(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 202210268182.5 (22)申请日 2022.03.17 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 袁媛　宋帅　张园林　 (74)专利代理 机构 西安凯多 思知识产权代理事 务所(普通 合伙) 61290 专利代理师 王鲜凯 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 多阶段信息融合的高分辨率遥感图像建筑 物变化检测方法 (57)摘要 本发明提供了一种多阶段信息融合的高分 辨率遥感图像 建筑物变化检测方法。 双时相高分 辨率遥感图像输入数据增强模块， 通过分割、 裁 剪等操作， 得到含有更多变化建筑物的双时相子 图像块和其标签； 然后， 将双时相子图像块输入 网络， 分别经过浅层特征提取、 前期融合层、 卷积 特征编码层、 中期特征融合层、 卷积特征解码层、 后期特征融合层， 得到最终的变化检测二分类结 果。 本发明能够有效避免遥感图像负样本过多导 致模型检测效果差的问题， 且通过采用多层级的 融合处理， 可使得到的结果具有更好的鲁棒性和 清晰的边 缘。 权利要求书2页 说明书5页 附图1页 CN 114821350 A 2022.07.29 CN 114821350 A 1.一种多阶段信息 融合的高分辨率遥感图像建筑物变化检测方法， 其特征在于步骤如 下： S1、 将训练集中的双时相高分辨率遥感图像及其标签输入数据增强模块， 首先将标签 分割为3×3或4×4大小的子区域， 并在每个分割后的子区域中随机选择一个点， 以该点为 中心在标签上进行裁剪， 得到3 ×3或4×4个大小为256 ×256的子图像作为候选图像， 以每 个候选图像中正样本数量的归一化值作为其概率权重； 依据所赋予的概率进 行不等概率抽 样， 选择得到一幅候选图像， 以此图的中心点位置为中心， 分别 在双时相图像上裁剪得到大 小为256×256的双时相子图像块； 所述的正样本是指图像中变化建筑物对应的像素点； S2、 以步骤1得到的双时相子图像块作为训练数据集， 以不等概率抽样选择得到的候选 样图像作为网络训练的标签， 输入到 建筑物变化检测网络， 对网络进 行训练， 得到训练好的 建筑物变化检测网络； 所述的建筑物变化检测网络的处 理过程如下： 步骤a： 输入双时相子图像块， 使用7 ×7的卷积核分别对其进行特征提取， 得到对应的 浅层特征图； 经过前期融合层将双时相图像块的浅层特征图进行拼接并经过通道注意力将 通道数量减半， 得到前期融合特征； 再使用经过预训练的ResNet ‑18分别对双时相图像块的 浅层特征图和前期 融合特征进行特征提取， 得到对应的时相1卷积特征图、 时相2卷积特征 图和融合卷积特 征图； 步骤b： 将时相1卷积特征图、 时相2卷积特征图和融合卷积特征图输入到中期特征融合 层， 首先将时相1卷积特征图和时相2卷积特征图进行相加、 差分、 拼接后， 分别得到相加后 卷积特征图、 差分后卷积特征图、 拼接后卷积特征图； 将相加后卷积特征图、 差分后卷积特 征图、 拼接后卷积特征图和融合卷积特征图进行拼接得到中期拼接特征图， 再经过通道注 意力模块和1 ×1卷积， 将中期拼接特征图降维到和时相1卷积特征图相同的通道数， 得到中 期融合后的特 征图； 步骤c： 将时相1卷积特征图、 时相2卷积特征图和中期融合卷积特征图分别输入卷积特 征解码层， 经过若干次上采样卷积， 得到对应的时相1解码特征图、 时相2 解码特征图和中期 融合解码特征图； 步骤d： 将时相1解码特征图、 时相2解码特征图和中期融合解码特征图进行拼接得到后 期拼接特征图， 再经过通道注意力模块和1 ×1卷积， 将后 期拼接特征图降维到和时相1解码 特征图相同的通道数， 得到后期 融合特征图， 将后期 融合特征图和中期 融合解码特征图相 加后再经1×1卷积， 输出变化检测二分类结果； 建筑物变化检测网络的损失函数设置如下： CE(p， y)＝ ‑α ylog(p)‑(1‑α )(1‑y)log(1‑p)        (I) 其中， p∈(0,1)表示输出的结果， y∈{0,1}表示在标签中是否存在建筑物的变化， 0表 示没有变化， 1表示存在变化， C E(p,y)表示网络损失值， α 表示权 重， 取值范围为0.5～0.6； S3、 将待处理的双时相遥感图像输入到步骤2训练好的建筑物变化检测图像， 输出得到 变化检测二分类结果。 2.如权利要求1所述的一种多阶段信息融合的高分辨率遥感图像建筑物变化检测方 法， 其特征在于： 所述的卷积特 征编码层采用AlexNet、 Go ogLeNet、 VG G或ResNet网络 。 3.如权利要求1或2所述的一种多阶段信息融合的高分辨率遥感图像建筑物变化检测权　利　要　求　书 1/2 页 2 CN 114821350 A 2方法， 其特 征在于： 所述的卷积特 征解码层采用UNet或FPN结构。权　利　要　求　书 2/2 页 3 CN 114821350 A 3