申请/专利权人：哈尔滨工业大学

申请日：2024-02-02

公开（公告）日：2024-05-10

公开（公告）号：CN118015460A

主分类号：G06V20/10

分类号：G06V20/10;G06N3/0455;G06N3/08;G06V10/82;G06V10/80;G06V10/44

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种基于跨尺度引导和增强的遥感图像变化检测方法，所述方法包括如下步骤：使用权重共享的双编码器提取双时相遥感图像中的多层次特征，并利用高阶特征交互模块提高对多尺度特征的感知和表征能力；改进解码器和编码器之间的跳跃连接操作，提出跨尺度引导增强模块来增强感兴趣变化的特征，并过滤无关的背景干扰；使用双时相特征对齐融合模块对多层次解码器重建的变化语义信息进行融合，提取感兴趣的变化地物，避免双时相特征匹配误差产生的伪变化。该方法利用低层空间信息引导和约束深度语义信息的重建过程，增强感兴趣变化特征并过滤无关背景干扰，并兼顾多尺度地物特性和双时相特征之间的配准误差问题，从而提高变化检测的准确性。

主权项：1.一种基于跨尺度引导和增强的遥感图像变化检测方法，其特征在于所述方法包括如下步骤：步骤一：使用权重共享的双编码器提取双时相遥感图像中的多层次特征，并利用高阶特征交互模块提高对多尺度特征的感知和表征能力；步骤二：使用通道注意力思想改进解码器和编码器之间的跳跃连接操作，提出跨尺度引导增强模块CGEM来增强感兴趣变化的特征，并过滤无关的背景干扰，具体步骤如下：步骤二一：CGEM首先对低层特征图进行全局平均池化，将其压缩为1×1×Ci的向量，用于表征特征图中每个通道的重要程度，其中Hi＝H02i,Wi＝W02i,Ci＝2i+4分别表示对应特征图的尺寸和特征通道数；步骤二二：为了实现对深层特征图重建的引导，通过卷积操作将Fdi+1的通道数量压缩为Ci并与引导特征向量逐像素相乘；步骤二三：对深层特征图Fdi+1进行通道压缩和上采样操作，并与上采样后的特征图A沿通道维度进行拼接，得到保留空间域信息和语义信息的拼接特征图；步骤二四：使用1×1的卷积层将拼接特征图的通道数压缩为Ci，输出深层解码特征图使用数学公式表示以上过程： 其中，fGAP·表示自适应平均池化，fFC·为全连接层，Up·表示上采样，Baseconv·表示卷积层、批归一化层和非线性激活函数的组合；步骤三：使用一系列的双时相特征对齐融合模块对多层次解码器重建的变化语义信息进行融合，提取感兴趣的变化地物，避免双时相特征匹配误差产生的伪变化，具体步骤如下：步骤三一：将双解码器对应层输出的特征图和沿通道维度进行拼接，然后输入一个包含两个卷积层的语义流场提取子网络中，卷积层的核大小为5×5，子网络的输出为语义流场信息用数学表达为： 其中，Convflow·表示语义流场提取子网络；步骤三二：计算得到流场信息后，将Δfi沿通道维度平均拆分，得到和步骤三三：利用语义流场信息分别对双时相特征进行空间位置相互校正，利用双线性差值得到校正后的特征图；步骤三四：将双时相特征图分别与另一时相校正后特征图之间计算欧氏距离，并将两个距离图进行沿通道维度的拼接操作；步骤三五：利用卷积核为1×1的前向传播卷积层得到对齐融合的变化特征图，表示为： 其中，wrap·表示基于双线性插值的校正特征图计算操作。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于跨尺度引导和增强的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