【技术实现步骤摘要】
本申请实施例涉及图像处理领域，尤其涉及基于无人机的土地覆盖变化检测方法及相关装置。
技术介绍
1、变化检测是指通过多时相的遥感数据，采用多种图像处理和模式识别方法提取变化信息并定量分析和确定变化的特征与过程。而土地覆盖变化是指地表的植被覆盖物(如森林、草原、耕作植被等)和非植被覆盖物(如冰雪等)的面积变化和类型间的相互转换。目前土地覆盖变化检测主要分为两大类：基于人工的传统方法和基于深度学习的遥感变化检测方法。基于人工的传统方法是指依赖人眼来检测土地是否发生变化，该方法消耗大量的人力物力且效率也不理想。基于深度学习的遥感变化检测方法是指将多时相遥感土地数据通过神经网络模型提取遥感影像的深度特征，并在学习策略指导下训练变化检测模型，根据检测方案输出结果。由于复杂天气而造成相同的土地在不同的成像条件下呈现出不同的表象与风格，这些图像输入至检测模型中，会大大影响基于深度学习的遥感变化检测方法的准确性。
技术实现思路
1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
2、本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一，本申请实施例提供了基于无人机的土地覆盖变化检测方法及相关装置，改善图像在不同的成像条件下受到的影响所带来的检测误差。
3、本申请的第一方面的实施例，一种基于无人机的土地覆盖变化检测方法，包括：
4、根据待检测区域确定无人机的目标飞行路径；
5、使无人机按照所述目标飞行路径飞行，拍摄得
6、将所述遥感图像输入至训练好的检测模型中进行土地覆盖变化检测，得到土地覆盖变化检测结果；
7、训练所述检测模型，包括：
8、从待训练的遥感图像中筛选出源域图像和目标域图像，进行所述源域图像与所述目标域图像之间的特征空间映射，得到映射图像；
9、对所述映射图像中的多组关联图像提取特征，得到多个第一图像特征；
10、对多个所述第一图像特征分别进行特征融合、编码和解码，得到多个第二图像特征；
11、根据多个所述第二图像特征的差值得到变化分割图。
12、根据本申请的第一方面的某些实施例，所述根据待检测区域确定无人机的目标飞行路径，包括：
13、根据待检测区域设置无人机的飞行参数；
14、根据所述飞行参数确定节点及节点的信息素浓度值；
15、根据节点之间的角度确定转弯代价值；
16、根据所述转弯代价值更新所述信息素浓度值；
17、根据更新后的信息素浓度值移动节点，直接到达目标节点，得到无人机的目标飞行路径。
18、根据本申请的第一方面的某些实施例，所述根据节点之间的角度确定转弯代价值，包括：
19、根据转弯代价值的权重因子、网格长度的系数和节点之间的角度确定转弯代价值。
20、根据本申请的第一方面的某些实施例，所述信息素浓度值按照更新公式进行更新，所述更新公式表示为：τij(t+1)＝(1-ρ)τij(t)+δτij+pau，式中，τij(t+1)为更新后的信息素浓度值，ρ为信息素挥发系数，τij(t)为更新前的信息素浓度值，δτij为节点i到节点j之间的信息素浓度增量，pau为奖惩因子，为第k个无人机在节点i到节点j之间的信息素浓度增量，lk为第k个无人机走过的路径长度，ck为第k个无人机的转弯代价值总量。
21、根据本申请的第一方面的某些实施例，所述进行所述源域图像与所述目标域图像之间的特征空间映射，得到映射图像，包括：
22、提取源域图像的特征和目标域图像的特征；
23、根据源域图像的特征和目标域图像的特征预测数据的类别信息和确定数据的来源信息；
24、根据所述类别信息和所述来源信息进行所述源域图像与所述目标域图像之间的特征空间映射，得到映射图像。
25、根据本申请的第一方面的某些实施例，所述对多个所述第一图像特征分别进行特征融合、编码和解码，得到多个第二图像特征，包括：
26、对一组所述第一图像特征依次进行编码和解码得到解码特征；
27、将另一组所述第一图像特征和所述第一解码特征进行特征融合得到融合特征，将所述融合特征依次进行编码和解码得到第二图像特征。
28、根据本申请的第一方面的某些实施例，所述关联图像为对同一待检测区域拍摄的不同图像，对多组关联图像提取特征的多个特征提取网络共享参数。
29、本申请的第二方面的实施例，一种土地覆盖变化检测装置，包括：
30、路径计算单元，用于根据待检测区域确定无人机的目标飞行路径；
31、无人机控制单元，用于控制无人机按照所述目标飞行路径飞行，拍摄得到所述待检测区域的遥感图像；
32、检测单元，用于将所述遥感图像输入至训练好的检测模型中进行土地覆盖变化检测，得到土地覆盖变化检测结果；
33、模型训练单元，被配置为：从待训练的遥感图像中筛选出源域图像和目标域图像，进行所述源域图像与所述目标域图像之间的特征空间映射得到映射图像，对所述映射图像中的多组关联图像提取特征得到多个第一图像特征，对多个所述第一图像特征分别进行特征融合、编码和解码得到多个第二图像特征；根据多个所述第二图像特征的差值得到变化分割图。
34、本申请的第三方面的实施例，一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于无人机的土地覆盖变化检测方法。
35、本申请的第四方面的实施例，一种计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上所述的基于无人机的土地覆盖变化检测方法。
36、上述方案至少具有以下的有益效果：通过筛选出源域图像和目标域图像，进行源域图像与目标域图像之间的特征空间映射得到映射图像，对映射图像中的多组关联图像提取特征得到多个第一图像特征；对多个第一图像特征分别进行特征融合、编码和解码得到多个第二图像特征，根据多个第二图像特征的差值得到变化分割图得到训练好的检测模型，利用训练好的检测模型进行土地覆盖变化检测；改善相同区域在不同的成像条件下呈现出不同的影像效果所带来的检测误差，保证了算法的可靠性，提高了土地覆盖变化检测精度以及巡检效率。
本文档来自技高网...【技术保护点】
1.一种基于无人机的土地覆盖变化检测方法，其特征在于，包括：
2.根据权利要求1所述的基于无人机的土地覆盖变化检测方法，其特征在于，所述根据待检测区域确定无人机的目标飞行路径，包括：
3.根据权利要求2所述的基于无人机的土地覆盖变化检测方法，其特征在于，所述根据节点之间的角度确定转弯代价值，包括：
4.根据权利要求2所述的基于无人机的土地覆盖变化检测方法，其特征在于，所述信息素浓度值按照更新公式进行更新，所述更新公式表示为：τij(t+1)＝(1-ρ)τij(t)+Δτij+Pau，式中，τij(t+1)为更新后的信息素浓度值，ρ为信息素挥发系数，τij(t)为更新前的信息素浓度值，Δτij为节点i到节点j之间的信息素浓度增量，Pau为奖惩因子，为第k个无人机在节点i到节点j之间的信息素浓度增量，Lk为第k个无人机走过的路径长度，Ck为第k个无人机的转弯代价值总量。
5.根据权利要求1所述的基于无人机的土地覆盖变化检测方法，其特征在于，所述进行所述源域图像与所述目标域图像之间的特征空间映射，得到映射图像，包括：
6.根据
7.根据权利要求1所述的基于无人机的土地覆盖变化检测方法，其特征在于，所述关联图像为对同一待检测区域拍摄的不同图像，对多组关联图像提取特征的多个特征提取网络共享参数。
8.一种土地覆盖变化检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于无人机的土地覆盖变化检测方法。
10.一种计算机存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至7中任一项所述的基于无人机的土地覆盖变化检测方法。
...【技术特征摘要】
1.一种基于无人机的土地覆盖变化检测方法，其特征在于，包括：
2.根据权利要求1所述的基于无人机的土地覆盖变化检测方法，其特征在于，所述根据待检测区域确定无人机的目标飞行路径，包括：
3.根据权利要求2所述的基于无人机的土地覆盖变化检测方法，其特征在于，所述根据节点之间的角度确定转弯代价值，包括：
4.根据权利要求2所述的基于无人机的土地覆盖变化检测方法，其特征在于，所述信息素浓度值按照更新公式进行更新，所述更新公式表示为：τij(t+1)＝(1-ρ)τij(t)+δτij+pau，式中，τij(t+1)为更新后的信息素浓度值，ρ为信息素挥发系数，τij(t)为更新前的信息素浓度值，δτij为节点i到节点j之间的信息素浓度增量，pau为奖惩因子，为第k个无人机在节点i到节点j之间的信息素浓度增量，lk为第k个无人机走过的路径长度，ck为第k个无人机的转弯代价值总量。
5.根据权利要求1所述的基于无人机的土地覆盖变化检测方...
【专利技术属性】
技术研发人员：应自炉，周易俊，翟懿奎，冼庭锋，潘嘉灏，胡欣宇，林东妍，陈樱文，张洋，谭康鸿，唐劭恒，
申请(专利权)人：五邑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。