本發明專利技術公開了一種基于交互注意力和中值濾波的SAR圖像變化檢測方法、系統、裝置及存儲介質，屬于SAR圖像處理技術領域。方法包括獲取目標數據集，其包括第一時相和第二時相；將第一時相和第二時相輸入預先訓練好的SAR變化檢測網絡模型，得到最終變化檢測圖；其中，SAR變化檢測網絡模型包括濾波殘差卷積模塊、空間交互注意力模塊、解碼模塊及連通域判決模塊。本發明專利技術通過濾波殘差卷積模塊能夠減輕椒鹽噪聲的干擾，提升SAR圖像的質量；通過空間交互注意力模塊使得第一時相和第二時相進行全局空間信息交互，精準聚焦于真實變化區域；通過連通域判決模塊進一步保證了檢測結果的精度和連貫性。
【技術實現步驟摘要】
本專利技術屬于sar圖像處理，具體涉及一種基于交互注意力和中值濾波的sar圖像變化檢測方法、系統、裝置及存儲介質。
技術介紹
1、合成孔徑雷達（sar,?synthetic?aperture?radar）是一種重要的主動式遙感技術，廣泛應用于地球觀測、環境監測、軍事偵察和災害評估等諸多領域。相比于光學遙感，sar的成像原理基于微波的發射和回波接收，能夠在任何天氣條件下（包括云層、霧霾等復雜環境）以及白天或夜晚，獲取高分辨率的地表信息。這種全天候、全天時的成像能力使得sar在特定應用場景中具有無可替代的優勢，所以對sar圖像進行變化檢測顯得至關重要。
2、現有的變化檢測方法包括傳統方法和基于深度學習的方法。傳統方法無法對多幅圖進行綜合的特征提取和評估，并依賴于圖像的質量，很難應用于真實場景。而基于深度學習的方法通過對多幅圖像數據的變換特征進行學習，最終生成二值變換檢測圖，可以實現更加復雜的變換特征分析。
3、然而，在sar圖像處理中，噪聲的抑制是圖像質量提升的關鍵。其中，椒鹽噪聲作為常見的sar圖像噪聲類型，對sar圖像的視覺效果以及后續的分析任務均會產生極大的負面影響。但是目前大多數的深度學習方法對于被椒鹽噪聲污染的區域處理效果不佳，容易造成誤檢和漏檢。與此同時，由于雙時相圖像中變化分布的不確定性以及季節更替和建筑物改造等與任務無關的干擾存在，進行特征交互起著重要作用。而特征交互機制是目前大多sar圖像變化檢測方法所欠缺的，這會導致檢測精度降低。
技術實現思路
<
p>1、本專利技術的目的在于克服現有技術中的不足，提供一種基于交互注意力和中值濾波的sar圖像變化檢測方法、系統、裝置及存儲介質，有效地解決了sar圖像變化檢測中噪聲抑制和變化檢測精度不足的問題。2、本專利技術提供了如下的技術方案：
3、第一方面，提供一種基于交互注意力和中值濾波的sar圖像變化檢測方法，包括：獲取目標數據集，其包括第一時相和第二時相；將所述第一時相和第二時相輸入預先訓練好的sar變化檢測網絡模型，得到最終變化檢測圖；其中，所述sar變化檢測網絡模型包括濾波殘差卷積模塊、空間交互注意力模塊、解碼模塊及連通域判決模塊；所述濾波殘差卷積模塊用于分層提取第一時相和第二時相中的特征，得到各層輸出特征圖對；多個所述空間交互注意力模塊用于分別融合各層輸出特征圖對，得到對應的各層交互融合特征圖；所述解碼模塊用于融合各層交互融合特征圖，并將融合后的特征圖解碼，得到粗變化檢測圖；所述連通域判決模塊用于去除粗變化檢測圖中的噪聲，得到最終變化檢測圖。
4、作為本專利技術的一種可選的技術方案，所述濾波殘差卷積模塊包括多個濾波殘差卷積層，且每個濾波殘差卷積層的輸出特征作為下一濾波殘差卷積層的輸入特征；
5、第個所述濾波殘差卷積層的輸出特征圖對表示為，其中，表示第一時相的輸出特征圖，表示第二時相的輸出特征圖。
6、作為本專利技術的一種可選的技術方案，所述濾波殘差卷積層包括殘差卷積塊、二倍下采樣和中值濾波塊；
7、所述殘差卷積塊用于通過卷積操作提取輸入特征的特征，得到第一特征；所述卷積操作表示為：
8、；
9、其中，表示輸出特征在像素位置、第個通道的像素值，表示輸入特征在像素位置、第個通道的像素值，表示卷積核在輸出通道上、對于輸入通道的權重，表示輸入特征圖的通道數，表示卷積核的第行，表示卷積核的第列，；
10、所述二倍下采樣用于減少第一特征的空間維度，得到第二特征；
11、所述中值濾波塊用于處理第二特征不同區域的噪聲水平，得到當前濾波殘差卷積層的輸出特征圖對，包括：
12、對于所述第二特征的像素位置，定義其局部窗口為，表示為：
13、；
14、其中，表示最小的局部窗口尺寸，表示最大的局部窗口尺寸，表示調整因子，表示噪聲水平閾值，表示第二特征局部區域的噪聲水平，表示為：
15、；
16、其中，表示第二特征在像素位置的像素值，表示局部窗口內的像素均值，表示為：
17、。
18、作為本專利技術的一種可選的技術方案，第個所述濾波殘差卷積層的輸出特征圖對分別輸入空間交互注意力模塊的卷積層，各自得到查詢矩陣、、鍵矩陣、和值矩陣、，表示為：
19、，；
20、，；
21、，；
22、其中，conv表示卷積操作，表示像素總數，表示輸入特征圖的通道數；
23、將和進行疊加，生成融合后的值矩陣，表示為：
24、；
25、其中，concat表示疊加操作；
26、對所述鍵矩陣、在行方向進行softmax操作，分別得到權重分布、，表示為：
27、?，；
28、其中，softmax表示softmax操作，dim表示softmax操作的維度；
29、生成注意力分數矩陣、，表示為：
30、，；
31、其中，t表示轉置；
32、對所述查詢矩陣、在列方向進行softmax操作，進而分別與對應的注意力分數矩陣和進行矩陣乘法操作，得到第層的交互融合特征圖，表示為：
33、，；
34、；
35、其中，表示自適應調節參數，concat表示疊加操作。
36、作為本專利技術的一種可選的技術方案，所述解碼模塊包括上采樣塊和殘差卷積塊；所述解碼模塊用于融合各層交互融合特征圖，包括：
37、將最后一層交互融合特征圖上采樣匹配前一層交互融合特征圖的大小，將匹配后的最后一層交互融合特征圖輸入殘差卷積塊進行特征提取，將提取特征疊加前一層交互融合特征圖，得到第一融合解碼特征；
38、將第一融合解碼特征上采樣匹配前一層交互融合特征圖的大小，將匹配后的第一融合解碼特征輸入殘差卷積塊進行特征提取，將提取特征疊加前一層交互融合特征圖，得到第二融合解碼特征；
39、進行迭代直至得到融合解碼特征；
40、將所述融合解碼特征進行上采樣后輸入殘差卷積塊，得到預測概率圖；
41、對所述預測概率圖進行argmax操作，得到粗變化檢測圖。
42、作為本專利技術的一種可選的技術方案，所述連通域判決模塊去除粗變化檢測圖中的噪聲，包括：
43、將像素周圍的8個相鄰像素定義為鄰域，表示為：
44、；
45、對于所述粗變化檢測圖中每個連通域邊緣的像素，若其鄰域中僅存在一個相鄰像素，該相鄰像素的上下位置、左右位置或對角線位置的像素不包含在該連通域內，則將該相鄰像素判定為噪聲，并將該相鄰像素置為0以剔除噪聲；
46、對剔除噪聲后的二值圖像進行連通域標記，為每個連通域賦予唯一的標簽，連通域的面積表示為：
47、；
48、其中，表示像素所屬的連通域，表示標記矩陣，表示指示函數，當條件為真時取值為1，假時取值為0；
<本文檔來自技高網...
【技術保護點】
1.一種基于交互注意力和中值濾波的SAR圖像變化檢測方法，其特征在于，包括：
2.根據權利要求1所述的基于交互注意力和中值濾波的SAR圖像變化檢測方法，其特征在于：所述濾波殘差卷積模塊包括多個濾波殘差卷積層，且每個濾波殘差卷積層的輸出特征作為下一濾波殘差卷積層的輸入特征；
3.根據權利要求2所述的基于交互注意力和中值濾波的SAR圖像變化檢測方法，其特征在于：所述濾波殘差卷積層包括殘差卷積塊、二倍下采樣和中值濾波塊；
4.根據權利要求2所述的基于交互注意力和中值濾波的SAR圖像變化檢測方法，其特征在于：第個所述濾波殘差卷積層的輸出特征圖對分別輸入空間交互注意力模塊的卷積層，各自得到查詢矩陣、、鍵矩陣、和值矩陣、，表示為：
5.根據權利要求1所述的基于交互注意力和中值濾波的SAR圖像變化檢測方法，其特征在于，所述解碼模塊包括上采樣塊和殘差卷積塊；所述解碼模塊用于融合各層交互融合特征圖，包括：
6.根據權利要求1所述的基于交互注意力和中值濾波的SAR圖像變化檢測方法，其特征在于，所述連通域判決模塊去除粗變化檢測圖中的噪聲，包括：
7.一種基于交互注意力和中值濾波的SAR圖像變化檢測系統，其特征在于，包括：
8.一種基于交互注意力和中值濾波的SAR圖像變化檢測裝置，其特征在于，包括處理器及存儲介質；
9.一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，該程序被處理器執行時實現權利要求1~7任一項所述基于交互注意力和中值濾波的SAR圖像變化檢測方法的步驟。
...
【技術特征摘要】
1.一種基于交互注意力和中值濾波的sar圖像變化檢測方法，其特征在于，包括：
2.根據權利要求1所述的基于交互注意力和中值濾波的sar圖像變化檢測方法，其特征在于：所述濾波殘差卷積模塊包括多個濾波殘差卷積層，且每個濾波殘差卷積層的輸出特征作為下一濾波殘差卷積層的輸入特征；
3.根據權利要求2所述的基于交互注意力和中值濾波的sar圖像變化檢測方法，其特征在于：所述濾波殘差卷積層包括殘差卷積塊、二倍下采樣和中值濾波塊；
4.根據權利要求2所述的基于交互注意力和中值濾波的sar圖像變化檢測方法，其特征在于：第個所述濾波殘差卷積層的輸出特征圖對分別輸入空間交互注意力模塊的卷積層，各自得到查詢矩陣、、鍵矩陣、和值矩陣、，表示為：
5.根據權...
【專利技術屬性】
技術研發人員：于秋則，張超羽，尚艷麗，劉方宏，張浩文，
申請(專利權)人：武漢大學，
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。