基于卷积神经网络的遥感影像变化检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114155200A(43)申请公布日2022.03.08(21)申请号202111321164.0(22)申请日2021.11.09(71)申请人二十一世纪空间技术应用股份有限公司地址100089北京市海淀区建材城东路26号(72)发明人陈婷李志强何建军闫东阳乔月霞(74)专利代理机构北京维正专利代理有限公司11508代理人谢明晖(51)Int.Cl.G06T7/00(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书9页附图7页(54)发明名称基于卷积神经网络的遥感影像变化检测方法(57)摘要本申请的实施例提供了基于卷积神经网络的遥感影像变化检测方法、装置、设备和计算机可读存储介质。所述方法包括获取连续的多期遥感影像；将所述连续的多期遥感影像，输入至变化检测模型中，确定目标地物的变化区域；所述变化区域为包括目标地物增、减属性的区域；对所述变化区域进行标定，得到所述遥感影像的检测结果。以此方式，提高了遥感影像检测结果的可靠性。CN114155200ACN114155200A权利要求书1/2页1.一种基于卷积神经网络的遥感影像变化检测方法，其特征在于，包括：获取连续的多期遥感影像；将所述连续的多期遥感影像，输入至变化检测模型中，确定目标地物的变化区域；所述变化区域为包括目标地物增、减属性的区域；对所述变化区域进行标定，得到所述遥感影像的检测结果。2.根据权利要求1所述的方法，其特征在于，所述变化检测模型为孪生网络结构包括语义分割结构和变化检测结构。3.根据权利要求2所述的方法，其特征在于，所述对所述变化区域进行标定包括：通过已构建的伪变化检测网络，对所述变化区域进行处理，删除所述变化区域内的伪变化地块；通过已构建的轨迹辨别网络，对已通过所述伪变化检测网络进行处理的变化区域进行处理，得到包括变化轨迹的遥感影像检测结果。4.根据权利要求3所述的方法，其特征在于，通过已构建的伪变化检测网络，对所述变化区域进行处理，删除所述变化区域内的伪变化地块包括：遍历所述变化区域，确定所述变化区域的四至范围；基于所述四至范围对所述变化区域进行剪裁，得到图像块；将所述图像块输入至已构建的伪变化检测网络，得到所述变化区域属于伪变化区域的概率；若所述概率大于预设阈值，则删除所述变化区域内的伪变化地块。5.根据权利要求4所述的方法，其特征在于，所述通过已构建的轨迹辨别网络，对已通过所述伪变化检测网络进行处理的变化区域进行处理，得到包括变化轨迹的遥感影像检测结果包括：遍历已通过所述伪变化检测网络进行处理的变化区域，确定变化区域的属性；基于所述变化区域的属性，对所述多期遥感影像中的前期或后期影像进行裁剪，并输入至所述轨迹辨别网络，得到包括变化轨迹的遥感影像检测结果。6.根据权利要求5所述的方法，其特征在于，所述基于所述变化区域的属性，对所述多期遥感影像中的前期或后期影像进行裁剪，并输入至所述轨迹辨别网络，得到包括变化轨迹的遥感影像检测结果包括：若所述变化区域的属性为增，则对所述多期遥感影像中的前期影像进行裁剪，输入至所述轨迹辨别网络，对所变化区域内的目标地物的变化进行标定，得到包括变化轨迹的遥感影像检测结果；若所述变化区域的属性为减，则对所述多期遥感影像中的后期影像进行裁剪，输入至所述轨迹辨别网络，对所变化区域内的目标地物的变化进行标定，得到包括变化轨迹的遥感影像检测结果。7.根据权利要求6所述的方法，其特征在于，所述伪变化检测网络为不对称孪生网络。8.一种基于卷积神经网络的遥感影像变化检测装置，其特征在于，包括：获取模块，用于获取连续的多期遥感影像；确定模块，用于将所述连续的多期遥感影像，输入至变化检测模型中，确定目标地物的变化区域；所述变化区域为包括目标地物增、减属性的区域；2CN114155200A权利要求书2/2页检测模块，用于对所述变化区域进行标定，得到所述遥感影像的检测结果。9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7中任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～7中任一项所述的方法。3CN114155200A说明书1/9页基于卷积神经网络的遥感影像变化检测方法技术领域[0001]本申请的实施例涉及影像处理领域，尤其涉及基于卷积神经网络的遥感影像变化检测方法、装置、设备和计算机可读存储介质。背景技术[0002]变化检测是遥感领域内的一项重点和难点，它可应用在农业、民用、军事等多种领域。随着深度学习技术的不断成熟，已有很多单位与学者将深度学习技术用在了