CN119205638B 基于迭代Mamba架构的遥感图像变化检测方法及装置 （深圳职业技术大学）

基于迭代Mamba架构的遥感图像变化检测方本发明涉及基于迭代Mamba架构的遥感图像像和第二遥感图像分别输入至Mamba特征提取获取所述第一遥感图像和所述第二遥感图像的2将第一遥感图像和第二遥感图像分别输入至Mamba特征提取器，以分别提取出所述第将所述第一遥感图像的多维度特征图集合和所述第二遥感图像的多维度特征图集合将所述高维变化特征图和所述低维融合变化特征图输入至全局混合注意力模块进行通过所述线性嵌入层将所述第一遥感图像进行分块处理，划分为不重将所述初始特征图输入至第一层所述编码器层中进行编码器层处理器层处理的步骤包括通过所述VSS块扫描所述特征图的图像特征，集成上下文关系，生成将所述新的特征图输入至下一层所述编码器层中，重复所述编码器至完成N层所述编码器层的编码器处理，将每一层所述编码器层输出的特征图的集合作为2.根据权利要求1所述的基于迭代Mamba架构的遥感图像变化检测方法，其特征在于，所述将所述第一遥感图像的多维度特征图集合和所述第二遥感图像的多维度特征图集合将由第i层所述编码器层输出的所述第一遥感图像的特征图，和由第将各层的长频变化特征图的集合作为所述多维度长频变化特征图集合遥感图像的高维特征图和第二遥感图像的高维特征图的长频变化特征输出作为高维长频3.根据权利要求2所述的基于迭代Mamba架构的遥感图像变化检测方法，其特征在于，3对所述高维变化特征图进行上采样，使得所述高维变化特征图通过元素相加的方式，将上采样后的高维变化特征图与所述低维变化特征图进行融4.根据权利要求1所述的基于迭代Mamba架构的遥感图像变化检测方法，其特征在于，所述将所述高维变化特征图和所述低维融合变化特征图输入至全局混合注意力模块进行将所述高维变化特征图和所述低维融合变化特征图分别进行通道扩展，对扩展后的高维变化特征图和扩展后的低维融将所述扩展后的高维变化特征图和所述扩展后的低维融合变化特征图进行特征融合，将所述全局注意力特征图分割为高维注意力特征图和低维注将所述高维注意力特征图、所述低维注意力特征图分别与将所述加权高维特征图和所述加权低维特征图进行重建，生成5.根据权利要求1所述的基于迭代Mamba架构的遥感图像变化检测方法，其特征在于，通过迭代扩散模型对所述融合输出特征图进行多次迭代优化，在所述正向过程中，逐步向输入迭代正向过程的变化特征图中添加所述输入噪声特在所述反向过程中，通过噪声估计模型对输入反向过程的图像进6.根据权利要求5所述的基于迭代Mamba架构的遥感图像变化检测方法，其特征在于，7.根据权利要求5所述的基于迭代Mamba架构的遥感图像变化检测方法，其特征在于，48.根据权利要求5所述的基于迭代Mamba架构的遥感图像变化检测方法，其特征在于，所述第二编码器接收输入特征，所述输入特征包括输入噪声特征和输入的变化特征所述第二解码器与第二编码器跳跃连接，将第二编码器中对应层通过迭代优化机制对所述初步变化检测图作为输入，通过多维度特征分别提取出所述第一遥感图像的多维度特征图集合和所述第二遥感图像的多维度特征图状态空间变化检测模块，用于将所述第一遥感图像的多维度特低维特征生成模块，用于对所述多维度长频变化特征图集合全局混合注意力模块，用于将所述高维变化特征图和所述低迭代扩散模块，用于通过迭代扩散模型对所述融合输出特征图进通过所述线性嵌入层将所述第一遥感图像进行分块处理，划分为不重将所述初始特征图输入至第一层所述编码器层中进行编码器层处理器层处理的步骤包括通过所述VSS块扫描所述特征图的图像特征，集成上下文关系，生成将所述新的特征图输入至下一层所述编码器层中，重复5至完成N层所述编码器层的编码器处理，将每一层所述编码器层输出的特征图的集合作为6[0001]本发明涉及计算机视觉技术领域，特别涉及一种基于迭代Mamba架构的遥感图像信息时存在不足，限制了其在复杂变化检测任务中的性能。尤其是在处理大尺度图像时，7[0009]本发明的主要目的为提供一种基于迭代Mamba架构的遥感图像变化检测方法及装[0010]为实现上述目的，本发明第一方面提供了一种一种基于迭代Mamba架构的遥感图[0011]将第一遥感图像和第二遥感图像分别输入至Mamba特征提取器，以分别提取出所[0012]将所述第一遥感图像的多维度特征图集合和所述第二遥感图像的多维度特征图[0014]将所述高维变化特征图和所述低维融合变化特征图输入至全局混合注意力模块[0017]通过所述线性嵌入层将所述第一遥感图像进行分块处理[0019]将所述新的特征图输入至下一层所述编码器层中，重复所述编码器层处理的步8第一遥感图像的高维特征图和第二遥感图像的高维特征图的长频变化特征输出作为高维得到扩展后的高维变化特征图和扩展后的低维融合[0028]将所述扩展后的高维变化特征图和所述扩展后的低维融合变化特征图进行特征9[0048]本发明的第二方面提供了一种基于迭代Mamba架构的遥感图像变化检测装置，所[0049]特征提取模块，用于将第一遥感图像和第二遥感图像分别输入至Mamba特征提取[0054]本发明提出的基于迭代Mamba架构的遥感图像变化检测方法及装置，通过引入和噪声的影响，在通过全局混合注意力模块的引入实现高维变化特征图和低维融合变化[0055]图1是本发明一实施例中基于迭代Mamba架构的遥感图像变化检测方法的流程示[0056]图2是本发明一实施例中基于迭代Mamba架构的遥感图像变化检测装置的结构示[0060]参照图1，本发明实施例公开了一种基于迭代Mamba架构的遥感图像变化检测方维度特征图集合至少包括高维特征图和低维动学习并提取图像中的低维和高维特征。输入的遥感图像经过Mamba特征提取器的多层卷所述编码器层处理的步骤包括通过所述VSS块扫描所述特征图的图像特征，集成上下文关[0083]Fixn="[concat}("{Linear}(F_i'[:,0:2,0:2,:]),"{Linear(F_i'[:,1:2,0:2,:]),[0084]&"{Linear(F_i'[:,0:2,1:2,:]),"{Linear}(F_i'[:,1:2,1:2,:]))所述编码器层处理的步骤包括通过所述VSS块扫描所述特征图的图像特征，集成上下文关遥感图像的多维度特征图集合输入至状态空间变化检测模块（StateSpaceChangeDetection,VSS_CD通过状态空间建模，获取所述第一遥感图像和所述第二遥感图像的输入为第一遥感图像的高维特征图和第二遥感图像的高维特征图的长频变化特征输出作[0104]BX(At)B应分别得到扩展后的高维变化特征图和扩展后的低维融合首先通过1xl卷积扩展通道数：。[0122]将高维特征和低维特征在通道维度上进行拼接Mconcat=[MH,ML]，拼接后的[0125]最终的融合特征图MfuseeR2cxllxw+2cx1x1。[0129]Mg'=Me'[;HXW:]估计网络a,生成噪声估计值：mlc和mc