[发明专利]基于坐标注意力和双时间语义推理的自然保护地遥感图像语义变化检测方法

说明书

本发明涉及一种基于坐标注意力和双时间语义推理的自然保护地遥感图像语义变化检测方法，包括：获取遥感图像数据；进行数据预处理与数据增强；构建残差坐标注意力模块，构建双时间语义推理模块，构建CAB‑SRNet网络模型；基于联合损失函数，采用训练集对CAB‑SRNet网络模型进行训练，训练完成后用测试集评估CAB‑SRNet网络模型的识别精度和提取效果；进行语义变化识别：将待提取的自然保护地遥感图像进行数据预处理后，输入训练完成的CAB‑SRNet网络模型，CAB‑SRNet网络模型输出预测图像，得到自然保护地土地利用语义变化识别结果。本发明能有效识别变化区域的位置信息和边界信息，提高变化识别精度；能够在关键区域更好地区分土地利用类型，获取好的语义变化识别效果。

技术领域

本发明涉及图像变化识别技术领域，尤其是一种基于坐标注意力和双时间语义推理的自然保护地遥感图像语义变化检测方法。

背景技术

自然保护地是生态建设的核心载体，在维护国家生态安全中居于首要地位。随着工业化和城镇化的快速发展，保护与开发的矛盾日益突出，人类活动造成的环境斑块破碎化给生物多样性带来了较大威胁，自然保护地数量多、面积大、分布广、地理环境复杂、建设项目繁杂、监管人手少，依赖传统的地面调查手段难以及时发现和监督保护地内各项违法违规活动，而卫星遥感具有宏观性、及时性、客观性等特点，是开展自然保护地人类活动监管的最佳手段。

随着高分辨率遥感影像的日益普及，已经扩大了在高分辨率双时态图像中进行变化检测的潜在应用范围。基于高分辨率遥感影像的变化检测在以下两个方面仍然是一个具有挑战性的任务：场景中物体的复杂性和不同的成像条件，两者都导致了具有相同语义概念的物体在不同的时间和不同的空间位置(时空)表现出不同的光谱特征。为此，急需研发一个更好的变化检测模型，它可以在复杂场景中识别这些相关的变化，同时避免由季节变化、建筑阴影、大气变化和光照条件的变化引起的复杂的不相关的变化。

发明内容

本发明的目的在于提供一种实现遥感图像自动化语义变化检测，同时表示出图像丰富的变化信息，提高了自然保护地监督效率和准确率，大大缓解了人力资源的紧张的基于坐标注意力和双时间语义推理的自然保护地遥感图像语义变化检测方法。

为实现上述目的，本发明采用了以下技术方案：一种基于坐标注意力和双时间语义推理的自然保护地遥感图像语义变化检测方法，该方法包括下列顺序的步骤：

(1)获取遥感图像数据：下载两期自然保护地区域的北京二号和高景一号高分辨率遥感图像数据；

(2)进行数据预处理与数据增强：根据自然保护地矢量数据对获取的遥感图像进行筛选、拼接及裁剪；对两期遥感图像发生变化的变化区域进行语义标注，得到标签图像L₁和L₂，其中，L₁为变化前的语义变化图，L₂为变化后的语义变化图；对遥感图像和标签图像进行裁剪和数据增强，得到自然保护地语义变化检测数据集；按照7：2：1的比例将自然保护地语义变化检测数据集划分为训练集、测试集和验证集；

(3)构建CAB-SRNet网络模型：在残差块中添加坐标注意力机制构建残差坐标注意力模块，构建双时间语义推理模块，在BI-SRNet网络上添加残差坐标注意力模块和双时间语义推理模块，构建CAB-SRNet网络模型；

(4)进行模型训练与评估：基于语义类损失L_sem、二进制变化损失L_change，和语义变化损失L_sc相结合的联合损失函数，采用训练集对CAB-SRNet网络模型进行训练，训练完成后用测试集评估CAB-SRNet网络模型的识别精度和提取效果；

(5)进行语义变化识别：将待提取的自然保护地遥感图像进行数据预处理后，输入训练完成的CAB-SRNet网络模型，CAB-SRNet网络模型输出预测图像，得到自然保护地土地利用语义变化识别结果。

所述步骤(2)具体包括下列步骤：