(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211136723.5 (22)申请日 2022.09.19 (71)申请人 中国科学院国家空间科 学中心 地址 100190 北京市海淀区中关村南 二条1 号 (72)发明人 戴育岐　郑铁　薛长斌　周莉　 (74)专利代理 机构 北京方安思达知识产权代理 有限公司 1 1472 专利代理师 武玥　张红生 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习的行星遥感影像地表地 形变化检测方法 (57)摘要 本发明属于遥感影像处理、 变化检测技术领 域， 尤其涉及一种基于深度学习的行星遥感影像 地表地形变化检测方法， 该方法包括： 将获取的 待检测区域的双时相行星遥感影像数据输入预 先建立与训练好的行星遥感影像变化模型， 得到 地表地形变化检测结果； 行星遥感影像变化模型 基于孪生网络框架进行双时相图像多层特征的 提取， 通过多级差异特征融合结构， 综合衡量不 同层级的差异特征， 实现地形变化的检测。 本发 明设计的行星遥感影像变化模型不仅准确率高， 而且具有参数少、 计算复杂度低的优势， 有较高 的实际应用价 值。 权利要求书2页 说明书4页 附图2页 CN 115424145 A 2022.12.02 CN 115424145 A 1.一种基于深度学习的行星遥感影 像地表地形变化检测方法， 所述方法包括： 将获取的待检测区域的双时相行星遥感影像数据输入预先建立与训练好的行星遥感 影像变化模型， 得到地表地形变化检测结果； 所述行星遥感影像变化模型基于孪生网络框架进行双时相图像多层特征的提取， 通过 多级差异特 征融合结构， 综合衡量 不同层级的差异特 征， 实现地形变化的检测。 2.根据权利要求1所述的基于深度学习的行星遥感影像地表地形变化检测方法， 其特 征在于， 所述行星遥感影像变化模型的输入为T1时刻和T2时刻行星同一待检测区域配准后 的遥感影像数据， 所述遥感影像数据的类型包括可见光图像和多光谱图像， 输出为地表地 形是否变化的检测结果； 所述行星遥感影像变化模型包括双时相图像特征提取模块、 多级 特征差异融合模块以及分类决策模块； 其中， 所述双时相图像特征提取模块， 用于进行双时相图像多层特征的提取， 增强局部与全 局的视觉特征表征能力； 所述多级特征差异融合模块， 用于综合衡量 不同层级的差异特 征， 增强特 征表达能力； 所述分类决策模块， 用于 输出检测结果， 为0表示未发生改变， 为1表示发生改变。 3.根据权利要求1所述的基于深度学习的行星遥感影像地表地形变化检测方法， 其特 征在于， 所述双时相图像特征提取模块采用基本的孪生网络框架， 包括两个结构相同的改 进型MobileViT网络， 所述改进型MobileViT网络以MobileViT骨干网络部分作为特征提取 器， 去除了原始MobileViT 最后的池化层和分类器， 并在每个改进型MobileViT网络的mvit1 模块输出处、 mvit2模块输出处以及改进型MobileViT网络输出处分别设置三个特征位置， 从而得到T1时刻待检测行星遥感影像数据的第一级特征Stage1_T1、 第二级特征Stage2 _T1 和第三级特征Stage3_T1， 以及T2时刻待检测行星遥感影像数据的第一级特征Stage1_T、 2 第二级特 征Stage2_T2和第三级特 征Stage3_T2。 4.根据权利要求3所述的基于深度学习的行星遥感影像地表地形变化检测方法， 其特 征在于， 所述多 级特征差异融合模块MFDF的处 理过程包括： 对特征Stage1_T1和Stage1_T2， Stage2_T1和Stage2_T2以及Stage3_T1和Stage3_T2分 别计算绝对差值， 得到对应的第一级绝对差值Diff1， 第二级绝对差值Diff2， 第三级绝对差 值Diff3； 将Diff1与Diff2进行级联操作得到第一级联输出Fdf1， 然后将Fdf1依次输入3 ×3的标准 卷积层以及最大池化层得到第二级 联输出Fdf2， 再将Fdf2与Diff3进行级联得到第三级 联输 出Fdf3， 并输出至分类决策模块。 5.根据权利要求2所述的基于深度学习的行星遥感影像地表地形变化检测方法， 其特 征在于， 所述分类决策模块包括平均池化层与全连接层。 6.根据权利要求2所述的基于深度学习的行星遥感影像地表地形变化检测方法， 其特 征在于， 所述方法还 包括行星遥感影 像变化模型的训练步骤； 具体包括： 采用公开的火星图像数据建立训练集；权　利　要　求　书 1/2 页 2 CN 115424145 A 2分批次将训练集中的样本数据输入行星遥感影像变化模型， 计算交叉熵损 失函数， 进 行梯度反向传播， 采用Adam优化器更新网络权重， 迭代更新直至满足训练要求， 得到训练好 的行星遥感影 像变化模型。 7.一种基于深度学习的行星遥感影像地表地形变化检测系统， 其特征在于， 所述系统 包括： 检测输出模块和行星遥感影 像变化模型； 其中， 所述检测输出模块， 用于将 获取的行星待检测区域双时相遥感影像数据输入预先建立 与训练好的行星遥感影 像变化模型， 得到地表地形变化检测结果； 所述行星遥感影像变化模型基于孪生网络框架进行双时相图像多层特征的提取， 通过 多级差异特 征融合结构， 综合衡量 不同层级的差异特 征， 实现地形变化的检测。权　利　要　求　书 2/2 页 3 CN 115424145 A 3