[发明专利]一种高光谱遥感影像变化检测方法

权利要求书

1.一种高光谱遥感影像变化检测方法，其特征在于，具体包括以下步骤：

步骤1、输入第一时相高光谱影像以及第二时相高光谱影像，分别剔除高光谱影像异常波段；

步骤2、利用变化向量分析法生成高置信度样本，作为神经网络训练样本；

步骤3、对高光谱图像进行PCA降维；

步骤4、对于孪生卷积神经网络进行训练，完成训练后的孪生卷积神经网络用于对输入的不同时相高光谱影像进行降维、特征提取；

步骤5、输入两时相的特征张量，输出多尺度的时间-空间-光谱变化特征表征；

步骤6、结合注意力机制对输出多尺度的时间-空间-光谱变化特征进行特征融合，得到最终的检测结果。

2.根据权利要求1所述的一种高光谱遥感影像变化检测方法，其特征在于，所述步骤2、利用变化向量分析法生成高置信度样本，作为神经网络训练样本，具体包括以：

用后一时相的高光谱图像减前一时相的高光谱图像，生成差异图像，通过大津阈值分割得到初始的差值图像，选取其中差异最大的10％像素作为训练标签，然后随机选择样本像素，选定的样本像素为中心的构建三维图像斑块，作为基于卷积长短时记忆神经网络模型的训练集。

3.根据权利要求1所述的一种高光谱遥感影像变化检测方法，其特征在于，所述步骤3具体包括：

分别对第一时相和第二时相的高光谱图像进行如下运算：计算高光谱图像每个像素各波段均值得到波段均值图像，原始图像与波段均值图像做差得到平均偏差图像，计算平均偏差图像的协方差矩阵，对协方差矩阵进行特征值分解得到特征值和对应的特征向量，提取特征值较大的特征向量再组合作为降维后的图像，由此得到降维后的两个时相的高光谱图像。

4.根据权利要求1所述的一种高光谱遥感影像变化检测方法，其特征在于，所述步骤4具体包括：

将降维后的两个时相的高光谱图像分别输入孪生神经网络的两个卷积神经网络分支，两个分支的权重值共享，每个分支只包括一个卷积层，卷积核的数目小于上一步骤降维后的通道数，使得特征维数进一步降低，输出第一时相和第二时相的高光谱图像对应的特征。

5.根据权利要求1所述的一种高光谱遥感影像变化检测方法，其特征在于，所述步骤5具体包括：

上一步骤中输出的一对特征张量输入并联卷积长短时记忆神经网络模块，对来自两个时相的特征的空间、时间、光谱维度的特征提取，由于并联结构，得到由低层次和高层次特征构成的多尺度时间-空间-光谱特征输出。