[发明专利]一种基于特征偏差对齐的遥感影像二值变化检测方法

权利要求书

1.一种基于特征偏差对齐的遥感影像二值变化检测方法，其特征在于，包括如下步骤：

步骤1，构造双时相遥感影像二值变化检测数据集并进行预处理；

步骤2，构建基于特征偏差对齐的二值变化检测模型FACD，并针对给定双时相遥感影像获得的预测变化区域结果及变化区域辅助预测图；

步骤2进一步包括，

步骤2.1，给定两张双时相遥感影像I¹,I²∈R^(H×W×3)，H,W代表原始影像的尺寸大小；经过孪生卷积特征提取模块，双时相影像I¹,I²被映射至一组双时相特征图集{F_l¹,F_l²}_l＝1,...,n，其中C代表第l层特征图的特征通道数目；

步骤2.2，将步骤2.1中提取出的特征{F_l¹,F_l²}_l＝n,…,1按照顺序依次输入至不同层的差异特征对齐模块DFA中获得对齐特征并通过拼接操作获得差异特征

步骤2.3，为了更好地融合变化区域的低层细节信息和高层语义信息，采用跳跃连接将经过对齐后的相邻高层差异特征图和低层差异特征图同时输入至尺度特征对齐模块SFA中获得融合差异特征

步骤2.4，经过沿自顶向下路径的多层同级特征对齐和尺度特征对齐模块解码后，可获得即包含丰富语义信息又包含精确细节信息的特征

步骤2.5，将步骤2.4获得的融合特征输入至一层1×1卷积层中生成变化区域预测图，并采用上采样使预测图的尺寸与原始影像保持一致，即为预测变化区域结果；

步骤2.6，为了更好的优化模型，将步骤2.3中所获得的融合差异特征输入至一层1×1卷积层中生成变化区域辅助预测图；

步骤3，使用真实变化区域标签结果与步骤2获得的预测变化区域结果及变化区域辅助预测图分别计算主损失函数和辅助损失函数，根据总的损失函数对梯度进行反向传播更新模型，直至损失值收敛时终止训练，保存模型结构及模型权重；

步骤4，使用步骤3训练好的模型权重对测试集数据进行预测，并计算精度。

2.根据权利要求1所述的一种基于特征偏差对齐的遥感影像二值变化检测方法，其特征在于：步骤1进一步包括，

步骤1.1，先将全部数据集划分为训练集、验证集和测试集，若原始影像尺寸过大，可先将其裁剪为小尺寸影像；

步骤1.2，对训练集进行数据增强以扩大数据集，所述数据增强方式为水平翻转、垂直翻转和随机旋转；

步骤1.3，对数据集的双时相影像和标签数据进行归一化。

3.根据权利要求1所述的一种基于特征偏差对齐的遥感影像二值变化检测方法其特征在于：步骤2.2进一步包括，

步骤2.2.1，给定两个同一尺度不同时相的特征图H,W代表原始影像的尺寸大小，分别使用两个1×1卷积层对特征图进行降维；

步骤2.2.2，将降维后的特征图F_l¹,F_l²进行拼接并输入至一个卷积块中，其由两个卷积层组成，第一个卷积层包含一个3×3卷积核、批归一化层BN和ReLU激活函数，第二个卷积层包含一个3×3卷积核，该卷积块的输出即为特征图F_l¹和F_l²之间的位置偏移流

步骤2.2.3，使用步骤2.2.2预测的位置偏移流对特征图F_l²进行重采样变形以获得位置偏移对齐后的特征图并将F_l¹与对齐的特征图拼接后并输入至一个1×1卷积层中获得差异特征图F_l^d。