[发明专利]一种基于高分辨率遥感影像的变化检测方法

权利要求书

1.一种基于高分辨率遥感影像的变化检测方法，包括如下步骤：

(1)对用于训练的两张高分辨率的遥感影像进行预处理，提取出对应的两个ROI；

(2)对预处理后得到的ROI进行超像素分割及合成，得到一张合成结果图像；

(3)对于所述合成结果图像，以超像素为单位进行包括光谱、纹理、峰值信噪比、结构相似性、空间斜率、空间截距以及空间相关性在内的七项局部特征的计算，得到对应的一系列特征变化图；

(4)根据所述特征变化图对合成结果图像中的超像素进行预分类，并生成相应的训练样本；

(5)设计孪生卷积神经网络模型，利用训练样本对其进行训练；

所述孪生卷积神经网络模型包含两条结构完全一致的卷积神经网络支路，所述卷积神经网络支路的输入为以某一像素点为中心大小为9×9的区域图块，输出为128维度的向量，且从输入至输出依次由卷积层C1、卷积层C2、最大池化层S3、卷积层C4、卷积层C5、最大池化层S6、全连接层F7和全连接层F8连接组成；其中，卷积层C1采用边距为1的零填充，使用32个3×3大小的卷积核，激活函数采用ReLU；卷积层C2同样采用边距为1的零填充，使用32个3×3大小的卷积核，激活函数采用ReLU；最大池化层S3使用2×2大小的核，步长也为2×2；卷积层C4采用边距为1的零填充，使用64个3×3大小的卷积核，激活函数采用ReLU；卷积层C5同样采用边距为1的零填充，使用64个3×3大小的卷积核，激活函数采用ReLU；最大池化层S6使用2×2大小的核，步长也为2×2；全连接层F7使用256个节点的输出维度，激活函数采用ReLU；全连接层F8使用128个节点的输出维度，激活函数采用ReLU；

(6)利用训练完成得到的孪生卷积神经网络模型对待检测的两张遥感影像进行变化检测，并对检测结果进行后处理，具体实现方法为：首先根据步骤(1)～(4)对待检测的两张遥感影像进行处理，得到ROI中所有相同位置像素点对应的两份9×9大小的区域图块，进而将这两份9×9大小的区域图块分别输入至模型的两条卷积神经网络支路中，通过计算两条卷积神经网络支路输出向量的欧式距离，即能够判断相应像素点的相似度以确定其是否发生变化，若变化则标记为1，未变化则标记为0，依此遍历ROI中所有像素点即可得到一张二分类的检测结果图像；最后对该检测结果图像进行中值滤波以及基于矩形结构元开运算的形态学处理，得到最终的二值变化结果图。

2.根据权利要求1所述的变化检测方法，其特征在于：所述步骤(1)的具体实现过程如下：

1.1对遥感影像进行正射校正；

1.2对正射校正后的两张遥感影像进行影像配准；

1.3对完成配准后的两张遥感影像进行直方图匹配；

1.4对遥感影像中需要进行变化检测的ROI进行对比度受限的自适应直方图均衡化处理；

1.5对直方图均衡化处理后的两个ROI进行中值滤波处理。

3.根据权利要求1所述的变化检测方法，其特征在于：所述步骤(2)的具体实现过程如下：

2.1采用SLICO算法对两个ROI分别进行超像素分割，对应得到两张分割结果图像，进而从0～N-1分别对两张分割结果图像中的超像素进行编号，N为超像素数量；

2.2对两张分割结果图像进行超像素合成，得到一张统一的合成结果图像并进行标记合并以及重编号；其中关于标记合并，若两张分割结果图像中位置为(x,y)处的像素点标记分别为A_x,y和B_x,y，则合成结果图像中对应位置为(x,y)处的像素点标记为关于重编号，则从0～M-1按从左到右从上到下的顺序对合成结果图像中的超像素进行编号，M为合并后的超像素数量；

2.3采用SLICO中的增强连通性方法去除合成结果图像中尺寸过小的超像素；

2.4对增强连通性后的合成结果图像中的超像素重新编号。

4.根据权利要求1所述的变化检测方法，其特征在于：所述步骤(4)的具体实现方法为：根据特征变化图采用OTSU算法对合成结果图像中的超像素进行预分类，即对于至少6项局部特征发生变化的超像素，以该超像素内任一像素点为中心大小为9×9的区域图块作为发生变化的训练样本；对于7项局部特征均未发生任何变化的超像素，以该超像素内任一像素点为中心大小为9×9的区域图块作为未发生变化的训练样本。