[发明专利]一种改进的全卷积孪生神经网络的矿区变化检测方法

权利要求书

1.一种遥感影像矿区变化检测方法，其步骤为：

第一步、对目标区域两景不同时相的遥感影像进行数据预处理，包括辐射定标、大气校正、影像裁剪等，最终获得两景不同时相的矿区地表反射率影像；

第二步、制作二分类变化样本，根据两时相影像制作成变化区域的二分类图像样本，两个时相的遥感影像样本中的变化需与二分类图像样本中的变化一一对应；

第三步、模型训练，使用对应的两景不同时相的遥感影像样本、二分类图像样本训练矿区变化检测模型；

第四步、变化检测，使用训练后的矿区变化检测模型与目标区域的两景不同时相的遥感影像对目标区域矿区进行变化检测；

采用类U-Net的框架，编码器为两个相同的VGG16的编码器，每一次卷积后均使用ReLU激活函数，并可选择性的在每一次卷积后加入Batch Normalization与Drop Out层；在第一二层的卷积层中加入组合为1,2,5的混合膨胀卷积组合以扩张其感受野，使空间上下文信息更为丰富；两个编码器每一层卷积层后获得的特征图将进行作差计算并取其绝对值与解码器中相对应的特征图进行串接操作；模型最终输出的是特征层数为2的特征图，将该特征图使用softmax方法进行归一化后，再将其与二分类图像进行损失函数计算并训练模型，损失函数是Dice Loss，其公式为：

其中|A∩B|代表集合A和B之间的公共元素，|A|代表集合A中的元素数量，|B|代表集合B中的元素数量，在此次模型的训练中，A代表模型输出的特征图，B代表事先人工标记的二分类遥感图像，在分子与分母上同加一个极小值，10^-7，以防止分母为0的情况下影响模型训练,模型最后输出的是两种类别的特征图经过softmax归一化后的结果，需要再逐像素比较两类别的特征图的像素值，并取其中较大者的类别作为最后预测的类别。