的感知能力成為變化檢測領域的重要挑戰。
2、近年來，基于深度學習的變化檢測方法一直在不斷發展，為變化檢測領域帶來了新的突破。多種深度學習架構被應用于此類任務，卷積神經網絡(convolutional?neuralnetworks,cnn)利用卷積操作從輸入圖像中自動提取空間特征，適用于捕捉局部區域的紋理和邊緣信息。在遙感圖像變化檢測中，cnn通過堆疊多個卷積層實現了從淺層細節到深層語義特征的逐步提取。例如：fc-ef(fully?convolutional?early?fusion)[1]將雙時態圖像在輸入端進行早期融合，然后通過全卷積網絡提取融合后的特征；unet[2]及其變種通過編碼器-解碼器結構獲取多尺度特征，在分割和變化檢測任務中表現突出，尤其適用于檢測變化區域的細節。雖然cnn模型在處理圖像的空間特征上具有顯著優勢，但它的局部感受野限制了對遠距離依賴關系的捕捉。為
技術實現思路
1、本專利技術的目的是提供一種基于變化感知和語義引導的光學遙感圖像變化檢測方法、系統、存儲介質和電子設備，能夠準確有效地將雙時態光學遙感圖像間的細節差異識別出來。
2、本專利技術采用的技術方案為：
3、一種基于變化感知和語義引導的光學遙感圖像變化檢測方法，包括以下幾個步驟：
4、步驟a、將雙時態光學遙感圖像依次進行正射校正、圖像配準、圖像拉伸以及圖像數值歸一化預處理，從而得到數據分布一致的雙時態光學遙感圖像；
5、步驟b、將上一步得到的經過預處理后的雙時態光學遙感圖像，標注雙時態光學遙感圖像中更新的部分，得到對應的變化標簽圖；
6、步驟c、將從步驟b中得到的變化標簽圖以及步驟a中預處理過的雙時態光學遙感圖像，采用同一尺寸對其進行切割，得到訓練樣本；
7、步驟d、創建網絡模型：創建一種基于變化感知和語義引導的變化檢測網絡模型，為雙編碼器-單解碼器架構，首先，使用預訓練的resnet-18模型作為特征編碼器，分別提取雙時態圖像的多尺度特征；然后，提出的時空差分融合模塊對這些多尺度特征進行逐尺度差異融合，以捕捉不同層次的時空變化信息；接著，語義聚合模塊對融合后的高層差異特征進行聚合，生成語義掩碼，為后續解碼提供更準確的語義引導信息；最后，語義引導模塊作為解碼器，逐層解碼融合后的差異特征，生成最終的變化檢測結果；
8、步驟e、對網絡模型進行訓練，得到最優網絡模型，用于對待檢測的前后時相遙感圖像進行檢測，輸出檢測結果：將訓練樣本中的一對雙時態光學遙感圖像輸入到步驟d中創建好的網絡模型中，依次經過特征編碼、時空差分融合、語義聚合和語義引導解碼，得到最終的預測變化圖；再將二分類交叉熵損失與dice損失結合形成混合損失函數以計算得到的訓練樣本雙時態圖像的預測變化圖與對應的標簽圖之間的損失，通過反向傳播算法最小化混合損失函數，不斷更新模型參數，保存最優模型。
9、所述的步驟e中的編碼和融合過程具體包括如下步驟：
10、步驟e1.1、首先通過權重共享的resnet-18預訓練模型進行編碼，分別提取多尺度特征圖x1、x2、x3、x4,y1、y2、y3、y4；其中xi表示時相一的多尺度特征，yi表示時相二的多尺度特征；
11、步驟e1.2、將上一步中得到的相同尺度的雙時相特征圖輸入到時空差分融合模塊中進行雙時態特征融合；首先通過通道和空間注意力機制計算雙時態特征的自適應權重，然后引入雙時態差分特征通過卷積學習得到差異權重，最后共同加權融合雙時態特征，通過多個維度捕捉變化區域，提升了變化區域的完整性和細節刻畫，最終獲得四個不同尺度的差異特征d1，d2，d3，d4；
12、步驟e1.3、通過語義聚合模塊對深層的三層特征d2，d3，d4語義聚合生成語義變化掩碼。
13、所述的步驟e中的語義引導解碼過程是將步驟e1.3中的d1，d2，d3，d4進行解碼操作，逐層通過語義引導模塊進行解碼細化，具體包括如下步驟：
14、步驟e2.1、首先，利用語義掩碼將當前層特征解耦，區分變化區域的前景主體和背景；
15、步驟e2.2、然后，通過不同尺度的卷積核對特征進行多尺度處理，以提取前景和背景的上下文信息；
16、步驟e2.3、接著，將高層特征上采樣與當前層特征對齊，并與前景特征進行對比以消除無關噪聲，使前景特征聚焦于變化主體；
17、步驟e2.4、之后，將過濾后的前景特征與背景特征對比，用背景信息補充前景中缺失的細節；
18、步驟e2.5、最終，經過卷積處理后得到的掩碼和細化特征被傳遞至下一個語義引導模塊，經過三個語義引導模塊解碼，生成最終的預測變化圖。
19、所述的步驟e1.2中雙時態融合操作具體包括如下步驟：首先，對雙時態特征分別進行空間和通道的最大池化與平均池化，以捕捉不同區域和層次的信息：
20、sc＝concat(avg(t1),max(t1),avg(t2),max(t2))
21、sc表示聚合的空間特征，t1和t2表示雙時態特征，avg(·)和max(·)分別表示跨空間維度的全局平均池化和全局最大池化；聚合的空間特征被傳遞到兩個一維卷積，分別學習以確定輸入雙時特征的雙時通道權重；本文檔來自技高網...
【技術保護點】
1.一種基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：包括以下幾個步驟：
2.根據權利要求1所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：所述的步驟E中的編碼和融合過程具體包括如下步驟：
3.根據權利要求1所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：所述的步驟E中的語義引導解碼過程是將步驟E1.3中的D1，D2，D3，D4進行解碼操作，逐層通過語義引導模塊進行解碼細化，具體包括如下步驟：
4.根據權利要求1所述的基于變化引導和細化的光學遙感圖像變化檢測方法，其特征在于：所述的步驟E1.2中雙時態融合操作具體包括如下步驟：首先，對雙時態特征分別進行空間和通道的最大池化與平均池化，以捕捉不同區域和層次的信息：
5.根據權利要求1所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：所述的步驟E1.3具體包括如下步驟：將得到的深層的差異特征圖D2，D3，D4輸入到語義聚合模塊中，通過逐層將當前特征與更深層的特征進行相乘，相當于引入多級語義過濾器，每層都進一步過濾噪
6.根據權利要求1所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：將步驟E1.3中得到的語義掩碼與相鄰兩個尺度的差異特征一起輸入到語義引導模塊當中進行融合解碼，具體來說，首先利用語義掩碼mask和他的反向掩碼(1-mask)對當前層特征current進行解耦，將變化區域的前景主體與背景區分開來，得到Ff，Fb；
7.一種基于變化感知和語義引導的光學遙感圖像變化檢測系統，其特征在于，包括預處理模塊，用于對輸入的雙時態光學遙感圖像進行標準化；編碼器模塊，用于提取雙時態圖像的多尺度特征；時空差分融合模塊，用于對編碼器輸出的多尺度雙時態特征進行差異融合；語義聚合模塊，用于對深層的差異特征進行聚合，得到語義掩碼；語義引導模塊，用于對相鄰尺度差異特征進行引導融合和解碼操作；
8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述的計算機程序被處理器執行時，使所述計算機可讀存儲介質所在設備執行權利要求1-6任意一項所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法。
9.一種電子設備，其特征在于，包括：存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的程序，所述處理器執行所述程序時實現如權利要求1-6任一所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法。
...【技術特征摘要】
1.一種基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：包括以下幾個步驟：
2.根據權利要求1所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：所述的步驟e中的編碼和融合過程具體包括如下步驟：
3.根據權利要求1所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：所述的步驟e中的語義引導解碼過程是將步驟e1.3中的d1，d2，d3，d4進行解碼操作，逐層通過語義引導模塊進行解碼細化，具體包括如下步驟：
4.根據權利要求1所述的基于變化引導和細化的光學遙感圖像變化檢測方法，其特征在于：所述的步驟e1.2中雙時態融合操作具體包括如下步驟：首先，對雙時態特征分別進行空間和通道的最大池化與平均池化，以捕捉不同區域和層次的信息：
5.根據權利要求1所述的基于變化感知和語義引導的光學遙感圖像變化檢測方法，其特征在于：所述的步驟e1.3具體包括如下步驟：將得到的深層的差異特征圖d2，d3，d4輸入到語義聚合模塊中，通過逐層將當前特征與更深層的特征進行相乘，相當于引入多級語義過濾器，每層都進一步過濾噪聲，僅保留與深層特征一致的有意義信息；最終通過串聯融合各層次特征，互相補充，生成更豐富完整的語義表示；流程如下：
6.根據權...
【專利技術屬性】
技術研發人員：李軍偉，賴日海，李帥澳，姚鴻泰，麻雪鳳，
申請(專利權)人：河南大學，
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。