[发明专利]遥感图像建筑物的检测模型优化方法及检测方法、装置

权利要求书

1.一种遥感图像建筑物的检测模型优化方法，其特征在于，包括如下步骤：

优化U-Net网络模型：在U-Net网络的特征提取环节用非对称卷积块代替3×3标准卷积，在U-Net网络的阶跃连接部分引入注意力机制调节特征权重；

制作样本数据；

将样本数据输入改造后的U-Net网络模型进行模型训练；

对模型训练结果进行精确度计算。

2.根据权利要求1所述的遥感图像建筑物的检测模型优化方法，其特征在于：所述在U-Net网络的阶跃连接部分引入注意力机制调节特征权重，包括：

通过特征权重提取公式将编码部分的特征图x和解码部分的特征图g分别进行全局平均池化，得到特征图包含C个通道信息的权重矩阵W_g、W_x；

采用ReLU激活函数和Sigmoid函数对权重矩阵进行更新；

将更新后的权重矩阵与特征图x点乘，得到具有注意力机制的特征图，并将其与特征图g阶跃连接，进入下一层解码层。

3.根据权利要求2所述的遥感图像建筑物的检测模型优化方法，其特征在于：所述采用ReLU激活函数和Sigmoid函数进行特征权重的更新；

通过W_x点乘x、W_g点乘g实现一次编码部分特征图和解码部分特征图的全连接操作；

将全连接层结果求和后经过ReLU层，将结果与Ψ点乘再做一次全连接，权重矩阵W_g、W_x经过反向传播学习，得到g和x矩阵中每个元素的重要程度，据此对g和x矩阵继续前向传播的比例进行调整；

对每个像素的权重重新分配，经过Sigmoid层得到特征权重更新后的权重矩阵α。

4.根据权利要求1-3任意一项所述的遥感图像建筑物的检测模型优化方法，其特征在于：所述制作样本数据，包括：

对遥感影像样本数据进行预处理；

对前后时相影像进行新增建筑物的标注；

标注后的数据影像进行预处理导出样本。

5.根据权利要求4所述的遥感图像建筑物的检测模型优化方法，其特征在于：所述对遥感影像样本数据进行预处理，包括：

对遥感影像样本数据进行色差均衡和拉伸处理：采用Canny边缘检测算法提取图像的波段拼接边界，并根据检测到的边界对图像进行分割；将每次提取一个部分作为感兴趣区域，将其他部分的信息屏蔽，生成掩码图像；用邻域平均法分别对两块感兴趣区域进行边界平滑，将平滑后的图像拼接在一起，得到色差均衡后的图像；

对遥感影像样本数据进行二次精纠正处理：在参考影像中寻找目标区，并将目标区域作为模板，通过比较影像间的像素灰度值的近似程度寻找匹配点，进而判断影像间的相似性，得到图像之间的空间变换关系；

对遥感影像样本数据进行归一化处理，将图像的像素值归一化到0～1之间。

6.根据权利要求4所述的遥感图像建筑物的检测模型优化方法，其特征在于：所述标注后的数据影像进行预处理导出样本，包括：

将遥感影像按照7:2:1的比例划分为互不重叠的训练集、验证集和测试集三个部分；

以随机位置窗口的方式利用滑动窗口将训练集、验证集和测试集图像切分为256×256大小的小尺寸样本图片；

对训练集中的样本图片进行水平翻转、逆时针旋转操作进行数据增强。

7.一种基于U-NET模型的建筑物变化检测方法，其特征在于，包括如下步骤：

对待检测遥感影像进行预处理；

将预处理后的待检测遥感影像输入如权利要求1-6任意一项所述的优化U-Net网络模型进行建筑物变化检测。

8.根据权利要求7所述的基于U-NET模型的建筑物变化检测方法，其特征在于：所述对待检测遥感影像进行预处理，包括：

对待检测遥感影像进行色差均衡和拉伸处理；

对待检测遥感影像进行二次精纠正处理；

对待检测遥感影像进行归一化处理，将图像的像素值归一化到0～1之间。