[发明专利]高分辨率遥感影像变化检测网络和方法及装置

权利要求书

1.一种高分辨率遥感影像变化检测网络，其特征在于，用于面向复杂环境的高分辨率遥感影像进行变化检测，包括：两个平行设置的前时相特征提取分支和后时相特征提取分支；

所述前时相特征提取分支包括第一卷积模块和前时相特征融合模块；所述第一卷积模块包括R层依次级联的卷积层；

所述前时相特征融合模块，用于获取所述第一卷积模块中的低级卷积层输出的低级别前时相特征和高级卷积层输出的高级别前时相特征，并将所述低级别前时相特征和所述高级别前时相特征进行融合后，得到所述前时相特征数据；

所述后时相特征提取分支包括第二卷积模块和后时相特征融合模块；所述第二卷积模块包括S层依次级联的卷积层；

所述后时相特征融合模块，用于获取所述第二卷积模块中的低级卷积层输出的低级别后时相特征和所述高级卷积层输出的高级别后时相特征，并将所述低级别后时相特征和所述高级别后时相特征进行融合后，得到所述后时相特征数据；

所述前时相特征融合模块包括前时相低级特征处理子模块和前时相高级特征处理子模块；

所述前时相低级特征处理子模块包括依次连接的卷积层和空间注意力机制层；

所述前时相高级特征处理子模块包括依次连接的通道注意力机制层、卷积层和上采样层；

所述后时相特征融合模块的网络结构与所述前时相特征融合模块的网络结构相同；

其中，还包括变化检测结果生成模块；

所述变化检测结构生成模块与所述前时相特征融合模块和所述后时相特征融合模块均连接，用于获取所述前时相特征数据和所述后时相特征数据，并基于所述前时相特征数据与所述后时相特征数据之间的差异，得到相应的变化检测结果。

2.根据权利要求1所述的网络，其特征在于，R的取值与S的取值相同；

其中，所述第一卷积模块与所述第二卷积模块均采用VGG16卷积结构。

3.根据权利要求1所述的网络，其特征在于，所述第一卷积模块中的低级卷积层包括前r层依次级联的各卷积层，所述第一卷积模块中的高级卷积层包括后R-r层依次级联的各卷积层；

所述第二卷积模块中的低级卷积层包括前s层依次级联的各卷积层，所述第二卷积模块中的高级卷积层包括后S-s层依次级联的各卷积层；

其中，R、r、S、s的取值均为正整数，且R大于r，S大于s。

4.一种高分辨率遥感影像变化检测方法，其特征在于，基于权利要求1至3任一项所述的高分辨率遥感影像变化检测网络对当前需要检测的遥感影像进行变化检测，包括：

获取前时相遥感影像和后时相遥感影像；

将所述前时相遥感影像和所述后时相遥感影像输入至训练好的所述遥感影像变化检测网络中；

由所述遥感影像变化检测网络分别对所述前时相遥感影像和所述后时相遥感影像进行特征提取，得到前时相特征数据和后时相特征数据；

基于所述前时相特征数据与所述后时相特征数据之间的差异，得到相应的变化检测结果；

其中，由所述遥感影像变化检测网络分别对所述前时相遥感影像和所述后时相遥感影像进行特征提取，包括：

由所述遥感影像变化检测网络中的前时相特征融合模块获取第一卷积模块中的低级卷积层输出的低级别前时相特征和高级卷积层输出的高级别前时相特征，并将所述低级别前时相特征和所述高级别前时相特征进行融合后，得到所述前时相特征数据；

由所述遥感影像变化检测网络中的后时相特征融合模块获取第二卷积模块中的低级卷积层输出的低级别后时相特征和所述高级卷积层输出的高级别后时相特征，并将所述低级别后时相特征和所述高级别后时相特征进行融合后，得到所述后时相特征数据。