CN119418216A 基于多尺度卷积解码的高分辨率遥感图像变化检测方法、电子设备及存储介质 (哈尔滨航天恒星数据系统科技有限公司)_第1页
CN119418216A 基于多尺度卷积解码的高分辨率遥感图像变化检测方法、电子设备及存储介质 (哈尔滨航天恒星数据系统科技有限公司)_第2页
CN119418216A 基于多尺度卷积解码的高分辨率遥感图像变化检测方法、电子设备及存储介质 (哈尔滨航天恒星数据系统科技有限公司)_第3页
CN119418216A 基于多尺度卷积解码的高分辨率遥感图像变化检测方法、电子设备及存储介质 (哈尔滨航天恒星数据系统科技有限公司)_第4页
CN119418216A 基于多尺度卷积解码的高分辨率遥感图像变化检测方法、电子设备及存储介质 (哈尔滨航天恒星数据系统科技有限公司)_第5页
已阅读5页,还剩28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

产业开发区科技创新城创新路1616号基于多尺度卷积解码的高分辨率遥感图像基于多尺度卷积解码的高分辨率遥感图像基于CNN模块组成,第3阶段和第4阶段基于四个阶段处理分别得到四个双时相多尺度特征发明提升了对高分辨率图像中微小变化的检测2遥感影像数据集中的数据输入到MambaVision编码器中,通过四个阶段处理分别得到四个S3.构建时间特征交互模块TFIM,将步骤S2得到的双时相多尺度特征图输入到时间特S4.构建多尺度卷积解码器EMCAD,包括使用四个多尺度卷积注意力模块MSCAM优化步S5.构建损失函数,利用步骤S1构建的遥感影像数据集对步骤S2得2.根据权利要求1所述的一种基于多尺度卷积解码的高分辨率遥感图像变化检测方3.根据权利要求2所述的一种基于多尺度卷积解码的高分辨率遥感图像变化检测方的3×3的卷积层组成的投影到C维的嵌入空间中,阶段之间的降采样器由一个批归一化的S2.3.设定第3阶段和第4阶段基于MambaVision模块和Tran3S2.3.2.设置多头自我注意机制TransfS2.3.3.设置输入XCRC,其中序列长度为T,则第3阶段第n层的输出和第4阶段中第其中,为经过MambaVision模块处理后的输出,Xn为再经过多头自我注意机制的输4.根据权利要求3所述的一种基于多尺度卷积解码的高分辨率遥感图像变化检测方·)表示包含批量归一化和ReLU激活函数的3x3卷积层;4S3.3.通过精细化的双时相特征进行拼接,并通过一个3x3卷积层来挖掘时间差异信5.根据权利要求4所述的一种基于多尺度卷积解码的高分辨率遥感图像变化检测方(.)捕捉多尺度和多分辨率的上下文信息;引入通道混洗操作以增强通道间的关联性;之Sigmoid(σ)激活函数以估计注意力权重;最后,通过Hadamard乘积(e)将权重融入输入x5(e)将权重应用到输入x中,表达式为:采样后的特征图;最后,使用1x1卷积C1x1(.)将通道数减少到与下一个阶段相匹配的数6.根据权利要求5所述的一种基于多尺度卷积解码的高分辨率遥感图像变化检测方的处理器执行所述计算机程序时实现权利要求1_6任一项所述的一种基于多尺度卷积解码处理器执行时实现权利要求1_6任一项所述的一种基于多尺度卷积解码的高分辨率遥感图6到的遥感影像数据集中的数据输入到MambaVision编码器中,通过四个阶段处理分别得到[0008]S3.构建时间特征交互模块TFIM,将步[0009]S4.构建多尺度卷积解码器EMCAD,包括化步骤S3得到的特征融合的特征图,在每个MSCAM之后,使用分割头SH生成该阶段的分割MambaVision编码器、S3得到的时间特征交互模块TFIM、步骤S4得到的多尺度卷积解码器78该变换的输出用于通过逐元素乘法对输入特征x进行缩放,生成注意力门控特征LGAG(g,9应用Sigmoid(σ)激活函数以估计注意力权重;最后,通过Hadamard乘积(e)将权重融入输[0058]进一步的,步骤S5的具体实现方法为基于多尺度卷积解码器EMCAD的四个分割头行所述计算机程序时实现所述的一种基于多尺度卷积解码的高分辨率遥感图像变化检测行时实现所述的一种基于多尺度卷积解码的高分辨率遥感图像变强了不同时间点图像特征之间的互补性和依赖性,使得模型能够更准确地捕捉变化区域,对高分辨率图像中微小变化的检测能力,尤其适用于复杂地形或细微目标的变化检测任[0066]图1为本发明所述的一种基于多尺度卷积解码的高分辨率遥感图像变化检测方法施方式,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方到的遥感影像数据集中的数据输入到MambaVision编码器中,通过四个阶段处理分别得到[0099]S3.构建时间特征交互模块TFIM,将步[0111]S4.构建多尺度卷积解码器EMCAD,包括化步骤S3得到的特征融合的特征图,在每个MSCAM之后,使用分割头SH生成该阶段的分割该变换的输出用于通过逐元素乘法对输入特征x进行缩放,生成注意力门控特征LGAG(g,应用Sigmoid(σ)激活函数以估计注意力权重;最后,通过Hadamard乘积(e)将权重融入输MambaVision编码器、S3得到的时间特征交互模块TFIM、步骤S4得到的多尺度卷积解码器[0130]进一步的,步骤S5的具体实现方法为基于多尺度卷积解码器EMCAD的四个分割头行所述计算机程序时实现实施例1所述的一种基于多尺度卷积解码的高分辨率遥感图像变多尺度卷积解码的高分辨率遥感图像变化检他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路行时实现实施例1所述的一种基于多尺度卷积解码的高分辨率遥感图像变[0142]本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式[0143]所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、要求的范围内的所有技术方

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。

评论

0/150

提交评论