[发明专利]一种基于注意力机制的土地变化类型检测方法及装置

权利要求书

1.一种基于注意力机制的土地变化类型检测方法，其特征在于，所述方法包括：

获取训练区域的训练双时相SAR数据和训练双时相光学数据，所述训练双时相SAR数据和训练双时相光学数据是一一对应的；

将所述训练双时相SAR数据进行第一预处理得到第一训练数据，将所述训练双时相光学数据进行第二预处理得到第二训练数据；

将所述第一训练数据和第二训练数据输入至预设神经网络中进行训练，其中，所述预设神经网络为基于注意力模块和U-Net网络建立的神经网络；

获取待检测区域的双时相SAR数据和双时相光学数据，并将所述双时相SAR数据进行所述第一预处理得到第一数据，将所述双时相光学数据进行第三预处理得到第二数据；

将所述第一数据和第二数据输入至训练好的预设神经网络中，从而得到土地变化类型识别检测结果，其中，所述训练区域和所述待检测区域为相同地形地貌特征的区域。

2.如权利要求1所述的基于注意力机制的土地变化类型检测方法，其特征在于，所述土地变化类型具体包括未变化类型、耕地变果园类型、耕地变道路类型、裸地变建筑用地类型和其他变化类型。

3.如权利要求1所述的基于注意力机制的土地变化类型检测方法，其特征在于，所述预设神经网络具体为：将所述注意力模块分别插入所述U-Net网络中编码器每层的卷积之后和池化之前，插入完成后的U-Net网络即为所述预设神经网络，所述预设神经网络包括编码器和解码器，编码器用于特征提取，所述编码器包括反卷积和双线性差值两种上采样，通过跳跃连接融合经过注意力模块的特征图和经过上采样的特征图。

4.如权利要求1所述的基于注意力机制的土地变化类型检测方法，其特征在于，所述双时相SAR数据和训练双时相SAR数据均为双时相全极化SAR数据，所述第一预处理具体包括：

根据所述输入数据的极化分解方式提取SAR特征影像，所述输入数据具体为训练双时相SAR数据或双时相SAR数据；

将所述SAR特征影像做对数比值从而获取特征差异影像；

将所述特征差异影像进行标准化；

将进行标准化后的特征差异影像依次进行裁剪和重采样。

5.如权利要求1所述的基于注意力机制的土地变化类型检测方法，其特征在于，所述第二预处理具体包括：

将所述训练双时相光学数据依次进行辐射标定、大气校正和配准得到一级训练数据；

根据所述一级训练数据制作对应的矢量标签数据；

将所述矢量标签数据中各土地变化类型赋予属性，所述属性包括未变化属性、耕地变果园属性、耕地变道路属性、裸地变建筑用地属性和其他变化属性；

将赋予属性后的矢量标签数据进行栅格化得到对应的单通道标签图像；

将所述单通道标签图像转换为多通道的RGB标签图像；

将所述RGB标签图像进行依次裁剪和重采样。

6.如权利要求1所述的基于注意力机制的土地变化类型检测方法，其特征在于，所述第三预处理具体包括：

将所述双时相光学数据依次进行辐射标定、大气校正和配准后得到一级数据；

将所述一级数据依次进行裁剪和重采样。

7.如权利要求1所述的基于注意力机制的土地变化类型检测方法，其特征在于，所述将所述第一训练数据和第二训练数据输入至预设神经网络中进行训练，具体包括：

将所述第一训练数据和第二训练数据进行数据增强处理得到对应的第一增强训练数据和第二增强训练数据；

根据训练、测试和验证之间8:1:1的比例分别对所述第一增强训练数据和第二增强训练数据进行分配；

将分配好的第一增强训练数据和第二增强训练数据输入至所述预设神经网络中进行训练。