遥感变化检测方法、装置、电子设备和存储介质与流程

本申请涉及遥感变化检测工程化，尤其是涉及一种遥感变化检测方法、装置、电子设备和存储介质。

背景技术：

1、变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程，为了检测某一地表在不同时段的变化区域，可以通过覆盖同一地表区域的不同时相遥感影像数据，采用深度学习变化检测模型，对双时影像提取变化特征后分析确定。

2、相关技术中，深度学习变化检测模型基本基于镶嵌的可见光三波段遥感影像，即数字正射影像（digital orthophoto map， dom）。然而一方面dom影像在复杂处理过程中，会破坏原有单景遥感影像的色彩、光谱及时间信息；另一方面，由于深度学习源于视觉，所以只能获取三波段的信息，现有基于视觉的深度学习模型很难适配大于三波段的单景多光谱地表反射率影像（single multispectral surface reflectance, smsr），无法完整准确的获取遥感特有的光谱信息，导致变化检测精度有限、适用性差；同时，单景多光谱地表反射率影像（single multispectral surface reflectance, smsr）存在前后影像传感器参数差异，前后影像范围无法完全重合、影像分辨率不一致、波段数不一致等问题，很大程度上限制了在深度学习变化检测的应用。

3、因此，目前基于遥感影像的深度学习变化检测方法存在存在检测精度、检测效率以及适用性差的问题。

技术实现思路

1、本申请的目的在于提供一种遥感变化检测方法、装置、电子设备和存储介质，提升了深度学习变化检测精度和对多光谱遥感影像的适用性。

2、第一方面，本发明提供一种遥感变化检测方法，方法包括：获取待预测两景影像，并对待预测两景影像进行预处理；将预处理后的待预测两景影像输入至预先训练好的多光谱深度学习模型进行变化区域预测，得到预测结果图斑栅格影像；对预测结果图斑栅格影像进行变化图斑优化，得到变化检测结果。

3、在可选的实施方式中，待预测两景影像包括前时相单景遥感影像和后时相单景遥感影像；对待预测两景影像进行预处理，包括：对前时相单景遥感影像和后时相单景遥感影像中分辨率较高的一景影像进行重采样处理，得到采样率相同的目标前时相单景遥感影像和目标后时相单景遥感影像；对目标前时相单景遥感影像和目标后时相单景遥感影像进行像元值逐个对比，提取相交影像；对目标前时相单景遥感影像和目标后时相单景遥感影像分别对应的相交影像按照预设裁剪顺序分别进行影像裁剪处理，得到前时相单景遥感影像和后时相单景影像分别对应的影像切片；对前时相单景遥感影像和后时相单景遥感影像分别对应的影像切片进行影像位深度拉伸处理，得到待预测影像。

4、在可选的实施方式中，多光谱深度学习模型的训练步骤，包括：针对变化检测任务获取预先选择的地理范围对应的多个单景多光谱遥感影像，并基于单景多光谱遥感影像进行样本集构建；其中，样本集构建至少包括目标地物标签图像的制作、影像拉伸处理、切片处理、按比例随机划分训练集与验证集、生成样本集列表；通过样本集对初始多光谱深度学习模型进行训练，得到满足预设精度阈值的地物变化特征权重所对应的目标多光谱深度学习模型；其中，地物变化特征权重为对应预先选择的地理范围的目标权重。

5、在可选的实施方式中，多光谱深度学习模型包括用于提取特征的扩散概率子模型和通过双时影像特征提取变化信息的轻量变化检测子模型；其中，用于提取特征的扩散概率子模型由三波段适配多光谱影像。

6、在可选的实施方式中，将预处理后的待预测两景影像输入至预先训练好的多光谱深度学习模型进行预测，得到预测结果图斑栅格影像，包括：将预处理后的待预测两景影像输入至预先训练好的多光谱深度学习模型进行预测，得到初始预测结果；初始预测结果为切片数据；将初始预测结果按照预设裁剪顺序进行切片拼接处理，并将原始影像地理坐标与投影信息与切片拼接后的影像数据进行叠加，得到预测结果图斑栅格影像。

7、在可选的实施方式中，对预测结果图斑栅格影像进行变化图斑优化，得到变化检测结果，包括：对预测结果图斑栅格影像进行变化矢量分析，得到变化区域图斑；如果变化区域图斑与预设深度学习算法图斑相交且重叠区域超过预设重叠阈值时，合并破碎图斑；如果变化区域图斑与预设深度学习算法图斑不相交时，则删除变化区域图斑；如果预设深度学习算法图斑与变化区域图斑不相交时，则保留预设深度学习算法图斑。

8、在可选的实施方式中，方法还包括：对变化检测结果进行掩膜提取并转换为变化检测结果矢量图。

9、第二方面，本发明提供一种遥感变化检测装置，装置包括：预处理模块，用于获取待预测两景影像，并对待预测两景影像进行预处理；模型预测模块，用于将预处理后的待预测两景影像输入至预先训练好的多光谱深度学习模型进行变化区域预测，得到预测结果图斑栅格影像；图斑优化模块，用于对预测结果图斑栅格影像进行变化图斑优化，得到变化检测结果。

10、第三方面，本发明提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现前述实施方式任一项的遥感变化检测方法。

11、第四方面，本发明提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现前述实施方式任一项的遥感变化检测方法。

12、本申请提供的遥感变化检测方法、装置、电子设备和存储介质所带来的有益效果：

13、本申请实施例所提供的多光谱深度学习模型可以获得更加丰富的光谱信息（遥感影像4波段甚至更多波段的信息），从而在多光谱深度学习模型对预处理的两景影像进行变化区域预测时，提升遥感地物的变化检测精度；并且，通过预先训练好的多光谱深度学习模型对遥感影像特有的多光谱信息进行处理，提升了通过深度学习框架进行多光谱遥感影像处理的适用性。

技术特征：

1.一种遥感变化检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的遥感变化检测方法，其特征在于，所述待预测两景影像包括前时相单景遥感影像和后时相单景遥感影像；

3.根据权利要求2所述的遥感变化检测方法，其特征在于，所述多光谱深度学习模型的训练步骤，包括：

4.根据权利要求3所述的遥感变化检测方法，其特征在于，所述多光谱深度学习模型包括用于提取特征的扩散概率子模型和通过双时影像特征提取变化信息的轻量变化检测子模型；

5.根据权利要求3所述的遥感变化检测方法，其特征在于，将预处理后的所述待预测两景影像输入至预先训练好的多光谱深度学习模型进行预测，得到预测结果图斑栅格影像，包括：

6.根据权利要求1所述的遥感变化检测方法，其特征在于，对所述预测结果图斑栅格影像进行变化图斑优化，得到变化检测结果，包括：

7.根据权利要求6所述的遥感变化检测方法，其特征在于，所述方法还包括：

8.一种遥感变化检测装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的遥感变化检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至7任一项所述的遥感变化检测方法。

技术总结
本申请提供了一种遥感变化检测方法、装置、电子设备和存储介质，涉及遥感变化检测工程化技术领域，该方法包括：获取待预测两景影像，并对待预测两景影像进行预处理；将预处理后的待预测两景影像输入至预先训练好的多光谱深度学习模型进行变化区域预测，得到预测结果图斑栅格影像；对预测结果图斑栅格影像进行变化图斑优化，得到变化检测结果。本申请提升了遥感地物的变化检测精度和多光谱遥感影像处理的适用性。

技术研发人员：田静国,王宇翔,贾玮,李旭,范磊,王硕,殷慧,黄非,关元秀,赵楠
受保护的技术使用者：航天宏图信息技术股份有限公司
技术研发日：
技术公布日：2024/1/12