申请/专利权人：西北工业大学

申请日：2022-03-28

公开（公告）日：2024-03-19

公开（公告）号：CN114821299B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/0455;G06N3/086;G06N3/088;G06N3/0895

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.08.16#实质审查的生效;2022.07.29#公开

摘要：本发明公开了一种遥感图像变化检测方法，包括：获取对同一位置不同时刻拍摄的第一、第二遥感图像；分别对第一、第二遥感图像进行标记形成无标签样本数据和有标签样本数据；分别对无标签样本数据和有标签样本数据进行矢量格式转换形成无标签样本矢量数据和有标签样本矢量数据；利用进化算法进行网络结构搜索得到若干目标阶梯网格模型；对每一目标阶梯网络模型进行半监督与无监督训练确定中间最优阶梯网络模型；对中间最优阶梯网络模型进行半监督与无监督训练得到目标最优阶梯网络模型，目标最优阶梯网络模型对应的输出结果为检测结果。本发明检测方法普适性更强，可以获得更好的遥感图像变化检测结果。

主权项：1.一种遥感图像变化检测方法，其特征在于，包括：获取对同一位置不同时刻拍摄的第一遥感图像和第二遥感图像；分别对所述第一遥感图像和所述第二遥感图像进行标记形成无标签样本数据和有标签样本数据；其中，所述有标签样本数据包括所述第一遥感图像和所述第二遥感图像中标记的部分；所述无标签样本数据包括所述第一遥感图像和所述第二遥感图像中未标记的部分；分别对所述无标签样本数据和所述有标签样本数据进行矢量格式转换形成无标签样本矢量数据和有标签样本矢量数据；利用进化算法进行网络结构搜索得到若干目标阶梯网络模型；对每一目标阶梯网络模型分别进行半监督与无监督训练确定中间最优阶梯网络模型；其中，半监督训练为利用所述有标签样本矢量数据进行训练；无监督训练为利用所述有标签样本数据和所述无标签样本矢量数据进行训练；对所述中间最优阶梯网络模型进行半监督与无监督训练得到目标最优阶梯网络模型，所述目标最优阶梯网络模型对应的输出结果为变化检测结果；其中，所述分别对所述无标签样本数据和所述有标签样本数据进行矢量格式转换形成无标签样本矢量数据和有标签样本矢量数据，包括：利用预设的邻域窗口对所述第一遥感图像和所述第二遥感图像同一位置的像素点对进行采集得到对应图像块对；针对每一图像块对，将所述图像块对中每一图像块的像素点按行展开得到两个像素点矢量；将两个像素点矢量纵向连接形成新的像素点矢量；其中，所述无标签样本数据形成的所有新的新像素点矢量组成所述无标签样本矢量数据；对于所述有标签样本数据，还包括：同时，判断所有像素点对是否发生变化；将所有新的像素点矢量和其对应的判断结果纵向连接形成所述有标签样本矢量数据。

全文数据：

权利要求：

百度查询： 西北工业大学 一种遥感图像变化检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD