申请/专利权人：中南大学;温州市勘察测绘研究院

申请日：2021-06-25

公开（公告）日：2024-04-02

公开（公告）号：CN113487546B

主分类号：G06T7/00

分类号：G06T7/00;G06T3/4046;G06N3/0464;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.10.18#实质审查的生效;2021.10.08#公开

摘要：本发明提供一种特征‑输出空间双对齐的变化检测方法，通过设计特征空间对齐，对前后时相的高层特征的相关性进行建模，拉近未变化区域像素在特征空间上的差异，使网络提取到未变化区域的高层特征趋于一致，以减弱伪变化问题对变化检测精度的影响；通过设计输出空间对齐，添加判别器，让变化检测结果和Groundtruth进行对抗性学习，编码包括外观、形状和上下文在内的多种视觉线索，使预测的变化检测结果分布接近Groundtruth的分布，提升变化预测图的质量。

主权项：1.一种特征-输出空间双对齐的变化检测方法，包括特征空间对齐、初始变化预测图P 生成、输出空间对齐及整体损失函数计算，其特征在于： 所述的变化检测方法的步骤为：1）特征空间对齐，包括训练数据获取、特征提取器构建、双时相影像特征提取、真实标签下采样、变化区域擦除及特征空间对齐损失计算；A、训练数据获取，包括获取同一区域不同时相的两幅遥感影像、及与、对应的变 化区域真实标签图Groundtruth，、及真实标签Groundtruth三个影像尺寸相同； B、特征提取器构建，特征提取器是孪生网络结构，由两个并行的卷积模块构成，两个 卷积模块权重参数共享，卷积模块由5个下采样模块组成，单个下采样模块包括两个卷积层 和一个最大池化层，最后一个卷积模块中没有最大池化层；卷积核大小均为3×3，步长为1， 池化尺寸为2×2；5个下采样层中的卷积层的通道数分别为16、32、64、128、128； C、双时相影像特征提取，给定一对双时相影像及，将其输入至特征提取器中，特征 提取器E输出两张特征图及； D、真实标签下采样，将真实标签Groundtruth缩放至与特征图及相同的尺寸； E、变化区域擦除，将步骤1）C中得到的下采样后的真实标签中的变化区域值设置为0， 未变化区域值设置为1，分别与及做点乘，使得变化区域像素的loss值为0，只对未变化 区域计算损失； F、特征空间对齐损失计算，当及中未变化区域像素的距离越来越小，即趋近于0 时，的值趋近于0； （1） 其中，代表前一时相的高层特征，代表后一时相的高层特征，代表下采样后的 groundtruth；表示与在（i,j）处特征向量之间的距离； 2）初始变化预测图P生成，包括双时相特征融合、解码器构建、特征解码及变化损失 计算； A、双时相特征融合，根据步骤1）B中所得：，表示前一个时相图像输 出的特征图，表示后一个时相图像输出的特征图，将特征图与进行融合，融合后的 特征可用公式表达： （2） B、解码器构建，解码器由两个上采样模块构成，单个上采样模块包含两个反卷积层和 一个上池化层，反卷积层通道数分别为64和1，上池化层尺寸为4×4； C、特征解码，将步骤2）A中所得的融合后特征输入至解码器中，解码器将恢复至与 输入图像及相同尺寸，得到初始变化预测图，； D、变化损失计算，将预测的变化检测结果P与groundtruth计算交叉熵损失，变化 损失可用公式表达： （3） 其中，表示真实标签，表示预测变化结果，表示训练样本的个数； 3）输出空间对齐，包括判别器构建及对抗损失计算，学习来自输出空间的形状、布局及场景上下文信息，在训练中剔除变化检测预测结果中与groundtruth输出表达不一致的区域；A、判别器构建，将变化检测结果与真实的变化检测结果Groundtruth输入判别器D 中，判别器D由5个卷积层和一个上采样模块组成，卷积核大小均为4×4，步长为2；五个卷积 层的通道数分别为64、128、256、512、1；除最后一层外，每个卷积层后面都有一个参数为0.2 的LeakyReLU层，上采样层在卷积层后，以将输出重新缩放为输入的大小； B、对抗损失计算，判别器利用该损失更新孪生网络参数，直至判别器无法判别输入图 像的来源，此时认定真实的变化检测结果与预测的变化检测结果在分布上进行了对齐，从 而消除未变化区域像素间的差异，以此减少伪变化，对抗损失可用公式表达 （4） 当z=0时，说明样本为预测结果；当z=1时，说明样本为groundtruth；4）整体损失函数计算，包括特征空间对齐损失、输出空间对抗损失及变化损失，整体 损失函数可用公式表达： （5） 其中，是预测的变化检测结果与groundtruth交叉熵损失，是在特征对齐模块中 所设计的损失，而是在输出空间对齐模块中所设计的的对抗性损失；和是用来平衡两 个损失的权重，取值范围为0，1；通过训练，最小化损失函数，不断优化变化预测图P。

全文数据：

权利要求：

百度查询： 中南大学;温州市勘察测绘研究院 一种特征-输出空间双对齐的变化检测方法

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