【技术实现步骤摘要】
本专利技术涉及遥感领域中的高光谱图像处理，尤其涉及一种高光谱图像变化检测方法、装置及存储介质。
技术介绍
1、高光谱图像不同于寻常的彩色图像，往往具有较高的光谱波段数，每个波段都对应着不同的物质吸收特性，因此，高光谱图像可以提供比普通彩色图像更为丰富的信息，在不同时间点拍摄时，可以详细记录地物的光谱特征变化。在高光谱变化检测中，变化被定义为在不同时间点的高光谱图像中，某些像素的光谱特性发生显著变化的现象。变化检测算法旨在自动识别和定位这些变化区域。高光谱变化检测技术无需依赖先验信息，可以在没有目标地物先验光谱特征的情况下，直接对图像中的变化进行探测和识别。
2、然而，基于对双时相高光谱图像进行特征提取，再进行差异度量的算法往往面临如下的局限性：
3、1、地物的光谱特征可能会受到周围物质的混合影响，尤其是在空间分辨率较低的情况下，光谱混合现象会导致提取的特征不纯净，增加变化检测的复杂性和不确定性；2、传统的线性特征提取方法在处理复杂的高光谱数据时，无法充分捕捉光谱特征间的非线性关系，从而限制了变化检测的性能；3、同一地物在不同时间点的光谱变化由于环境条件（如光照、湿度、温度等）的变化而表现出非一致性。传统的差异度量方法无法有效区分由地物本身变化引起的光谱变化和由环境条件变化引起的光谱变化，导致误检率和漏检率增加。
4、因此，亟需提出一种能够更好地找出双时相高光谱图像中变化像素的变化检测方法以解决上述技术问题。
技术实现思路
1、本专利技术的目的在于
2、为达到上述目的，本专利技术是采用下述技术方案实现的：
3、第一方面，本专利技术提供了一种高光谱图像变化检测方法，包括：
4、获取双时相高光谱图像；
5、对所述双时相高光谱图像分别进行空间层次和光谱层次上的特征提取，得到空间特征图和光谱特征图，通过预构建的自适应融合块聚合所述空间特征图和光谱特征图，获得融合特征图；
6、通过超像素算法对所述双时相高光谱图像进行分割，生成超像素标签图，将所述超像素标签图投影到所述融合特征图中，形成超像素特征图；
7、根据所述超像素特征图构建拓扑图，所述拓扑图中包含节点特征向量和邻接矩阵；
8、将所述拓扑图中的节点特征向量和邻接矩阵输入预训练的kan-gat网络，获得节点嵌入向量；对所述节点嵌入向量进行相似性度量找出变化节点，将所述变化节点映射回所述超像素特征图，通过所述超像素标签图检测出所述超像素特征图变化的超像素区域，生成像素级别的变化区域显示。
9、进一步地，对所述双时相高光谱图像分别进行空间层次和光谱层次上的特征提取，得到空间特征图和光谱特征图，包括：
10、在空间层次上，将所述双时相高光谱图像输入到预构建的rsab模块中，通过所述rsab模块对所述双时相高光谱图像进行卷积和归一化处理获得第一高光谱图像特征图，将所述第一高光谱图像特征图输入到所述rsab模块中的通道注意力机制中进行压缩得到第一通道注意力特征图，将所述第一通道注意力特征图的第一通道注意力特征输入所述rsab模块中的空间注意力机制中，通过所述空间注意力机制的最大池化层和平均池化层提取所述第一通道注意力特征的边缘和纹理信息，通过二维卷积层对所述边缘和纹理信息进行变换，输出空间特征图；
11、所述通道注意力机制的描述公式包括：
12、
13、所述空间注意力机制的描述公式包括：
14、
15、其中，表示空间特征图，表示激活函数，表示第一高光谱图像特征图，是卷积核为1x1的二维卷积，是平均池化层，是最大池化层，是卷积核为7x7的二维卷积，为第一通道注意力特征图，为第一通道注意力特征；
16、在光谱层次上，将所述双时相高光谱图像输入到预构建的rscb模块中，通过所述rscb模块对所述双时相高光谱图像进行卷积和归一化处理获得第二高光谱图像特征图，将所述第二高光谱图像特征图输入到所述rscb模块中的通道注意力机制中进行压缩，得到第二通道注意力特征图，将所述第二通道注意力特征图的第二通道注意力特征输入预构建权重通道注意力机制模块的1d卷积，获得第二通道注意力特征的注意力权重，将所述第二通道注意力特征和注意力权重输入到二维卷积层中归一化处理，输出光谱特征图。
17、进一步地，通过超像素算法对所述双时相高光谱图像进行分割，生成超像素标签图包括：
18、将所述双时相高光谱图像划分成若干个等大小的块，每个块的中心像素作为一个超像素中心，相邻所述超像素中心之间的间距为：
19、
20、其中，是所述双时相高光谱图像中的像素总数，是期望的超像素中心数量，是相邻超像素中心之间的间距；
21、将所述双时相高光谱图像的颜色从其原始颜色空间转换到cielab颜色空间，在所述cielab颜色空间中计算像素点和超像素中心的颜色距离，在所述双时相高光谱图像的图像空间中计算像素点和超像素中心的空间距离，计算公式包括：
22、
23、
24、其中，是cielab颜色空间中像素点和超像素中心的颜色距离，是图像空间中像素点和超像素中心的空间距离，、和分别表示第个像素颜色的cielab值，、和表示第个超像素中心的cielab值，为亮度分量，表示颜色的明亮程度，为从绿色到红色的分量，为从蓝色到黄色的分量；表示第个像素的横坐标，表示第个像素的纵坐标，表示第个超像素中心的横坐标，表示第个超像素中心的纵坐标，为像素序数，取值范围为，为超像素中心序数，取值范围为；
25、根据相邻所述超像素中心之间的间距、cielab颜色空间中像素点和超像素中心的颜色距离和图像空间中像素点和超像素中心的空间距离计算距离度量，计算公式包括：
26、
27、其中，是平衡颜色距离和空间距离的参数，表示距离度量；
28、基于所述距离度量，将每个像素归属到与其距离最近的超像素中心；
29、当所有像素都分配完毕，根据超像素中心内所有像素的颜色值和位置坐标重新计算每个超像素的中心，计算公式包括：
30、
31、
32、
33、
34、
35、其中，、和分别表示新超像素中心的cielab值，为新超像素中心的亮度分量，表示颜色的明亮程度，为新超像素中心的从绿色到红色的分量，为新超像素中心的从蓝色到黄色的分量，表示基于第个超像素中心获得的新超像素中心的横坐标，表示基于第个超像素中心获得的新超像素中心的纵坐标；是第个超像素中心关联的像素集合，是中像素的数量；
36、重复迭代至超像素中心的位置坐标和颜色值在两次迭代之间的变化均低于预设定的本文档来自技高网...
【技术保护点】
1.一种高光谱图像变化检测方法，其特征在于，包括：
2.根据权利要求1所述的高光谱图像变化检测方法，其特征在于，对所述双时相高光谱图像分别进行空间层次和光谱层次上的特征提取，得到空间特征图和光谱特征图，包括：
3.根据权利要求1所述的高光谱图像变化检测方法，其特征在于，通过超像素算法对所述双时相高光谱图像进行分割，生成超像素标签图包括：
4.根据权利要求1所述的高光谱图像变化检测方法，其特征在于，将所述拓扑图中的节点特征向量和邻接矩阵输入预训练的KAN-GAT网络，获得节点嵌入向量包括：
5.根据权利要求1所述的高光谱图像变化检测方法，其特征在于，所述KAN-GAT网络的训练过程包括：
6.根据权利要求5所述的高光谱图像变化检测方法，其特征在于，对所述节点嵌入向量进行相似性度量找出变化节点包括：
7.一种高光谱图像变化检测装置，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～6任一项所述方法的步骤。
【技术特征摘要】
1.一种高光谱图像变化检测方法，其特征在于，包括：
2.根据权利要求1所述的高光谱图像变化检测方法，其特征在于，对所述双时相高光谱图像分别进行空间层次和光谱层次上的特征提取，得到空间特征图和光谱特征图，包括：
3.根据权利要求1所述的高光谱图像变化检测方法，其特征在于，通过超像素算法对所述双时相高光谱图像进行分割，生成超像素标签图包括：
4.根据权利要求1所述的高光谱图像变化检测方法，其特征在于，将所述拓扑图中的节点特征向量和邻接矩阵输入预训...
【专利技术属性】
技术研发人员：涂兵，刘民生，刘博，李军，方乐缘，陈云云，曹兆楼，贺燕，刘立成，
申请(专利权)人：南京信息工程大学，
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。