← 返回列表
一种使用多层级差异特征自适应融合的遥感图像变化检测方法
摘要文本
本发明公开了一种使用多层级差异特征自适应融合的遥感图像变化检测方法，所述方法包括以下步骤：本发明中使用膨胀邻域注意力的层次主干网络用于细化图像的边缘特征提取，使用膨胀邻域注意力可以有效扩大感受野从而保证全局注意力的计算从而捕获传统注意力主干网络不能捕获的更大物体；本发明通过差异特征增强模块来提升模型对伪变化区域和真正变化区域的鉴别能力，解决现有模型对双时相的差异特征提取能力不足的问题；本发明中通过使用一种多层级差异特征自适应融合模块使模型能够自主选择有最有价值的差异特征生成变化图；本发明在三个知名公开数据集上与知名的变化检测方法相比达到了最高水准。 来源：专利查询网
申请人信息
- 申请人:石家庄铁道大学
- 申请人地址:050043 河北省石家庄市长安区北二环东路17号
- 发明人: 石家庄铁道大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种使用多层级差异特征自适应融合的遥感图像变化检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311636588.5 |
| 申请日 | 2023/12/1 |
| 公告号 | CN117576567A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 石家庄铁道大学 |
| 发明人 | 张云佐; 甄嘉闻; 于璞泽; 陈丹; 沙金; 王双双; 刘婷; 杨月辉 |
| 地址 | 河北省石家庄市北二环东路17号 |
专利主权项内容
1.一种基于多层级差异特征融合的遥感图像变化检测方法，其特征在于，包括如下步骤：S1，将变化检测原数据集图片按照指定大小裁切成不重叠的子图，并划分为训练集、验证集、测试集；在输入进网络前进行数据增强；S2，将双时相数据输入进孪生空洞邻域注意力主干网络，通过主干网络不同层级来依次对双时相数据进行特征提取来获得多层级特征；S3，将主干网络在不同层级提取出的双时相特征分别输入到其分支对应的多层感知器进行初次解码后再输入进不同层级对应的增强差异特征提取模块来获取多层级差异特征；S4，将不同层级的差异特征上采样到同一大小后输入多层级差异特征自适应融合模块进行多层级差异特征融合；S5，将融合之后的差异特征输入进检测头，来进行像素级的遥感图像变化检测并生成检测完成后的变化图，迭代训练保存最好结果的模型参数；S6，将测试集的双时相遥感图片输入进遥感图像变化检测模型来得到对变化地物的预测。