一种遥感影像变化检测方法、装置、设备及可读存储介质与流程

本技术涉及计算机视觉，特别是涉及一种遥感影像变化检测方法、装置、设备及可读存储介质。

背景技术：

1、随着卫星影像空间分辨率与重访频率的提高，利用变化检测技术快速准确的发现地表变化信息已经成为当前遥感领域研究的热点。遥感变化检测是利用同一地表区域不同时期的多源遥感影像和相关地理空间数据，结合相应地物特性和遥感成像机理，采用图像、图形处理理论及数理模型方法，确定和分析该地域地物位置、范围的变化和地物性质、状态的变化，分离出感兴趣的变化信息，滤除作为干扰因素的不相干的变化信息，在植被变化、城市扩展、违法建筑检测等领域有着广泛的应用。

2、目前，在现有的遥感影像变化检测中，一般基于像素的变化检测与基于物体的变化检测。基于像素的变化检测通过直接对比像素的光谱信息或纹理信息产生一张差异图，通过阈值分割或聚类生成最终结果图。基于物体的变化检测将图像分成不相连的物体，使用光谱、纹理、结构和几何信息分析图像之间的差异。其中，基于像素的变化检测易于实现，但因为忽略了空间上下文信息，会产生大量椒盐噪声；基于物体的变化检测的结果精度对差异图的依赖很大，但是在生成差异图的过程中会损失很多信息，进而导致变化检测结果准确度低的问题。

3、因此，如何提高遥感影像变化检测准确度，是目前本领域技术人员亟待解决的技术问题。

技术实现思路

1、基于上述问题，本技术提供了一种遥感影像变化检测方法、装置、设备及可读存储介质，用于提高遥感影像变化检测准确度。

2、本技术实施例公开了如下技术方案：

3、第一方面，本技术提供了一种遥感影像变化检测方法，所述方法包括：

4、获取待检测区域的至少两个时相影像，并对各个所述时相影像进行预处理；

5、将各个预处理后的时相影像输入到预先建立的遥感影像检测模型中，得到所述待检测区域的遥感影像变化检测结果；

6、其中，预先建立所述遥感影像检测模型的过程包括：

7、获取地物变化前的样本时相影像和所述地物变化后的样本时相影像，并对各个所述样本时相影像进行预处理；

8、利用各个预处理后的样本时相影像，对构建的以resnet网络为框架，且含有特征对齐模块和上下文模块组成的sfnet语义流结构的检测模型进行训练，得到所述遥感影像检测模型。

9、可选的，所述利用各个预处理后的样本时相影像，对构建的以resnet网络为框架，且含有特征对齐模块和上下文模块组成的sfnet语义流结构的检测模型进行训练，得到所述遥感影像检测模型，包括：

10、获取所述预处理后的样本时相影像对应的变化区二值化图，所述变化区二值化图为人工截取所述预处理后的样本时相影像中的地物类别变化区域，标注所述地物类别变化区域对应像素位置的标签值为1，其余位置为0，保存得到的；

11、将所述预处理后的样本时相影像和对应的变化区二值化图输入到所述以resnet网络为框架，且含有特征对齐模块和上下文模块组成的sfnet语义流结构的检测模型进行训练，得到所述遥感影像检测模型。

12、可选的，所述将所述预处理后的样本时相影像和对应的变化区二值化图输入到所述以resnet网络为框架，且含有特征对齐模块和上下文模块组成的sfnet语义流结构的检测模型进行训练，得到所述遥感影像检测模型，包括：

13、使用所述resnet网络提取所述预处理后的样本时相影像的影像特征，所述resnet网络分为5个层级，其中依次在不同层级中以1/2倍方式降低特征图的分辨率；

14、将所述resnet网络中后4个层级对应的影像特征作为金字塔特征图输入到所述sfnet语义流结构；

15、利用所述上下文模块中预设数量的不同尺寸的平均池化对所述金字塔特征图最后一层进行计算，得到相对应数量的不同尺寸的池化特征图，分别上采样至池化前的分辨率，拼接并进行卷积融合得到上下文模块输出的特征图；

16、通过所述特征对齐模块，对所述相对应数量的不同尺寸的金字塔特征图进行特征对齐，并分别上采样得到相对应数量的相同分辨率的层级特征图；

17、将所述相对应数量的相同分辨率的层级特征图进行拼接，得到复合特征图，利用卷积融合得到sfnet语义流结构模型输出的特征图；

18、将sfnet语义流结构模型输出的两时相特征图进行拼接，利用卷积计算得到概率特征图；

19、若所述概率符合特征图中像素位置的标签值与所述样本时相影像对应的变化区二值化图中像素位置的标签值相对应概率大于或等于预设学习概率，则学习结束，得到所述遥感影像检测模型；

20、若所述概率特征图中像素位置的标签值与所述样本时相影像对应的变化区二值化图中像素位置的标签值相对应概率小于预设学习概率，则利用损失函数，继续对所述检测模型进行参数调优。

21、可选的，所述损失函数为二分类交叉熵损失函数。

22、可选的，所述对各个所述时相影像进行预处理，包括：对各个所述时相影像进行几何校正、辐射校正、去噪。

23、可选的，所述对各个所述样本时相影像进行预处理，包括：

24、对各个所述样本时相影像进行几何校正、辐射校正、去噪、增广处理，所述增广处理包括水平翻转、垂直翻转、旋转、变换尺度、裁剪、平移和添加噪声中一种或多种。

25、可选的，所述将各个预处理后的时相影像输入到预先建立的遥感影像检测模型中，得到所述待检测区域的遥感影像变化检测结果，包括：

26、将各个预处理后的时相影像输入到预先建立的遥感影像检测模型中，对像素位置的变化概率进行计算；

27、将概率计算后的结果的像素位置根据预设阈值进行二值化处理，将超过所述预设阈值的像素位置标签值赋值为1，将未超过所述预设阈值的像素位置标签值赋值为0；

28、将像素位置赋值后的二值化特征图像输出，作为所述待检测区域的遥感影像变化检测结果。

29、第二方面，本技术提供了一种遥感影像变化检测装置，所述装置包括：

30、获取模块，用于获取待检测区域的至少两个时相影像，并对各个所述时相影像进行预处理；

31、检测模块，用于将各个预处理后的时相影像输入到预先建立的遥感影像检测模型中，得到所述待检测区域的遥感影像变化检测结果；

32、还包括，用于预先建立所述遥感影像检测模型的建立模块，所述建立模块包括：

33、获取单元，用于获取地物变化前的样本时相影像和所述地物变化后的样本时相影像，并对各个所述样本时相影像进行预处理；

34、训练单元，用于利用各个预处理后的样本时相影像，对构建的以resnet网络为框架，且含有特征对齐模块和上下文模块组成的sfnet语义流结构的检测模型进行训练，得到所述遥感影像检测模型。

35、可选的，所述训练单元，包括：

36、获取子单元，用于获取所述预处理后的样本时相影像对应的变化区二值化图，所述变化区二值化图为人工截取所述预处理后的样本时相影像中的地物类别变化区域，标注所述地物类别变化区域对应像素位置的标签值为1，其余位置为0，保存得到的；

37、训练子单元，用于将所述预处理后的样本时相影像和对应的变化区二值化图输入到所述以resnet网络为框架，且含有特征对齐模块和上下文模块组成的sfnet语义流结构的检测模型进行训练，得到所述遥感影像检测模型。

38、可选的，所述训练子单元，具体用于：使用所述resnet网络提取所述预处理后的样本时相影像的影像特征，所述resnet网络分为5个层级，其中依次在不同层级中以1/2倍方式降低特征图的分辨率；将所述resnet网络中后4个层级对应的影像特征作为金字塔特征图输入到所述sfnet语义流结构；利用所述上下文模块中预设数量的不同尺寸的平均池化对所述金字塔特征图最后一层进行计算，得到相对应数量的不同尺寸的池化特征图，分别上采样至池化前的分辨率，拼接并进行卷积融合得到上下文模块输出的特征图；通过所述特征对齐模块，对所述相对应数量的不同尺寸的金字塔特征图进行特征对齐，并分别上采样得到相对应数量的相同分辨率的层级特征图；将所述相对应数量的相同分辨率的层级特征图进行拼接，得到复合特征图，利用卷积融合得到sfnet语义流结构模型输出的特征图；将sfnet语义流结构模型输出的两时相特征图进行拼接，利用卷积计算得到概率特征图。若所述概率特征图中像素位置的标签值与所述样本时相影像对应的变化区二值化图中像素位置的标签值相对应概率大于或等于预设学习概率，则学习结束，得到所述遥感影像检测模型；若所述概率特征图中像素位置的标签值与所述样本时相影像对应的变化区二值化图中像素位置的标签值相对应概率小于预设学习概率，则利用损失函数，继续对所述检测模型进行参数调优。

39、可选的，所述获取模块，具体用于：对各个所述时相影像进行几何校正、辐射校正、去噪。

40、可选的，所述获取单元，具体用于：对各个所述样本时相影像进行几何校正、辐射校正、去噪、增广处理，所述增广处理包括水平翻转、垂直翻转、旋转、变换尺度、裁剪、平移和添加噪声中一种或多种。

41、可选的，所述检测模块，包括：

42、计算单元，用于将各个预处理后的时相影像输入到预先建立的遥感影像检测模型中，对像素位置的变化概率进行计算；

43、处理单元，用于将概率计算后的结果的像素位置根据预设阈值进行二值化处理，将超过所述预设阈值的像素位置标签值赋值为1，将未超过所述预设阈值的像素位置标签值赋值为0；

44、输出单元，用于将像素位置赋值后的二值化特征图像输出，作为所述待检测区域的遥感影像变化检测结果。

45、第三方面，本技术提供了一种遥感影像变化检测设备，包括：存储器和处理器；

46、所述存储器，用于存储程序；

47、所述处理器，用于执行所述程序，实现上述一种遥感影像变化检测方法的各个步骤。

48、第四方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现上述一种遥感影像变化检测方法的各个步骤。

49、相较于现有技术，本技术具有以下有益效果：

50、本技术公开了一种遥感影像变化检测方法、装置、设备及可读存储介质。首先，获取待检测区域的至少两个时相影像，并对各个所述时相影像进行预处理。然后，将各个预处理后的时相影像输入到预先建立的遥感影像检测模型中，得到所述待检测区域的遥感影像变化检测结果。其中，预先建立所述遥感影像检测模型的过程包括：获取地物变化前的样本时相影像和所述地物变化后的样本时相影像，并对各个所述样本时相影像进行预处理。利用各个预处理后的样本时相影像，对构建的以resnet网络为框架，且含有特征对齐模块和上下文模块组成的sfnet语义流结构的检测模型进行训练，得到所述遥感影像检测模型。通过特征对齐模块和上下文模块使得遥感影像检测模型具备更全面的语义信息和空间上下文信息，进而提高了遥感影像变化检测的准确度。