(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 202210180712.0 (22)申请日 2022.02.25 (71)申请人 辽宁师范大学 地址 116000 辽宁省大连市沙河口区黄河 路850号 (72)发明人 王相海　赵晓阳　赵克云　李思瑶　 (74)专利代理 机构 大连非凡专利事务所 212 20 专利代理师 闪红霞 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06T 3/40(2006.01) (54)发明名称 基于地理空间感知低秩重建网络的多光谱 影像变化检测方法 (57)摘要 本发明公开一种基于地理空间感知低秩重 建网络的多光谱影像变化检测方法， 首先定义孪 生的多时相遥感影像特征提取框架， 对亚米级分 辨率的多光谱影像的多尺度空谱联合特征进行 提取； 依据所提出的地理空间感知模块， 为提取 到的双时相影像特征图矫正偏移的特征， 使其实 际的空间内容相呼应， 打破固有的空间像素一一 对应的位置顺序， 通过相减 得到较为稀疏的空间 矫正特征图。 同时， 为从矫正的特征图中分离出 有效的低秩特征表达， 将该问题描述为特征的重 建约束问题， 实现细粒度变化检测的特征嵌入， 达到克服多样伪变化的目的， 有效提高了多光谱 影像变化检测精度。 权利要求书4页 说明书9页 附图3页 CN 114565858 A 2022.05.31 CN 114565858 A 1.一种基于地理空间感知低秩重建网络的多光谱影像变化检测方法， 其特征在于依次 按照如下步骤进行： 步骤1.分别对待检测的T10时相多光谱影像与T11时相多光谱影像进行预处理， 得到 T10时相多光谱影 像检测集 及T11时相多光谱影 像检测集 步骤1.1将T10时相多光谱影像与T11时相多光谱影像分别按照步长为(H,W)切块方式 切出块大小为(H,W)的数据块， 记切出的T10时相多光谱影像数据块为XH10＝{xH10,i|i＝ 1,…,M}， T11时相多光谱影 像数据块 为XH11＝{xH11,i|i＝1,…,M}， 其中M为每 类数据块个数； 步骤1 .2利用公式(1)将多光谱影响数据块XH10和XH11进行标准化处理， 得到 步骤1.3分别将多光谱影像数据块 和 中每个像元点进行上下翻转， 得到上下 翻转的多光谱影 像数据块 和 步骤1.4分别将多光谱影像数据块 和 中每个像元点进 行左右翻转， 得到左右 翻转的多光谱影 像数据块 和 步骤1.5分别 将多光谱影像数据块 和 随机旋转n次90度， n＝1,2,3， 得到旋转 的多光谱影 像数据块 和 步骤1.6分别将多光谱影像数据块 和 随机缩放n倍， n＝0.5,2， 得到缩放的多光 谱影像数据块 和 步骤1.7将数据块 联合数据块 和 构成新的T10时相多 光谱影像列表， 即T10时相多光谱影像检测集 将数据块 联合数据块 和 构成新的T11时相多光谱影像列表， 即T11时相多光谱影像检 测集 步骤2.分别提 取T10时相多光谱影像检测集 与T1时相多光谱影像检测集 中 的第i个子块， 以 的形式输入到训练完毕的网络结构中， 经 过softmax函数与以0.5为硬阈值的方式， 求得最终的检测结果； 所述训练完毕 的网络结构 是依次按照如下步骤构建而成： 步骤3.分别 对数据集中T0时相多光谱影像、 T1时相多光谱影像及对应的标签图进行预 处理， 得到T0时相多光谱影像检测集 T1时相多光谱影像检测集 及标签训练 集 权　利　要　求　书 1/4 页 2 CN 114565858 A 2步骤3.1将T0时相多光谱影像、 T1时相多光谱影像及对应的标签图分别 按照步长为(H, W)切块方式切出块大小为(H,W)的数据块， 记切出的T0时相多光谱影像数据块为XH0＝{xH0,i |i＝1,…,M}， T1时相多光谱影像数据块为XH1＝{xH1,i|i＝1,…,M}和标签数据块XL＝{xL,i| i＝1,…,M}， 其中M为每 类数据块个数； 步骤3 .2利用公式(2)将切出的数据块XH 0， XH 1和XL进行标准化处理， 得到 步骤3.3分别将多光谱影像数据块 和标签数据块 中每个像元点进行上下 翻转， 得到上 下翻转的多光谱影 像数据块 和上下翻转的标签数据块 步骤3.4分别将多光谱影像数据块 和标签数据块 中每个像元点进行左右 翻转， 得到左右翻转的多光谱影 像数据块 和左右翻转的标签数据块 步骤3.5分别将多光谱影像数据块 和标签数据块 随机旋转n次90度， n＝1, 2,3， 得到 旋转的多光谱影 像数据块 和旋转的标签数据块 步骤3.6分别将多光谱影像数据 块 和标签数据 块 随机缩放n倍， n＝0.5,2， 得到缩放的双时相多光谱影 像数据块 和缩放的标签数据块 步骤3.7将数据块 联合数据块 和 构成新的T0时相多 光谱影像 列表， 即T0时相多光谱影像训练集 将数据块 联合数据块 和 构成新的T1时相多光谱影像列表， 即T1时相多光谱影像 联合数据块 构成新的标签列表， 即标签训练集 步骤4.设置网络迭代总次数为T； 步骤5.令epoc h＝1； 步骤6 .将训练集样本以 的形式输入到网络中， 以N LLLoss作为损失函数进行训练； 步骤6.1利用网络对训练集 及 进行多尺度特 征提取与融合： 步骤6.1.1利用封装好的预训练Resnet18模型作为骨干网， 分别对多光谱影像训练集 进行空谱联合特征提取， 记T0时相提取到的多尺度特征分别为 权　利　要　求　书 2/4 页 3 CN 114565858 A 3