[发明专利]图像变化检测方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种图像变化检测方法、装置、设备及计算机可读存储介质，所述方法包括：将待检测变化的两个原始图像分别输入预设神经网络的共享卷积层，得到所述两个原始图像分别对应的特征图；将所述特征图输入所述神经网络的特征图融合层进行差异融合，得到差异特征图；将所述差异特征图输入所述神经网络的上采样层，并基于上采样结果得到所述两个原始图像的变化检测结果。本发明实现了在不损失图像的原始信息的情况下，获得两个原始图像的深层特征差异，提高了图像变化检测的准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种图像变化检测方法、装置、设备及计算机可读存储介质。

背景技术

图像的变化检测是指通过分析在不同时间来自同一地区的两幅或多幅图像，检测出该地区的地物随时间发生的变化信息。图像变化检测的应用很广泛，如通过遥感图像的变化检测可以应用于森林资源的动态检测、徒弟覆盖和利用的变化监测、农业资源调查、城市规划布局、环境监测分析等诸多领域。

现有的图像变化检测方案，如《一种遥感图像变化检测方法及装置》，运用图像进行差分，用差分图像进行深度神经网络的二分类学习，对原始图像的差分操作，损害了图像的原始信息，从而降低了图像变化检测的准确率。

发明内容

本发明的主要目的在于提供一种图像变化检测方法、装置、设备及计算机可读存储介质，旨在解决现有方案对原始图像进行差分，通过差分图像进行深度神经网络的二分类学习，损害了图像的原始信息，从而降低了图像变化检测的准确率的技术问题。

为实现上述目的，本发明提供一种图像变化检测方法，所述图像变化检测方法包括：

将待检测变化的两个原始图像分别输入预设神经网络的共享卷积层，得到所述两个原始图像分别对应的特征图；

将所述特征图输入所述神经网络的特征图融合层进行差异融合，得到差异特征图；

将所述差异特征图输入所述神经网络的上采样层，并基于上采样结果得到所述两个原始图像的变化检测结果。

可选地，所述共享卷积层包括多个不同尺度的共享卷积层，所述将待检测变化的两个原始图像分别输入预设神经网络的共享卷积层，得到所述两个原始图像分别对应的特征图的步骤包括：

将待检测变化的两个原始图像分别输入预设神经网络中各个尺度的共享卷积层，得到所述两个原始图像分别在不同尺度下对应的特征图；

所述将所述特征图输入所述神经网络的特征图融合层进行差异融合，得到差异特征图的步骤包括：

将同一尺度下的特征图输入所述神经网络中对应尺度的特征图融合层进行差异融合，得到各个尺度下的差异特征图；

所述将所述差异特征图输入所述神经网络的上采样层，并基于上采样结果得到所述两个原始图像的变化检测结果的步骤包括：

将所述各个尺度下的差异特征图分别输入所述神经网络中对应尺度的上采样层，得到各个尺度下的上采样图；

将所述各个尺度下的上采样图输入所述神经网络的多尺度特征融合层进行特征融合得到掩膜图，将所述掩膜图作为所述两个原始图像的变化检测结果。

可选地，所述将所述各个尺度下的上采样图输入所述神经网络的多尺度特征融合层进行特征融合得到掩膜图的步骤包括：

将所述各个尺度下的上采样图输入所述神经网络的多尺度特征融合层以对所述各个尺度下的上采样图进行逐像素求和，并将各像素点的求和结果输入激活函数，得到由各像素点的二分类结果构成的掩膜图。

可选地，所述将待检测变化的两个原始图像分别输入预设神经网络的共享卷积层，得到所述两个原始图像分别对应的特征图的步骤之前，还包括：