[发明专利]一种基于线性跨时态交互的异源遥感建筑变化检测方法

说明书

本发明公开了一种基于线性跨时态交互的异源遥感建筑变化检测方法，包括：获取异源遥感图像对并分割为若干子图；采用预训练好的CNN或Transformer模型对各子图进行特征提取获得对应的第一特征图；将图像对中对应子图获得的第一特征图执行线性交叉注意力操作获取对应的第二特征图；对第二特征图执行协同特征对齐操作获取对应的第三特征图；将图像对中对应子图获得的第三特征图依次进行差值、上采样和卷积变换，获取变化检测图。该方法针对异源遥感图像变化检测任务中数据异源差异，通过交叉注意力进行图像间耦合互动，并构建协同特征对齐以保障异源特性下特征间对齐，有助于提高异源遥感图像变化检测的精度和泛化性能。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于线性跨时态交互的异源遥感建筑变化检测方法。

背景技术

遥感图像变化检测是指提取不同时相同一区域的遥感图像之间变化区域的过程。变化检测是遥感领域重要的研究方向，其作为监测地表状况的关键技术，在城市扩张制图、环境状况监测、灾害损失评估等众多领域发挥着巨大作用。由于卫星运行需要一定的周期，仅有的遥感图像可能是通过不同的卫星传感器在目标日期获得，这种情况下，需要快速、灵活、准确的方法来处理不同传感器获取的异源遥感图像。

传统的变化检测算法往往基于手工提取特征，表征效果并不理想。深度神经网络可以提取图像更深层次的非线性特征，具有更好的表征性。例如，卷积神经网络CNN通过滑动卷积核机制从数据中捕获局部归纳偏置，Transformer通过自注意力机制中相似度或亲和度动态计算权重捕获长距离依赖。但CNN由于感受野受限，缺乏长距离依赖建模能力，而Transformer虽然从浅层网络起就以近似全局的感受野捕获长距离依赖，但这造成Transformer在浅层和深层获得的表征之间具有更多相似性而导致过高的冗余。因此，提出一种基于线性跨时态交互的异源遥感建筑变化检测方法。

发明内容

本发明的目的在于针对上述问题，提出一种基于线性跨时态交互的异源遥感建筑变化检测方法，针对异源遥感图像变化检测任务中数据异源差异，通过交叉注意力进行图像间耦合互动，并构建协同特征对齐以保障异源特性下特征间对齐，有助于提高异源遥感图像变化检测的精度和泛化性能。

为实现上述目的，本发明所采取的技术方案为：

本发明提出的一种基于线性跨时态交互的异源遥感建筑变化检测方法，包括如下步骤：

S1、获取异源遥感图像对，将图像对中的两图像分割为若干相同尺寸的子图；

S2、采用预训练好的CNN模型或Transformer模型对各子图进行特征提取获得对应的第一特征图，尺寸记为W×H×d，其中，W为第一特征图的宽度，H为第一特征图的高度，d为第一特征图的通道深度；

S3、将图像对中对应子图获得的第一特征图分别记为F₁和F₂，并执行线性交叉注意力操作获取对应的第二特征图F_att-1和F_att-2，线性交叉注意力操作具体如下：

S31、线性展开F₁和F₂获取对应的向量组表示(Q₁,K₁,V₁)和(Q₂,K₂,V₂)，其中，Q₁为F₁的查询矩阵，K₁为F₁的键矩阵，V₁为F₁的值矩阵，Q₂为F₂的查询矩阵，K₂为F₂的键矩阵，V₂为F₂的值矩阵，尺寸均为N×d，N＝W×H；