CN118334532B 基于双时像遥感图像的轻量级遥感变化检测方法及系统 （长沙理工大学）

基于双时像遥感图像的轻量级遥感变化检本发明公开了一种基于双时像遥感图像的络包括特征提取骨干RSShuffle、LightSEPP、2S3、输入双时像遥感图形，通过训练后的所述2.根据权利要求1所述的基于双时像遥感图像的轻量级遥感变化检测方法，其特征在将第一个时态的第一半的特征图与第二个时态的第二半的特征图在通道维度上交替合成的特征图在通道维度上交替合成第二个时态的混合特3.根据权利要求1所述的基于双时像遥感图像的轻量级遥感变化检测方法，其特征在于，所述Transformer编码器一解码器前，还设有Token生成器，用于将输入的大小为4.根据权利要求1所述的基于双时像遥感图像的轻量级遥感变化检测方法，其特征在5.根据权利要求1所述的基于双时像遥感图像的轻量级遥感变化检测方法，其特征在3所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用7.一种非暂态计算机可读存储介质，其特征4[0002]遥感变化检测(RSCD)是指利用卫星、飞机等遥感平台获用以下六种方法：图层算术(layerarithmetic)、后分类变化(post_classificationRSCD方法通过人工特征选择来获取变化特征，受限于人工设置参数和对数据特征的理解，字塔池化等)加入到网络中，得益于卷积神经网络(CNN)、Transformer强大的特征提取能基础上通过比较两个时间点的特征图来确定变化的区域,这种方式明确定义的特征提取阶5两个上采样，且将第二个下采样的输出经RSConv模块后与第一个上采样的输出残差连接，接后的特征经过一个卷积核为1×1的卷积后，与特征x经过一个卷积核为3×3的卷积后的6个时态的第一半的特征图在通道维度上交替合成第二个时态的混合特[0032](3)本发明将卷积神经网络主干架构提取到的特征进行token生成器得到高级语[0035]图2为本发明实施例的特征提取骨干RSShuffle和背景技术shuffleNetv2的网络7al.基于shufflenetv2和可分离自注意设计了一个轻量级的变化检测网络ELW_CDNet。LiLightRSCDNet。我们设计了一种轻量级的特征提取骨干RSShuffle，该网络摒弃了复杂结用于提取浅层信息，包括一个共享的骨干网络RSShuffle和一个轻量级的SPP网络合了特征提取、Transformer编码解码以及变化图预测等模块，以实现对时态特征的多层[0051]RSShuffle由shuffleNetv2改进而来。ShuffleNetv2是一个具有优秀性能的轻量级网络结构，对ShuffleNetv2进行了改进得到了RSShuffle网络。图2为RSShuffle与ShuffleNetv2的对比图，图2的图(a)为RSShuffle，图2的图(b)为ShuffleNetv2。8多的特征信息，我们在第5阶段后增加了一个轻量级的注意力机制ShuffleAttention。ShuffleAttention详见Q._L.ZhangandY._B.Yang,"Sa_net:Shuffleattentionfordeepconvolutionalneuralnetworks,"inICASSP2021_2021IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing(ICASSP),2021:IEEE,式，得到下采样因子为4的输出特征图，避免了空间信息的大幅度减少。RSShuffle比[0063]LightSEPP的主要作用是在实现局部特征和全局特征的特征图级别的融合的同与特征x经过一个卷积核为3×3的卷积后的特征值相加；最后将两个时态的特征图分别进9征图与第二个时态的第二半的特征图在通道维度上交替合成第一个时态的混合特征图后合成第二个时态的混合特征图后输出。实现在通道维度上交替交换一半的输入双时态特[0067]Transformer编码器_解码器之前，先通过Token生成器将从特征提取得到的浅层[0068]Transformer编码器和解码器结构如图7所示。这里的Transformer编码器和解码器采用的是BIT，详见H.Chen,Z.Qi,andZ.Shi,"Remotesensingimagechangedetectionwithtransformers,"IEEETransactionsonGeoscienceandRemote[0070]Transformer编码器和解码器利用自注意力机制捕捉输入序列和已生成序列之间[0074]本实施例选择变化检测数据集，以验证LightRSCDNet的性能，这些数据集包括LEVIRbuildingChangeDetectiondataset(LEVIR_CD)、WuhanUniversityBuildingEF,FC_Siam_Di,FC_Siam_Conc和6种基于transformer的方法DTCDSCN，STANet，IFNet，[0084](3)本发明将卷积神经网络主干架构提取到的特征进行token生成器得到高级语