(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211320523.5 (22)申请日 2022.10.26 (71)申请人 中国铁路 设计集团有限公司 地址 300000 天津市滨 海新区自贸试验区 (空港经济区)东七道109号 申请人 天津市测绘地理信息 研究中心 (72)发明人 周文明　赵利华　张志军　丁峰　 胡朝鹏　张浩　甘俊　张冠军　 谭兆　齐春雨　王爱辉　李平苍　 赵振洋　 (74)专利代理 机构 天津市君砚知识产权代理有 限公司 12 239 专利代理师 刘雅爽 (51)Int.Cl. G06T 7/00(2017.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多尺度特征融合的光学卫星影像像素 级变化检测方法 (57)摘要 本发明公开了一种基于多尺度特征融合的 光学卫星影像像素级变化检测方法， 属于遥感影 像处理方法。 本发明包含一种新的卷积神经网 络， 该网络设计了一种新的多尺度特征融合策 略， 该策略能抵抗双时相卫星遥感影像间存在的 配准误差， 进而有效提升遥感影像变化检测精 度； 同时， 该网络提出了一种半组卷积 模块， 在网 络模型中嵌入该模块能有效提升网络的推理速 度， 提升变化检测效率。 本方法对输入的两张同 样尺寸、 分辨率、 地理覆盖 范围的遥感图像， 经由 该网络进行运算， 可得到同一尺 寸的变化检测结 果图。 本发 明中的变化检测方法可以获得极佳的 遥感影像变化检测精度。 权利要求书2页 说明书5页 附图4页 CN 115526886 A 2022.12.27 CN 115526886 A 1.一种基于多尺度特征融合的光学卫星影像像素级变化检测方法， 其特征在于， 包括 以下步骤： S1、 获取多组待检测的变化影像对， 并输入到训练好的变化检测模型中； 所述变化检测 模型， 采用卷积神经网络融合多尺度特征融合策略； 所述多尺度特征融合策略用于对不同 类型的图像进行不同处 理， 得到多个尺度不同、 特 征层级不同的特 征图； S2、 将多尺度特征融合策略处理后的特征图作为卷积神经网络的输入， 所述卷积神经 网络包括多个半组卷积模块， 每个所述半组卷积模块包括分离部分和级联部分； 所述分离 部分用于对输入的特征图中的部分进行重新组合和分组， 形成多个子特征图， 所述级联部 分用于对输入的特 征图和子特 征图， 进行级联处 理； S3、 将多次分离和级联后形成的最终的融合特征图， 利用分类器进行二分类， 得到最终 的变化检测结果图。 2.根据权利要求1所述的基于多尺度特征融合的光学卫星影像像素级变化检测方法， 其特征在于， 在S1中， 所述待检测的变化影像对为2个不同时期获取的大范围遥感影像， 且 经过几何校正、 正 射纠正和重采样处 理。 3.根据权利要求1所述的基于多尺度特征融合的光学卫星影像像素级变化检测方法， 其特征在于， 在S1中， 所述多尺度特征融合策略包括设置了多个空间特征提取分支和多个 影像降采样处 理分支， 所述空间特 征提取分支和降采样处 理分支的数量相同。 4.根据权利要求3所述的基于多尺度特征融合的光学卫星影像像素级变化检测方法， 其特征在于， 每个所述空间特征提取分支采用两个3*3的卷积核 连接池化层提取特征， 得到 每个空间特 征提取分支的特 征图。 5.根据权利要求3所述的基于多尺度特征融合的光学卫星影像像素级变化检测方法， 其特征在于， 每 个所述影 像降采样处 理分支的降采样过程采用双线性内插方式进行。 6.根据权利要求1所述的基于多尺度特征融合的光学卫星影像像素级变化检测方法， 其特征在于， 在S2中， 所述将多尺度特征融合策略处理后的特征图作为卷积神经网络的输 入， 利用多个半组卷积模块 最终形成融合特 征图， 包括以下步骤： S201、 将变化影像对{(I1,I2,CM*)t|t＝1,2, …T}作为变化检测模型Φ的输入， 通过多尺 度特征融合策略， 得到不同尺度下的输入特 征图L1‑0,…L4‑0； S202、 通过两个分支对L1‑0进行高层级特征提取， 得到特征图L2‑1与L2‑2； 特征图L2‑0,L2‑1 与L2‑2构成第一个半组卷积模块Ω1的输入； Ω1的分离部分得到的输出特征图Sp1＝{L3‑1, L3‑2， L3‑3}， 级联部分得到的输出 特征图Cp1＝{L2‑c}； S203、 特征图L3‑0与Ω1的输出特征图进行级联 处理， 得到L3‑4； 特征图L3‑0与Ω1的分离部 分输出结果Sp1与特征图L3‑4共同构成第二个半组卷积模块Ω2的输入； Ω2的输出分别 为Sp2 ＝{L4‑1,L4‑2， L4‑3， L4‑4}和Cp2＝{L3‑c}； S204、 特征图L4‑0与Ω2的输出特征图进行级联处 理， 得到L4‑5； S205、 补充深层影像信息， 模型Φ对L3‑c和L4‑5进行级联处理， 得到特征图L4‑6， 并进行通 道压缩操作得到L4‑c； S206、 对特征图L4‑c进行反卷积操作与上采样操作， 并与特征图L3‑c级联， 得到特征图 L3‑u； 对特征图组{L3‑u,L2‑c}和{L2‑u， L2‑c}重复步骤VI， 依次得到L2‑u和L1‑u。 7.根据权利要求1所述的基于多尺度特征融合的光学卫星影像像素级变化检测方法，权　利　要　求　书 1/2 页 2 CN 115526886 A 2其特征在于， 在S 3中， 所述将多次分离和级联后形成的最 终的融合特征图， 利用分类器进 行 二分类时， 所述分类 器采用如下公式表示： 其中， fi为卷积层的输出向量， exp()为对数函 数， F(fi)为分类的输出结果； 作为二分类 任务， F(fi)的输出范围为[0,1],表示像素变化的概 率。 8.根据权利要求7所述的基于多尺度特征融合的光学卫星影像像素级变化检测方法， 其特征在于， 在S 3中， 还包括对所有像素的变化概率结果进 行二值化， 得到变化检测的预测 结果CM， 以预测结果C M和真值C M*之间的相似程度计算损失函数。 9.根据权利要求8所述的基于多尺度特征融合的光学卫星影像像素级变化检测方法， 其特征在于， 所述损失函数采用如下公式表示： E＝Ebce+λEdc 其中， λ为权重控制参数， 用以调控Ebce与Edc之间的比例， Ebce为二分类交叉熵损失函数 的计算结果， Edc为Dice系数损失函数计算结果。权　利　要　求　书 2/2 页 3 CN 115526886 A 3