[发明专利]多通道U型深度网络的高分辨率遥感影像变化检测方法

权利要求书

1.一种多通道U型深度网络的高分辨率遥感影像变化检测方法，其特征在于包括以下步骤：

步骤1：对两期影像进行预处理，将两期影像输入所提出模型，通过三个通道提取两期影像的特征，将第一时期影像输入通道1，第二时期影像输入通道2，两期影像级联输入通道3，三个通道采用不同的下采样操作来提取影像特征；并在下采样过程中获取通道1和通道2中得到不同尺度的差异特征；

步骤2：将通道1、通道2和通道3通过下采样得到的最高层特征，以及通道1和通道2的最高层特征的差异特征进行级联，将级联后特征作为上采样的输入，开始上采样操作；在上采样过程中，将三个下采样通道中各尺度特征、以及通道1和通道2各尺度特征的差异特征，通过短连接级联到上采样镜像特征层；

步骤3：上采样结束后，通过SoftMax层求解变化概率图，并使用基于二元交叉熵和Dice的混合损失函数，基于上述变化概率图和真实变化图计算损失，通过反向传播来迭代训练网络结构中参数，直到满足迭代停止条件时停止迭代，保存迭代停止时参数用于生成变化检测结果图。

2.根据权利要求1所述的多通道U型深度网络的高分辨率遥感影像变化检测方法，其特征在于：在步骤1中，通过三个下采样通道来提取特征，并考虑通道1和通道2的差异特征，操作步骤如下：

步骤1.1：利用通道1提取第一时期影像X₁的特征，依次通过五个卷积模块对X₁进行下采样处理：将五个卷积模块记作A_i，i＝1，2，3，4，5，第i个卷积模块A_i的输入和输出分别记作A_i(in)和A_i(out)；第一个卷积模块A₁的输入为X₁，即A₁(in)＝X₁，后边卷积模块A_i的输入A_i(in)为BP(A_i-1(out))，其中i＝2,3,4,5，BP()表示包含最大池化和平均池化的双池化操作；

步骤1.2：利用通道2提取第二时期影像X₂的特征，通道2与通道1具有相同的操作，区别在于通道2的输入为第二时期影像X₂；将通道2的五个卷积模块记作B_i，i＝1，2，3，4，5，卷积模块B_i的输入和输出分别记作B_i(in)和B_i(out)；

步骤1.3：将X₁和X₂进行级联操作，利用通道3提取级联后影像的特征，依次通过五个卷积模块进行下采样操作；五个卷积模块记作C_i，i＝1，2，3，4，5；卷积模块C_i的输入和输出分别记作C_i(in)和C_i(out)，第一个卷积模块C₁的输入为两期影像X₁和X₂的级联，即后边卷积模块C_i的输入C_i(in)为B(C_i-1(out))，其中i＝2,3,4,5，B()表示最大池化操作。

3.根据权利要求1所述的多通道U型深度网络的高分辨率遥感影像变化检测方法，其特征在于：步骤1中，由于两期影像的差异特征在变化检测问题中起着重要作用，为使提取的特征更加丰富，考虑通道1和通道2各个尺度特征的差异特征DI_i，通过下式确定：

其中i＝1，2，3，4，5，A_i(out)为通道1第i个卷积模块的输出，B_i(out)为通道2第i个卷积模块的输出。