CN116403123B 基于深度卷积网络的遥感影像变化检测方法 （北京数慧时空信息技术有限公司）_第1页
CN116403123B 基于深度卷积网络的遥感影像变化检测方法 （北京数慧时空信息技术有限公司）_第2页
CN116403123B 基于深度卷积网络的遥感影像变化检测方法 （北京数慧时空信息技术有限公司）_第3页
CN116403123B 基于深度卷积网络的遥感影像变化检测方法 （北京数慧时空信息技术有限公司）_第4页
CN116403123B 基于深度卷积网络的遥感影像变化检测方法 （北京数慧时空信息技术有限公司）_第5页
已阅读5页，还剩22页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于深度卷积网络的遥感影像变化检测方法本发明提供一种基于深度卷积网络的遥感前时相影像和后时相影像进行预处理和数据增网络；S3通过特征提取网络分别对前时相影像征和第二特征；S4将第一特征和第二特征输入特征向量计算向量内积得到差异特征；S5将差2S1获取目标区域的前时相影像和后时相影像，并S3通过特征提取网络分别对前时相影像和后时相影S4将第一特征和第二特征输入变化对比网络，S42将同一个线性空间内的第一特征向量和第二特征向量进行向量内积的计算，得到在第二个线性空间将第一特征和第二特征映射为d维的特征向量，在第三个线性空间将第所述多个线性空间不尽相同，每个线性空间的相似特征表征该线性空利用AdamW优化器结合余弦退火算法优化学习率，根据训练样本对初始的变化检测模数据集由多个前后时相的影像对组成，将影像对的影像波段进行3根据超像素块的分类结果得到数据集中每个像素的分类结果，作为数据集的真实标将前时相影像和后时相影像分别输入特征提取网络，构建金字塔，根45[0007]S1获取目标区域的前时相影像和后时相影像，并对前时相影像和后时相影像进[0009]S3通过特征提取网络分别对前时相影像和后时相影像进行金字塔特征提取，得[0014]S42将同一个线性空间内的第一特征向量和第二特征向[0020]利用AdamW优化器结合余弦退火算法优化学习率，根据训练样本对初始的变化检6[0037]S52经过1*1卷积层调整通道，对差异特征进行重采样和特征拼接，得到变化特7[0054]请参阅图1和图2，本发明提供一种基于深度卷积网络的[0055]S1获取目标区域的前时相影像和后时相影像，并对前时相影像和后时相影像进8[0079]数据集中包含前后时相的影像对，前时相影像集记为{Ai}，后时相影像集记为[0083]{Ak_I}指的是超像素块集合{Ak}的光谱特征集合，其中Ak是Ai的第Bk_I的欧氏距离来得到Ak与Bk之间的光谱特征差异值，进而根据欧氏距离得到其他超像素9[0094]mp=B1xm_1+(1-B1)xg:[0095]其中，B和B2两个超参数分别是梯度的一阶矩估计和二阶矩估计的指数衰减本和验证样本的数量比为7:3，训练样本和验证样本均是带有真实标签的两个时相的遥感[0116]S3通过特征提取网络分别对前时相影像和后时相影像进行金字塔特征提取，得[0130]S42将同一个线性空间内的第一特征向量和第二特征向[0136]在第一个线性空间内，c维第一特征向量和c维第二特征[0137]在第二个线性空间内，d维第一特征向量和d维第二特征[0150]S52经过1*1卷积层调整通道，对差异特征进行重采样和特征拼接，得到变化特

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论