基于语义滤波与结构对齐的遥感图像变化检测方法及系统
本发明涉及遥感图像处理及计算机视觉,具体涉及一种基于语义滤波与结构对齐的遥感图像变化检测方法及系统。
背景技术:
1、遥感图像变化检测(rscd,即remote sensing change detection)旨在通过分析从同一地理区域获取的双时相图像,识别表面特征的语义变化。作为地球观测中的关键任务,rscd在城市扩张监测、灾害评估、资源管理和生态保护等多种关键应用中发挥着重要作用。高分辨率卫星技术的快速发展产生了海量的高质量地球观测数据,这促进了对地表动态更精细的监控。同时,大量的数据也对变化检测算法的精度和鲁棒性提出了更严格的要求。
2、近年来,深度学习的出现使得基于卷积神经网络(cnn,即convolutional neuralnetwork)和transformer的方法成为解决该问题的主流方案。得益于其卓越的特征提取和上下文建模能力,现有模型能够推导出深层语义表示,从而获得比传统方法高得多的检测精度。然而,在复杂的高分辨率场景中,深度学习在变化检测中的性能仍然受到两个关键问题的制约。
3、第一,语义干扰会导致分布偏移。现有的基于深度学习的变化检测面临季节和光照变化注入的噪声问题,导致双时相数据之间产生发散的潜在分布;为缓解这一问题,现有方法采用全局建模,主要利用带有密集点对点注意力机制的繁重架构,但这种设计不但施加了沉重的计算负担,而且在过滤噪声的同时难以实现高效的全局交互。
4、第二,结构错位会导致边界假阳性。目前的方法通常假设双时相图像已经完美配准。然而,视角偏移和地形变化经常引起几何差异,该种不对齐情况可能会欺骗模型,将车辆等发生位移但未发生本质变化的物体标记为真实变化;而在欧几里得空间中运行的传统方法严重依赖于刚性的像素级对齐或固定感受野的面片匹配,因此未能显式解决几何失真问题,导致在目标边界处产生大量的伪变化。
技术实现思路
1、为了解决现有技术中语义干扰导致分布偏移以及结构错位导致边界假阳性的技术问题,本发明的目的在于提供一种基于语义滤波与结构对齐的遥感图像变化检测方法,所采用的技术方案具体如下:
2、步骤s1:基于同一地理区域构建双时相遥感图像对,采用包含多级特征层级的共享权重的孪生网络提取双时相遥感图像对在每一特征层级的双时相特征,整合所有特征层级的双时相特征形成多尺度特征;
3、步骤s2:对多尺度特征在单时相维度上执行净化,生成对应特征层级的空间净化特征;
4、步骤s3:对最深特征层级的空间净化特征进行语义交互,动态对齐生成差异特征,并二次净化差异特征,生成对齐变化表征;
5、步骤s4:基于对齐变化表征采用多级上采样解码器,逐级调制并融合,输出变化检测预测掩码。
6、优选地,步骤s2中,包括:
7、步骤s21:界定每一特征层级的双时相特征中的任一特征为输入特征,通过空间滤波策略解耦输入特征,生成初步空间净化特征;
8、步骤s22:引入边缘感知细化机制对初步空间净化特征进行处理,得到进一步空间净化特征;
9、步骤s23:联立分析进一步空间净化特征和初步空间净化特征,生成对应特征层级的空间净化特征。
10、优选地,步骤s21中,包括:
11、步骤s211:采用光谱感知组归一化处理输入特征,生成空间重要性掩码,并预设阈值,结合空间重要性掩码定义二值掩码;
12、步骤s212:通过二值掩码解耦输入特征,并进行交叉融合重构,生成初步空间净化特征。
13、优选地,步骤s22中,包括:
14、步骤s221:采用sobel算子分析输入特征,得到全局边缘图;
15、步骤s222:将全局边缘图通过可学习残差连接注入至初步空间净化特征中,得到进一步空间净化特征。
16、优选地,步骤s23中,包括:
17、步骤s231:根据进一步空间净化特征之间的通道级绝对差异,生成滤波感知先验图;
18、步骤s232:基于滤波感知先验图,通过软top-k选择策略得到语义代理矩阵;
19、步骤s233:采用语义代理矩阵进行全局上下文交互,生成增强特征,结合滤波感知先验图和初步空间净化特征,生成对应特征层级的空间净化特征。
20、优选地,步骤s3中,包括:
21、步骤s31:对最深特征层级的空间净化特征进行语义交互,在非欧几里得空间构建双向k近邻图进行动态对齐,生成差异特征;
22、步骤s32:对差异特征进行二次净化,生成对齐变化表征。
23、优选地,步骤s31中,包括:
24、步骤s311:将最深特征层级的空间净化特征展平为序列,分别为第一时相序列和第二时相序列,在非欧几里得空间构建双向k近邻图;
25、步骤s312:在双向k近邻图中对第一时相序列和第二时相序列进行动态对齐,分别合成与第一时相序列对齐的第二时相潜在表示,及与第二时相序列对齐的第一时相潜在表示;
26、步骤s313:综合第一时相序列、第二时相序列、第一时相潜在表示和第二时相潜在表示,得到对应时相的元素级绝对差异图,在通道维度上进行拼接并利用卷积层融合,生成差异特征。
27、优选地,步骤s4中,包括:
28、步骤s41:多级上采样解码器采用自顶向下的级联结构,利用对齐变化表征调制对应特征层级的双时相特征;
29、步骤s42:将调制后的双时相特征与对齐变化表征进行残差相加合成对应特征层级的融合差异表示;
30、步骤s43:通过自顶向下的级联方式,将上层特征层级的融合差异表示上采样后,与当前特征层级的融合差异表示融合,输出变化检测预测掩码。
31、为解决上述技术问题,本发明又提供:基于语义滤波与结构对齐的遥感图像变化检测系统,所述系统包括:
32、多尺度特征提取模块,用于:基于同一地理区域构建双时相遥感图像对,采用包含多级特征层级的共享权重的孪生网络提取双时相遥感图像对在每一特征层级的双时相特征,整合所有特征层级的双时相特征形成多尺度特征;
33、单时相语义净化模块,用于:对多尺度特征在单时相维度上执行净化,生成对应特征层级的空间净化特征;
34、双时相图对齐模块,用于:对最深特征层级的空间净化特征进行语义交互,动态对齐生成差异特征,并二次净化差异特征,生成对齐变化表征;
35、分层变化生成模块,用于:基于对齐变化表征采用多级上采样解码器,逐级调制并融合,输出变化检测预测掩码。
36、为解决上述技术问题,本发明还提供:一种电子设备,所述设备包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信,处理器调用存储器中的逻辑指令,以执行前述任意一项所述的基于语义滤波与结构对齐的遥感图像变化检测方法。
37、本发明具有如下有益效果:
38、1、在提出的基于语义滤波与结构对齐的遥感图像变化检测方法中,对多尺度特征在单时相维度上执行净化,能够有效克服复杂环境中的语义干扰,即通过显式抑制背景冗余并利用轻量级先验指导全局建模,以线性计算复杂度捕获数据驱动的全局语义分布,有效避免了密集全局交互引发的伪变化,同时保留了高频结构细节。其次,对最深特征层级的空间净化特征进行语义交互,有效纠正了由于视角偏移等导致的几何偏差,以精确区分真实变化与配准伪影;并二次净化差异特征,完全消除由于配准误差导致的边界假阳性。
39、2、本发明提供的一种基于语义滤波与结构对齐的遥感图像变化检测系统和电子设备,与本发明提供的一种基于语义滤波与结构对齐的遥感图像变化检测方法具有相同的有益效果,在此不做赘述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com