[发明专利]一种基于图像的变化检测方法有效

专利信息
申请号: 202011230354.7 申请日: 2020-11-06
公开(公告)号: CN112365462B 公开(公告)日: 2022-10-04
发明(设计)人: 陈鹏辉;唐慧明;陈明芽;蔡祝元;王志峰 申请(专利权)人: 华雁智科(杭州)信息技术有限公司;浙江大学
主分类号: G06T7/00 分类号: G06T7/00;G06V10/80;G06V10/82
代理公司: 杭州宇信联合知识产权代理有限公司 33401 代理人: 王健
地址: 310011 浙江省杭州市莫干山路*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 图像 变化 检测 方法
【权利要求书】:

1.一种基于图像的变化检测方法,其特征在于,包括如下步骤:

A1,将基准图和待测图输入用于特征提取的编码模块,分别提取其不同层级的特征图;

A2,对基准图和待测图经编码模块提取得到的同一层级的特征图计算差异特征图;

A3,将计算得到的差异特征图输入解码模块,解码模块结合输入的不同层级的差异特征图进行多尺度特征融合,输出原图大小的变化图;

A4,根据解码模块输出的变化图确定变化区域及其外接矩形;

A5,用变化区域所对应的由编码模块输出的特征图提取局部特征,将其输入到分类模块,输出变化区域检测结果;

其中,所述编码模块采用resnet34作为骨架网络,其中包含两个权值相同的孪生网络分支,分别由layer1,layer2,layer3,layer4共4个子模块组成;步骤A1中,将基准图I1和待测图I2分别输入孪生网络两个分支后,先后经过layer1,layer2,layer3,layer4模块提取到不同层级的特征图fi_1,fi_2,fi_3,fi_4

其中i=1,2。

2.如权利要求1所述的基于图像的变化检测方法,其特征在于,步骤A2中,所述的计算差异特征图具体包括:对编码模块两条支路中相同层级输出的特征图进行相减取绝对值操作,得到差异特征图fdif_1,fdif_2,fdif_3,fdif_4,作为后续模块的输入:

fdif_i=abs(f1_i-f2_i) i=1,2,3,4。

3.如权利要求2所述的基于图像的变化检测方法,其特征在于,所述解码模块包括decoder1,decoder2,decoder33个子模块,步骤A3具体包括:在每一个子模块中,对上级输出的特征图进行卷积上采样操作,并和相同尺度的差异特征图进行通道方向的拼接,作为下一个子模块的一支输入:

fconcat_1=decoder1(fdif_4,fdif_3)

fconcat_2=decoder2(fconcat_1,fdif_2)

fconcat_3=decoder3(fconcat_2,fdif_1)

其中decoder3输出的特征图经过上采样操作变换到与原图相同大小的特征图,再通过softmax转化为对应的类别概率。

4.如权利要求3所述的基于图像的变化检测方法,其特征在于,步骤A4具体包括:

A4.1,滤除解码模块输出的变化图中较小的噪点;

A4.2,对处理后的变化图提取连通区域;

A4.3,输出变化图中包含联通区域的外接矩形框作为变化区域。

5.如权利要求4所述的基于图像的变化检测方法,其特征在于,所述分类模块包括一个Roipooling子模块,该模块输入编码模块输出的中间层特征图以及变化区域对应的外接矩形框,将对应区域采样为尺度较小的特征图,作为分类模块的输入,分类模块将输入特征图经过单层全连接层输出对应类别的概率进行分类。

6.如权利要求1-5任一项所述的基于图像的变化检测方法,其特征在于,还包括训练过程:使用联合损失训练所述编码模块和解码模块,使用交叉熵损失训练所述分类模块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华雁智科(杭州)信息技术有限公司;浙江大学,未经华雁智科(杭州)信息技术有限公司;浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011230354.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top