[发明专利]遥感影像变化检测方法、装置、电子设备及存储介质

权利要求书

1.一种遥感影像变化检测方法，其特征在于，包括：

获取目标区域的前期遥感影像和目标区域的后期遥感影像；

对目标区域的前期遥感影像和目标区域的后期遥感影像进行预处理；将预处理后的目标区域的前期遥感影像和预处理后的目标区域的后期遥感影像合成为一个目标区域的多通道遥感影像；

对目标区域的多通道遥感影像进行区域分割，得到多个影像对象；

从每个影像对象中获取预设尺寸的影像对象块；

通过训练完成的对象卷积神经网络对每个影像对象块进行处理，得到对应的影像对象是否发生变化的检测结果；

对目标区域的多通道遥感影像进行区域分割，得到多个影像对象之后还包括：

在多个影像对象中，标注设定数量的变化影像对象和未变化影像对象，从标注的影像对象中选取出标注样本对象，利用标注样本对象对对象卷积神经网络进行训练；

在多个影像对象中，标注设定数量的变化影像对象和未变化影像对象，从标注的影像对象中选取出标注样本对象，利用标注样本对象对对象卷积神经网络进行训练；包括：

在区域分割得到的多个影像对象中，随机标注预设数量的变化和未变化的影像对象，作为标注对象；

通过光谱统计对标注对象进行分组，在每个分组中抽取设定数量标注对象，作为标注样本对象；

在每个标注样本对象中确定一个或多个采样位置点，以采样位置点为中心，在标注样本对象中裁切出与对象卷积神经网络输入尺寸一致的标注样本块；

将多个标注样本块输入对象卷积神经网络，得到各个标注样本块的预测结果，根据各个标注样本块的预测结果和标注结果计算损失函数，通过损失函数更新对象卷积神经网络的参数；

通过光谱统计对标注对象进行分组，在每个分组中抽取预设数量标注对象，作为标注样本对象；包括：

计算每个标注对象的蓝波段、绿波段、红波段和近红外波段的平均值，根据所有标注对象的平均值的最小值和最大值确定亮度区间；

基于亮度区间，根据标注对象的平均值对标注对象进行分组，得到多个分组；

从每个分组中随机抽取一定数量的标注对象，作为标注样本对象；其中，每个分组抽取的标注对象的数量，根据标注对象数目和对象卷积神经网络训练所需的样本数目确定；

从各个影像对象中获取预设尺寸的影像对象块；包括：

计算各个影像对象的最小外接矩形；

计算最小外接矩形的两个长边的中点a和b的位置；

计算中点a和b的连线与影像对象的边界的交点c和d的位置；

计算c和d连线的中点e的位置，将中点e作为卷积中心点；

以卷积中心点为中心，裁切出与对象卷积神经网络输入尺寸一致的影像对象块。

2.根据权利要求1所述的遥感影像变化检测方法，其特征在于，对目标区域的前期遥感影像和目标区域的后期遥感影像进行预处理；包括：

对目标区域的前期遥感影像和目标区域的后期遥感影像分别进行正射校正；

对校正后的目标区域的前期遥感影像和校正后的目标区域的后期遥感影像进行配准；

对配准后的目标区域的前期遥感影像和目标区域的后期遥感影像分别进行降位处理；

在降位处理后的目标区域的后期遥感影像中，选取一块涵盖多种自然地物类型的区域作为模板区域，对模板区域进行调色匀色处理；

对处理后模板区域的均值和方差进行统计，作为Wallis滤波器的均值和方差；

采用所述Wallis滤波器对降位处理后的目标区域的前期遥感影像与降位处理后的后期遥感影像进行处理，使降位处理后的目标区域的前期遥感影像与降位处理后的后期遥感影像的对应波段在灰度空间进行整体对齐。

3.根据权利要求2所述的遥感影像变化检测方法，其特征在于，所述Wallis滤波器的形式如下：

其中，,分别为加性系数和乘性系数；当时，Wallis滤波器为高通滤波器；当时Wallis滤波器为低通滤波器；为Wallis滤波器的均值；为Wallis滤波器的方差；为均值的目标值，为方差的目标值；c为影像反差扩展常数，它的取值范围为[0,1]，b为小于1的系数；为输入Wallis滤波器的遥感图像；为Wallis滤波器输出的遥感图像。