[发明专利]一种基于DualNet的城市区域变化检测方法

说明书

本发明涉及城市区域变化检测技术领域，尤其涉及一种基于DualNet的城市区域变化检测方法，所属技术领域，一种基于DualNet的城市区域变化检测方法，其特征在于，包括如下步骤：(1)读取数据集，读取由地理信息库生产的变化检测数据集中图像对，每个图像对包括该区域变化前图像和变化后的图像；在读取数据集后，将变化前后的图像对以双时态图像的方式作为输入；(2)在读取数据之后采取数据增强策略，为了避免网络训练时产生过拟合现象；(3)构建语义分割网络DualNet，输入时将图像对分别输入编码器，得到特征图后再进行跳连和解码操作。本发明的优点是能够客服传统变化检测方法无法自动获取图像信息这一缺陷，通过新的跳连方式得到较好的预测结果。

技术领域

本发明涉及城市区域变化检测技术领域，尤其涉及一种基于DualNet的城市区域变化检测方法。

背景技术

如今，越来越多的卫星被发射到太空中以监测地球，因此卫星图像之类的遥感数据被应用到众多遥感任务中，而变化检测就是最重要的遥感任务之一。变化检测为众多领域提供有用的信息，比如城市管理、生态系统监控和国家土地利用地图更新等。传统的变化检测算法可以获得变化检测的结果，但是这些方法无法自动去获得图像中变化区域的信息，使得变化检测结果过于依赖于人类的判断。

由于近几年深度学习的蓬勃发展，使得图像处理领域取得了很大进步，包括图像分类、图像检索和语义分割等领域。深度学习算法能够自发的学习图像深层特征，无需人类参与，因此为了克服传统变化检测方法无法自动获取图像信息这一缺陷，针对城市的变化区域检测，本发明基于Unet和SegNet，提出了一种基于DualNet的城市区域变化检测方法，该网络使用了改进的跳连方context-skip，能够有效的学习到图像上下文信息。

发明内容

本发明针对城市变化检测这一需求，提出了一种基于DualNet的城市区域变化检测方法，该方法能够自动获取变化区域图像特征，无需人类参与。

本发明包括以下步骤：

步骤1.读取由地理信息库生产的变化检测数据集中图像对，每个图像对包括该区域变化前图像和变化后的图像，其中变化区域包括水体变化、地面变化、低矮植被变化、树木变化、建筑物变化和运动场地变化，等等。数据集图像对可被分为训练集，测试集及测试集。

在本发明中，将每个图像像素分配为变化区域和未变化区域，将变化检测视为图像分割任务，以此来进行神经网络的训练。由于变化检测是基于两个不同时段的影像数据，因此输入图像为双时态图像。

步骤2.数据增强。为了避免网络训练时产生过拟合现象，本发明在读取数据之后采取数据增强策略，包括以下操作：

(1)90°，180°和270°的旋转操作；

(2)以3°到20°做间隔做随机旋转操作；

(3)取[0.75，1.25]中的随机因子进行缩放操作；

(4)随机亮度变化操作；

(5)随机对比度变化操作；

(6)将图像转换为HSV空间等操作。

同时，因为网络设定输入为256x256大小，因此在增强之后本发明会随机进行剪裁，以满足网络训练需求。

步骤3.基于Context-Skip的网络构建。本发明使用的网络体系结构称为DualNet，输入时将图像对分别输入编码，得到特征图后再进行跳连和解码操作。

1.编码器。在编码器分支中，共有四个卷积块，每个卷积块由以下操作依次堆叠构成：(1)卷积层，共3层；

(2)批处理归一化层；

(3)激活函数Relu。