[发明专利]遥感图像的变换检测方法、装置、电子设备及存储介质

权利要求书

1.一种遥感图像的变换检测方法，其特征在于，包括：

预先基于双重监督方法训练样本数据集得到变化检测模型；所述样本数据集中的各遥感样本图像的变化区域已知且携带对应变化类型的标签；

计算第一遥感图像和第二遥感图像的差值图像；

将所述差值图像输入至所述变化检测模型，得到所述第一遥感图像相对所述第二遥感图像的变换检测结果。

2.根据权利要求1所述的遥感图像的变换检测方法，其特征在于，所述基于双重监督方法训练样本数据集得到变化检测模型之前，还包括：

获取样本数据集；

对所述样本数据集中的各遥感样本图像：对叠加至少2期遥感样本图像的所有波段进行分割处理，构建对象特征向量和变化向量的模，并确定目标检测阈值；对目标研究区域进行变化检测，得到所述目标研究区域的变化范围；利用目视解译方法标注各遥感样本图像的变化类型以生成对应标签。

3.根据权利要求2所述的遥感图像的变换检测方法，其特征在于，所述对叠加至少2期遥感图像样本数据的所有波段进行分割处理之前，还包括：

按照多个目标角度对各遥感样本图像进行旋转操作；

从预设随机因子取值区间中获取至少1个随机因子，基于所述随机因子对相应的遥感样本图像进行缩放操作；

按照预设噪声值为每个遥感样本图像添加噪声；

对各遥感样本图像进行随机亮度调节操作。

4.根据权利要求1至3任意一项所述的遥感图像的变换检测方法，其特征在于，所述基于双重监督方法训练样本数据集得到变化检测模型，包括：

预先构建卷积神经网络模型；所述卷积神经网络模型包括编码器和解码器，且所述卷积神经网络模型在解码阶段得到的特征图和在解码阶段的特征图跳接连接；

利用所述双重监督方法，基于所述训练样本数据集训练所述卷积神经网络模型得到所述变化检测模型；

其中，所述编码器包括第一卷积模块、第二卷积模块、第三卷积模块和第四卷积模块；所述第一卷积模块、所述第二卷积模块、所述第三卷积模块和所述第四卷积模块均由第一卷积层、第二卷积层、编码批处理归一化层和编码激活函数层依次堆叠构成；所述第一卷积模块、所述第二卷积模块、所述第三卷积模块和所述第四卷积模块的末端堆叠用于下采样的最大池化层；

所述解码器包括第五卷积模块、第六卷积模块、第七卷积模块和第八卷积模块；所述第五卷积模块、所述第六卷积模块、所述第七卷积模块和所述第八卷积模块均由第三卷积层、第四卷积层、解码批处理归一化层和解码激活函数层依次堆叠构成；所述第五卷积模块、所述第六卷积模块、所述第七卷积模块和所述第八卷积模块的末端堆叠用于上采样的双线性插值层。

5.根据权利要求4所述的遥感图像的变换检测方法，其特征在于，所述第二卷积模块、所述第三卷积模块和所述第四卷积模块还包括损失函数层；所述利用所述双重监督方法，基于所述训练样本数据集训练所述卷积神经网络模型得到所述变化检测模型，包括：

计算所述解码器的输出特征图与真实变化图的损失信息，以监督所述卷积神经网络模型的训练过程。

6.一种遥感图像的变换检测装置，其特征在于，包括：

模型预训练模块，用于预先基于双重监督方法训练样本数据集得到变化检测模型；所述样本数据集中的各遥感样本图像的变化区域已知且携带对应变化类型的标签；

差值图像计算模块，用于计算第一遥感图像和第二遥感图像的差值图像；

检测模块，用于将所述差值图像输入至所述变化检测模型，得到所述第一遥感图像相对所述第二遥感图像的变换检测结果。

7.根据权利要求6所述的遥感图像的变换检测装置，其特征在于，还包括数据集处理模块，用于获取样本数据集；对所述样本数据集中的各遥感样本图像：对叠加至少2期遥感样本图像的所有波段进行分割处理，构建对象特征向量和变化向量的模，并确定目标检测阈值；对目标研究区域进行变化检测，得到所述目标研究区域的变化范围；利用目视解译方法标注各遥感样本图像的变化类型以生成对应标签。