[发明专利]一种基于深度学习的遥感图像变化检测方法

说明书

本发明公开一种基于深度学习的遥感图像变化检测方法，包括获取同一地区的不同时间的遥感图像；对所述遥感图像进行预处理；对所述预处理后的图像进行图像转化，并提取不同时间的遥感图像之间的差异特征；根据所述差异特征训练深度学习模型以获得遥感图像变化检测模型；根据所述遥感图像变化检测模型对不同时间的遥感图像进行变化检测。该方法结合深度学习与差异图提取，通过求差异图得出同一区域不同年份的两张遥感图像之间的差异，反应图像疑似局部变化特征，然后通过分类区分差异图中变化部分以获得标注样本，并在此基础上进行样本扩容，以达到提高检测精确率的目的；然后通过该样本集对深度学习算法进行训练，从而得到稳定的检测算法模型。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于深度学习的遥感图像变化检测方法。

背景技术

我国航空航天技术发展迅速，卫星遥感、无人机航拍、倾斜摄影等遥感技术广泛应用在农、林、地质、海洋、气象、地理、测绘、环保以及军事侦查、导航制导等领域。近年随着遥感技术发展迅速，遥感影像变化检测作为最重要的关键技术之一，遥感影像变化检测在以上各方面均具有重大意义。

遥感影像变化检测是指通过图像处理技术手段对不同时相同区域的遥感图像进行比较，分析判断在此期间影像的变化，以达到对地面附属物检测的目的。而在该目标的实现过程中，存在以下问题：现有的图像处理方式使用获取的图像直接进行处理，具有图像规模巨大及在时间维度上数量庞大的特点造成比对检测的困难，以及高分辨率影像地形的投影差、阴影、纹理细节等因素，使得采用单一的检测手段很难准确的获得变化检测结果。基于以上两个问题，对于遥感图像的变化检测是一件非常费力需要大量时间的工作。而本文提出解决这些问题的方法就采用深度学习的方法利用计算机替代以往的工作模式，完成对遥感数据的变化信息提取。

发明内容

本发明提供一种遥感图像变化检测方法，针对目前遥感图像的变化检测耗时耗力的问题，结合深度学习，减少人工辨识遥感图像变化的劳动量。

根据本发明的一个方面，提供一种基于深度学习的遥感图像变化检测方法，包括如下步骤：

获取同一地区的不同时间的遥感图像；

对所述遥感图像进行预处理；

对所述预处理后的图像进行图像转化，并提取不同时间的遥感图像之间的差异特征；其中，所述对预处理后的图像进行图像转化，包括：将所述不同时间的遥感图像进行图像色彩匹配；将所述不同时间的遥感图像依次进行灰度处理、归一化处理以及坐标匹配；

根据所述差异特征训练深度学习模型以获得遥感图像变化检测模型；

根据所述遥感图像变化检测模型对不同时间的遥感图像进行变化检测。

在其中一个实施例中，所述对所述遥感图像进行预处理的步骤为对获取的遥感图像进行图像滤波处理。

在其中一个实施例中，所述进行滤波处理为进行中值滤波处理。

在其中一个实施例中，按照以下公式进行灰度处理：Gray＝ (R*30+G*59+B*11+50)/100；其中R、G、B分别表示三通道图层对应值。

在其中一个实施例中，按照以下公式进行归一化处理：

其中，S’表示遥感图像S归一化后的图像，max表示最大值操作，min表示最小值操作。

在其中一个实施例中，按照以下公式进行坐标匹配：

其中，1≤i≤m-M+1，1≤j≤n-N+1，p(i，j)为配准图像像素起始点坐标，S为被配准图像，T为配准图像，并且T为M×N的矩阵。

在其中一个实施例中，所述提取不同时间的遥感图像之间的差异特征的步骤为：