CN118334532B 基于雙時像遙感圖像的輕量級遙感變化檢測方法及系統 （長沙理工大學）

基于雙時像遙感圖像的輕量級遙感變化檢本發明公開了一種基于雙時像遙感圖像的絡包括特征提取骨干RSShuffle、LightSEPP、2S3、輸入雙時像遙感圖形，通過訓練后的所述2.根據權利要求1所述的基于雙時像遙感圖像的輕量級遙感變化檢測方法，其特征在將第一個時態的第一半的特征圖與第二個時態的第二半的特征圖在通道維度上交替合成的特征圖在通道維度上交替合成第二個時態的混合特3.根據權利要求1所述的基于雙時像遙感圖像的輕量級遙感變化檢測方法，其特征在于，所述Transformer編碼器一解碼器前，還設有Token生成器，用于將輸入的大小為4.根據權利要求1所述的基于雙時像遙感圖像的輕量級遙感變化檢測方法，其特征在5.根據權利要求1所述的基于雙時像遙感圖像的輕量級遙感變化檢測方法，其特征在3所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用7.一種非暫態計算機可讀存儲介質，其特征4[0002]遙感變化檢測(RSCD)是指利用衛星、飛機等遙感平臺獲用以下六種方法：圖層算術(layerarithmetic)、后分類變化(post_classificationRSCD方法通過人工特征選擇來獲取變化特征，受限于人工設置參數和對數據特征的理解，字塔池化等)加入到網絡中，得益于卷積神經網絡(CNN)、Transformer強大的特征提取能基礎上通過比較兩個時間點的特征圖來確定變化的區域,這種方式明確定義的特征提取階5兩個上采樣，且將第二個下采樣的輸出經RSConv模塊后與第一個上采樣的輸出殘差連接，接后的特征經過一個卷積核為1×1的卷積后，與特征x經過一個卷積核為3×3的卷積后的6個時態的第一半的特征圖在通道維度上交替合成第二個時態的混合特[0032](3)本發明將卷積神經網絡主干架構提取到的特征進行token生成器得到高級語[0035]圖2為本發明實施例的特征提取骨干RSShuffle和背景技術shuffleNetv2的網絡7al.基于shufflenetv2和可分離自注意設計了一個輕量級的變化檢測網絡ELW_CDNet。LiLightRSCDNet。我們設計了一種輕量級的特征提取骨干RSShuffle，該網絡摒棄了復雜結用于提取淺層信息，包括一個共享的骨干網絡RSShuffle和一個輕量級的SPP網絡合了特征提取、Transformer編碼解碼以及變化圖預測等模塊，以實現對時態特征的多層[0051]RSShuffle由shuffleNetv2改進而來。ShuffleNetv2是一個具有優秀性能的輕量級網絡結構，對ShuffleNetv2進行了改進得到了RSShuffle網絡。圖2為RSShuffle與ShuffleNetv2的對比圖，圖2的圖(a)為RSShuffle，圖2的圖(b)為ShuffleNetv2。8多的特征信息，我們在第5階段后增加了一個輕量級的注意力機制ShuffleAttention。ShuffleAttention詳見Q._L.ZhangandY._B.Yang,"Sa_net:Shuffleattentionfordeepconvolutionalneuralnetworks,"inICASSP2021_2021IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing(ICASSP),2021:IEEE,式，得到下采樣因子為4的輸出特征圖，避免了空間信息的大幅度減少。RSShuffle比[0063]LightSEPP的主要作用是在實現局部特征和全局特征的特征圖級別的融合的同與特征x經過一個卷積核為3×3的卷積后的特征值相加；最后將兩個時態的特征圖分別進9征圖與第二個時態的第二半的特征圖在通道維度上交替合成第一個時態的混合特征圖后合成第二個時態的混合特征圖后輸出。實現在通道維度上交替交換一半的輸入雙時態特[0067]Transformer編碼器_解碼器之前，先通過Token生成器將從特征提取得到的淺層[0068]Transformer編碼器和解碼器結構如圖7所示。這里的Transformer編碼器和解碼器采用的是BIT，詳見H.Chen,Z.Qi,andZ.Shi,"Remotesensingimagechangedetectionwithtransformers,"IEEETransactionsonGeoscienceandRemote[0070]Transformer編碼器和解碼器利用自注意力機制捕捉輸入序列和已生成序列之間[0074]本實施例選擇變化檢測數據集，以驗證LightRSCDNet的性能，這些數據集包括LEVIRbuildingChangeDetectiondataset(LEVIR_CD)、WuhanUniversityBuildingEF,FC_Siam_Di,FC_Siam_Conc和6種基于transformer的方法DTCDSCN，STANet，IFNet，[0084](3)本發明將卷積神經網絡主干架構提取到的特征進行token生成器得到高級語