[发明专利]一种遥感图像变化检测方法、装置、设备及存储介质

权利要求书

1.一种遥感图像变化检测方法，其特征在于，包括：

对遥感图像进行图像预处理，并制作数据集；

将所述数据集输入至FPN网络获得三种不同尺度的图像特征信息，建立多尺度特征集；

采用SANet+网络构建遥感图像变化检测模型，并将多尺度特征集输入至所述SANet+网络进行预训练；所述SANet+网络的网络输入层为三种不同尺度的网络输入层，经所述SANet+网络计算后得到差异特征，在所述SANet+网络最后使用1*1的卷积核混合所述差异特征的信息，并经过3*3的卷积和上采样后恢复出输入图像分辨率的预测结果；

通过迁移学习再次训练所述SANet+网络，获得训练好的所述遥感图像变化检测模型；

将待测遥感图像输入至训练好的所述遥感图像变化检测模型，获取变化检测结果。

2.根据权利要求1所述的遥感图像变化检测方法，其特征在于，对遥感图像进行图像预处理，具体包括：

将两时相遥感图像依次裁剪为设定大小的标准图像；

对裁剪后的所述标准图像进行相对配准，在配准过程中均匀地选取多个同名像点，通过配准误差控制在0.5像元以内；

利用伪不变特征点方法进行线性相对辐射校正。

3.根据权利要求2所述的遥感图像变化检测方法，其特征在于，利用伪不变特征点方法进行线性相对辐射校正，具体包括：

从不同时相遥感图像中选取未变化的参考校正点；

根据选取的所述参考校正点，利用线性函数表达对应像元灰度值之间的线性关系，以消除不同时相遥感图像之间的辐照亮度差异。

4.根据权利要求3所述的遥感图像变化检测方法，其特征在于，所述FPN网络通过横向连接和上采样的方式，将深层的图像特征信息自顶向下的传递给低层。

5.根据权利要求4所述的遥感图像变化检测方法，其特征在于，将所述数据集输入至FPN网络获得三种不同尺度的图像特征信息，建立多尺度特征集，具体包括：

将所述数据集分成不同数据不同标签的第一数据集和第二数据集；所述第一数据集由多时相遥感数据或两时相遥感数据构成，所述第二数据集由两时相遥感数据构成；

将所述第一数据集输入至FPN网络获得三种不同尺度的图像特征信息，构建所述第一数据集对应的多尺度特征集作为源域数据；

将所述第二数据集输入至FPN网络获得三种不同尺度的图像特征信息，构建所述第二数据集对应的多尺度特征集作为目标域数据。

6.根据权利要求5所述的遥感图像变化检测方法，其特征在于，将多尺度特征集输入至所述SANet+网络进行预训练，具体包括：

将所述源域数据输入至所述SANet+网络进行预训练，优化函数选择Adam优化算法，初始学习率设置为0.01，采用余弦退火学习率衰减算法，损失函数为交叉熵，共迭代100次，训练完成后去掉最后的分类层保存模型。

7.根据权利要求6所述的遥感图像变化检测方法，其特征在于，通过迁移学习再次训练所述SANet+网络，具体包括：

通过迁移学习将所述目标域数据输入至已预训练好的所述SANet+网络进行再次训练，初始学习率设置为0.001，迭代次数为100次。