【技术实现步骤摘要】
本专利技术具体涉及一种基于多尺度全局局部特征融合的遥感图像的变换检测方法。
技术介绍
1、随着遥感技术的快速发展，遥感图像在环境监测、城市规划、灾害评估等领域得到了广泛应用，其中，遥感图像变换检测技术旨在通过对不同时期的遥感图像进行对比分析，检测出地表变化信息，这对于了解自然灾害、监控环境变化、进行资源管理等具有重要意义；
2、然而目前遥感图像变换检测方法主要依赖于统计方法和基于特征的检测方法，这些方法在面对高分辨率遥感图像时，计算程度复杂，检测效率不高，同时容易造成像素细节信息丢失，特征提取层的特征信息不充分，无法精准的识别同一区域不同时刻的遥感图像中的变化内容，检测精度较差，亟需改进；
3、因此，专利技术一种基于多尺度全局局部特征融合的遥感图像的变换检测方法来解决上述问题很有必要。
技术实现思路
1、本专利技术的目的是提供一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，通过将cnn模块与transformer模块自适应混合，更好的在特征提取阶段融合高分辨率遥感图像的所有的全局与局部信息，保证了特征提取层的特征信息丰富性，同时使用了多尺度注意力机制通过在不同尺度上进行特征提取和融合，降低了注意力计算的复杂度，并使得高分辨率遥感图像像素细节信息能够保留，保障了高分辨率遥感图像浅层与深层信息的表达，从而能够精准的识别同一区域不同时刻的高分辨遥感图像中的变化内容，检测精度高，计算复杂度低，检测效率快，以解决技术中的上述不足之处。
2、为了实现
3、步骤1、输入同一地区不同时段的两张高分辨遥感图像，按通道进行分组；
4、步骤2、对分组后的高分辨遥感图像进行特征提取、特征合并，得到多尺度下的全局局部特征信息；
5、步骤3、将多尺度下的全局局部特征信息在convtrans模块不同尺度下的输出，输入到cc融合模块中进行特征融合并输出，得到f′、f″、f″′、f″″；
6、步骤4、将f′、f″、f″′、f″″输入到u型结构的多尺度注意力解码器当中，获取多尺度下的全局与局部信息，生成一个预测变化图
7、步骤5、使用混合损失函数l对预测变化图进行参数优化。
8、前述的基于多尺度全局局部特征融合的遥感图像的变换检测方法，在步骤1中，输入同一地区不同时段的两张高分辨遥感图像，按通道进行分组，具体步骤如下：
9、1.1、令t1代表前时相遥感图像,t2代表后时相遥感图像，且t∈{ti∈rc×h×w|i＝1,2}；
10、其中，h为高分辨遥感图像的高度，
11、w为高分辨遥感图像的宽度，
12、c代表高分辨遥感图像的通道数量，即有c个通道；
13、1.2、将ti按通道划分为x1,x2两组，分组结果为：
14、
15、x1＝channelsplit(ti)
16、x2＝channelsplit(ti)
17、其中，channelsplit()为通道划分操作。
18、前述的基于多尺度全局局部特征融合的遥感图像的变换检测方法，在步骤2中，对分组后的高分辨遥感图像进行特征提取、特征合并，得到多尺度下的全局局部特征信息，即为：
19、将t1、t2的x1,x2分别输入到transformer模块与cnn模块混合的模块中，并且将两个模块得到的输出进行一个合并组合，得到多尺度下的全局局部特征信息；
20、其中，多尺度下的全局局部特征信息包括t1的全局局部特征信息f11、全局局部特征信息f21、全局局部特征信息f31、全局局部特征信息f41；
21、以及t2的全局局部特征信息f12、全局局部特征信息f22、全局局部特征信息f32、全局局部特征信息f42。
22、前述的基于多尺度全局局部特征融合的遥感图像的变换检测方法，在步骤2中，具体的，以第一个convtransblock模块为基准，得到全局局部特征信息f11的步骤如下：
23、2.1、将x1输入到卷积层大小为3×3的cnn模块中下采样，并提取x1的局部特征信息具体公式如下：
24、
25、其中，conv(·)为卷积操作；
26、2.2、将x2经过1×1的卷积层下采样后，输入到transformer模块中提取x2的全局特征信息具体公式如下：
27、fz＝conv(x2)
28、
29、其中，mst(·)表示multiscale transformer模块；
30、2.3将局部特征信息和全局特征信息进行通道拼接，得到全局局部特征信息f11，具体公式如下:
31、
32、其中，表示通道拼接操作。
33、前述的基于多尺度全局局部特征融合的遥感图像的变换检测方法，在步骤2中，得到全局局部特征信息f21、全局局部特征信息f31、全局局部特征信息f41的具体步骤如下：
34、2.4、以第二个convtransblock模块为基准，将全局局部特征信息f11输入到该convtransblock模块中，按通道进行分组后，重复步骤2.1-2.3，得到全局局部特征信息f21；
35、2.5、是以第三个convtransblock模块为基准，将全局局部特征信息f21输入到该convtransblock模块中，按通道进行分组后，重复步骤2.1-2.3，得到全局局部特征信息f31；
36、2.6、是以第四个convtransblock模块为基准，将全局局部特征信息f31输入到该convtransblock模块中，按通道进行分组后，重复步骤2.1-2.3，得到全局局部特征信息f41。
37、前述的基于多尺度全局局部特征融合的遥感图像的变换检测方法，在步骤2中，得到t2的全局局部特征信息f12、全局局部特征信息f22、全局局部特征信息f32、全局局部特征信息f42的具体步骤为：
38、重复步骤2.1-2.6，即可得到全局局部特征信息f12、全局局部特征信息f22、全局局部特征信息f32、全局局部特征信息f42；
39、其中，t1、t2在四个不同的阶段两个分支的在transformer模块与cnn模块混合网络的输出分别为
40、前述的基于多尺度全局局部特征融合的遥感图像的变换检测方法，在步骤3中，将多尺度下的全局局部特征信息在convtrans模块不同尺度下的输出，输入到cc融合模块中进行特征融合并输出，得到f′、f″、f″′、f″″，具体步骤如下：
41、将convtrans模块不同尺度下的输出，输入到cc融合模块中进行一个通道拼接，并通过一个1×1的卷积得到f′、f″、f″′、f″″，具体公式如下；
42、
43、前本文档来自技高网...
【技术保护点】
1.一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤1中，输入同一地区不同时段的两张高分辨遥感图像，按通道进行分组，具体步骤如下：
3.根据权利要求1所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤2中，对分组后的高分辨遥感图像进行特征提取、特征合并，得到多尺度下的全局局部特征信息，即为：
4.根据权利要求3所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：具体的，以第一个ConvTransBlock模块为基准，得到全局局部特征信息F11的步骤如下：
5.根据权利要求4所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤2中，得到全局局部特征信息F21、全局局部特征信息F31、全局局部特征信息F41的具体步骤如下：
6.根据权利要求5所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：
7.根据权利要求1所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤3中，将多尺度下的全局局部特征信息在ConvTrans模块不同尺度下的输出，输入到CC融合模块中进行特征融合并输出，得到f′、f″、f″′、f″″，具体步骤如下：
8.根据权利要求1所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤4中，将f′、f″、f″′、f″″输入到U型结构的多尺度注意力解码器当中，获取多尺度下的全局与局部信息，生成一个预测变化图具体步骤如下：
9.根据权利要求8所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤5中，使用混合损失函数L对预测变化图进行参数优化，具体公示如下：
...【技术特征摘要】
1.一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤1中，输入同一地区不同时段的两张高分辨遥感图像，按通道进行分组，具体步骤如下：
3.根据权利要求1所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤2中，对分组后的高分辨遥感图像进行特征提取、特征合并，得到多尺度下的全局局部特征信息，即为：
4.根据权利要求3所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：具体的，以第一个convtransblock模块为基准，得到全局局部特征信息f11的步骤如下：
5.根据权利要求4所述的一种基于多尺度全局局部特征融合的遥感图像的变换检测方法，其特征在于：在步骤2中，得到全局局部特征信息f21、全局局部特征信息f31、全局局部特征信息f41的具体步骤如下：
6.根据权...
【专利技术属性】
技术研发人员：詹天明，戴然臣，余小兵，吴华朋，吴泽彬，
申请(专利权)人：南京审计大学，
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。