一种高分辨率遥感影像变化检测方法、设备及产品与流程

本发明涉及图像处理领域，特别是涉及一种高分辨率遥感影像变化检测方法、设备及产品。

背景技术：

1、洪水、干旱、海平面上升、山体滑坡、热浪或寒潮等自然灾害的发生和严重程度被认为与气候变化和人类活动密切相关。气候变化往往会改变这些危害的特征，而人类基础设施可以放大或减少这些危害的潜在风险。例如，由于快速城市化和经济发展，挖掘、占领、建筑和道路建设等人类活动可能会通过改变降雨期间的水流规律而增加洪水风险。因此，加强监管是通过及时识别和监测这些行为来减少人为影响的最有效方法之一。随着遥感技术的快速进步，无需人工检查即可实现对目标区域的实时监控。特别是，高分辨率遥感图像已逐渐可用，它可以在精细尺度上提供有关地球表面状况的精确细节，并允许快速更新观测数据以支持自然灾害风险评估。通过监控图像，可以检测人类基础设施的变化，从而识别危险行为。然而，如何准确有效地处理高分辨率遥感图像仍然具有挑战性。最重要的问题之一是，虽然高分辨率增强了物体识别的更精细的空间细节，但在图像采集过程中对照明条件和偶尔中断的敏感性也会增加。此外，遥感图像通常尺寸较大且需要分割，从而导致不一致，特别是在边界处。

2、深度学习等新技术在模式识别和特征提取方面展现出了其潜力。与传统方法不同，深度学习模型可以利用足够的标记数据进行自动训练，从而获得更高的检测精度，并且可以识别和提取图像的特征。最近的大多数研究都采用卷积神经网络(cnn)来处理大型数据集以进行特征提取。在遥感图像变化检测领域也非常流行，例如双注意力全卷积连体网络(dasnet)、基于triplet的语义关系网络、深度网络特征差异卷积神经网络、双任务约束深度暹罗卷积网络、深度监督图像融合网络。然而，利用cnn处理大型数据集以进行特征提取时，其仅能够提取局部特征，在处理大尺寸图像时，cnn提取的特征无法包含全局信息。

3、因此，亟需提供一种新的高分辨率遥感影像变化检测方法，进而能够通过捕获图像的两个阶段之间的差异，进而检测充满复杂细节的遥感图像的变化。

技术实现思路

1、本发明的目的是提供一种高分辨率遥感影像变化检测方法、设备及产品，能够提高高分辨率遥感影像变化检测的准确性。

2、为实现上述目的，本发明提供了如下方案：

3、一种高分辨率遥感影像变化检测方法，所述方法包括：

4、根据待观察区域的高分辨率遥感影像，获取第一图像和第二图像；所述第一图像和第二图像为待观察区域的高分辨率遥感影像不同阶段的两个图像；

5、构建混合cnn-vit模型，并根据混合cnn-vit模型确定高分辨率遥感影像变化检测模型；所述混合cnn-vit模型为对偶resnet18+transformer深度学习模型；所述对偶resnet18+transformer深度学习模型包括：残差网络resnet-18、语义分词器、transformer编码器、transformer解码器以及预测头；

6、根据第一图像和第二图像，采用高分辨率遥感影像变化检测模型，确定变化检测结果。

7、可选地，所述残差网络resnet-18包括：卷积层以及4个残差块；每个所述残差块包括：卷积运算、批量归一化和激活；残差块的结果输入至语义分词器。

8、可选地，所述语义分词器用于根据softmax函数和注意力图从特征张量中提取语义信息。

9、可选地，所述transformer编码器采用自注意力机制；所述transformer编码器包括：归一化层、多头自注意力层、层归一化以及多层感知器，并进行4次编码生成新的上下文感知序列tokensnew。

10、可选地，所述transformer解码器包括：归一化层、跳跃连接、层归一化和多层感知器。

11、可选地，所述预测头包括：两个3×3卷积层和批量归一化层。

12、一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现所述方法的步骤。

13、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现所述方法的步骤。

14、根据本发明提供的具体实施例，本发明公开了以下技术效果：

15、本发明所提供的一种高分辨率遥感影像变化检测方法、设备及产品，通过构建混合cnn-vit模型，并根据混合cnn-vit模型确定高分辨率遥感影像变化检测模型，结合注意力机制可以取得更好的结果；本发明结合了cnn在图像特征提取方面的强大能力，以及从图像中获取全局语义信息的能力注意力机制。它在复杂图像变化检测中识别正样本和避免误报之间的平衡有了显着的改进，能够通过捕获图像的两个阶段之间的差异，检测充满复杂细节的遥感图像的变化，进而提高高分辨率遥感影像变化检测的准确性。

技术特征：

1.一种高分辨率遥感影像变化检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种高分辨率遥感影像变化检测方法，其特征在于，所述残差网络resnet-18包括：卷积层以及4个残差块；每个所述残差块包括：卷积运算、批量归一化和激活；残差块的结果输入至语义分词器。

3.根据权利要求1所述的一种高分辨率遥感影像变化检测方法，其特征在于，所述语义分词器用于根据softmax函数和注意力图从特征张量中提取语义信息。

4.根据权利要求1所述的一种高分辨率遥感影像变化检测方法，其特征在于，所述transformer编码器采用自注意力机制；所述transformer编码器包括：归一化层、多头自注意力层、层归一化以及多层感知器，并进行4次编码生成新的上下文感知序列tokensnew。

5.根据权利要求1所述的一种高分辨率遥感影像变化检测方法，其特征在于，所述transformer解码器包括：归一化层、跳跃连接、层归一化和多层感知器。

6.根据权利要求1所述的一种高分辨率遥感影像变化检测方法，其特征在于，所述预测头包括：两个3×3卷积层和批量归一化层。

7.一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述方法的步骤。

8.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。

技术总结本发明公开一种高分辨率遥感影像变化检测方法、设备及产品，涉及图像处理领域，该方法包括根据待观察区域的高分辨率遥感影像，获取第一图像和第二图像；构建混合CNN‑VIT模型，根据混合CNN‑VIT模型确定高分辨率遥感影像变化检测模型；混合CNN‑VIT模型为对偶ResNet18+Transformer深度学习模型；对偶ResNet18+Transformer深度学习模型包括：残差网络ResNet‑18、语义分词器、Transformer编码器、Transformer解码器及预测头；采用高分辨率遥感影像变化检测模型，确定变化检测结果。本发明能够提高高分辨率遥感影像变化检测的准确性。技术研发人员：姚舜禹,王晗,阚光远,李青,孙涛,苏亚鲁,刘昌军受保护的技术使用者：中国水利水电科学研究院技术研发日：技术公布日：2024/7/29