(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210195921.2 (22)申请日 2022.03.01 (71)申请人 西北大学 地址 710127 陕西省西安市太白北路2 29号 (72)发明人 苏临之　解乔云　 (74)专利代理 机构 西安长和专利代理有限公司 61227 专利代理师 黄伟洪 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/75(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 多尺度嵌套的遥感图像变化检测方法、 系统 及计算机终端 (57)摘要 本发明属于遥感图像处理技术领域， 公开了 一种多尺度嵌套的遥感图像变化检测方法、 系统 及计算机终端， 所述多尺度嵌套的遥感图像变化 检测方法包括： 选取公开数据集， 并对数据集的 预处理； 构建基于ECA注意力机制的网络模型提 取单时相图像特征； 设计构建基于多尺度双重叠 加的网络模 型； 选取训练样本对网络模型训练并 选取测试集对网络模型进行测试。 本发明利用特 征金字塔、 孪生网络以及注意力机制对遥感图像 进行变化检测， 同时将两种损失函数加权来解决 类别不均衡的问题， 考虑多尺度的叠加来增强网 络融合特征的提取和类不平衡对检测结果的影 响， 在很大程度上加快了运行速度同时减少资源 的消耗。 权利要求书2页 说明书8页 附图7页 CN 114743110 A 2022.07.12 CN 114743110 A 1.一种多尺度嵌套的遥感图像变化检测方法， 其特征在于， 所述多尺度嵌套的遥感图 像变化检测方法包括： 首先将两张单时相的图像提取各自的高层特征， 然后进行特征的融合放入多尺度叠加 网络对融合的特 征再次提取， 最后再将融合的特 征分离。 2.如权利要求1所述的多尺度嵌套的遥感图像变化检测方法， 其特征在于， 所述多尺度 嵌套的遥感图像 变化检测方法包括以下步骤： 步骤一， 选取公开数据集， 并对数据集的预处 理； 步骤二， 构建基于 ECA注意力机制的网络模型提取 单时相图像特 征； 步骤三， 设计构建基于多尺度双重 叠加的网络模型； 步骤四， 选取训练样本对网络模型训练并选取测试集对网络模型进行测试。 3.如权利要求2所述的多尺度嵌套的遥感图像变化检测方法， 其特征在于， 所述步骤一 中的数据集的预处 理包括裁 剪以及图像增强。 4.如权利要求2所述的多尺度嵌套的遥感图像变化检测方法， 其特征在于， 所述步骤二 中的提取 单时相图像的特 征包括： (1)在提取单 时相图像特征阶段， 采用ResNet18作为基础网络提取特征； 对每个残差模 块的最后一层的特征图经过1 ×1的卷积操作进 行上采样， 再对上采样得到的特征进 行通道 的合并来融合低层特征和高层特征以获得更丰富的特征； 残差块使用预训练的权重值进 行 初始化， 在提取到的普遍特 征的基础上自适应的调节参数， 使得模型适 合特定的数据集； (2)在ResNet18网络上添加ECA注意力机制， 在不降维的情况下经过全局平均池化后， 自适应选取卷积核大小进 行一维卷积来 获得对不同通道的关注度； 采取孪生网络的结构模 型， 将不同时相的两张图像单独输入到网络中进行特征 的提取； 在最后一层对两个特征向 量做相似度损失函数 的计算， 进而对网络整体进行更新训练； 当两张图像输入的网络结构 完全相同时， 也 叫权重共享实质是使用同一个结构框架提取两张图像各自的特 征信息。 5.如权利要求2所述的多尺度嵌套的遥感图像变化检测方法， 其特征在于， 所述步骤三 中的多尺度网络 叠加包括： (1)将孪生网络提取到的不同特征进行融合， 放到多尺度的特征融合网络中提取不同 尺度的融合特征； 在尺度融合网络中重新设计新的模块， 对融合的特征再次进行不同尺度 的信息抽取； 使用以3 ×3， 5×5， 7×7三个卷积做金字塔结构， 同时引入 全局池化分支； (2)将网络 输出的特 征计算特 征距离， 再通过阈值的判定得 出最后的变化检测图。 6.如权利要求2所述的多尺度嵌套的遥感图像变化检测方法， 其特征在于， 所述步骤四 中的选取训练样本对网络模型训练并选取测试集对网络模型进行测试包括： 通过训练网络学习输入到嵌入空间的非线性转换， 相似性大的样本对应的嵌入向量距 离近， 相反则远； 使用对比损失让在嵌入空间里 的每个像素对如果发生变化， 则距离较大； 如果没有发生变化， 则距离较小； 在训练阶段采用对比损失函数， 通过降低损失函数学习网 络的参数： 其中， d代表两个样本特征之间的欧氏距离； y表示两个样本是否是匹配的标签， y＝1表权　利　要　求　书 1/2 页 2 CN 114743110 A 2示两个样本相似或者匹配， y＝0表示 不匹配； margi n为设定的阈值； 在测试阶段， 通过固定阈值分割得到变化图p： 使用focal loss损失函数解决正负 样本比例严重失衡的问题： 其中， y是标签值； y'是预测值； α 是平衡因子， 用于平衡正负样本本身的比例不均； γ用 于调节简单样本 权重降低的速率； 总的损失函数为： L＝Lcl+λLfl。 其中， λ为两种损失函数的调节参数。 7.一种实施权利要求1～6任意一项所述多尺度嵌套的遥感图像变化检测方法的多尺 度嵌套的遥感图像变化检测系统， 其特征在于， 所述多尺度嵌套的遥感图像变化检测系统 包括： 数据集选取模块， 用于 选取公开数据集； 数据集预处 理模块， 用于对数据集进行裁 剪以及图像增强的预处 理； 图像特征提取模块， 用于通过构建基于ECA注意力机制的网络模型提取单时相图像特 征； 网络模型构建模块， 用于设计构建基于多尺度双重 叠加的网络模型； 网络模型测试模块， 用于选取训练样本对 网络模型训练并选取测试集对 网络模型进行 测试。 8.一种计算机设备， 其特征在于， 所述计算机设备包括存储器和处理器， 所述存储器存 储有计算机程序， 所述计算机程序被所述处 理器执行时， 使得 所述处理器执行如下步骤： 首先将两张单时相的图像提取各自的高层特征， 然后进行特征的融合放入多尺度叠加 网络对融合的特 征再次提取， 最后再将融合的特 征分离。 9.一种计算机可读存储介质， 存储有计算机程序， 所述计算机程序被处理器执行时， 使 得所述处理器执行如下步骤： 首先将两张单时相的图像提取各自的高层特征， 然后进行特征的融合放入多尺度叠加 网络对融合的特 征再次提取， 最后再将融合的特 征分离。 10.一种信息数据处理终端， 其特征在于， 所述信息数据处理终端用于实现如权利要求 7所述的多尺度嵌套的遥感图像 变化检测系统。权　利　要　求　书 2/2 页 3 CN 114743110 A 3