一种基于SwinUNet的遥感影像变化检测方法与流程

本发明涉及一种基于swinunet的遥感影像变化检测方法，属于遥感影像信息提取。

背景技术：

1、变化检测是一个热门且有挑战的话题，旨在从不同时间获取的一对共同配准的图像中检测出相关的变化。针对遥感影像的变化检测已经被用在很多现实应用中，如土地利用规划，城市扩展管理，生态环境保护、灾害评估等等。但是由于场景中物体外观的复杂性和成像条件的不同，具有相同语义概念的物体在双时相影像中相同的空间位置表现出截然不同的光谱特征。

2、因此为了识别复杂场景中的兴趣变化，一个具有实际意义的变化检测方法需要：识别场景中变化区域的高层语义信息，即充分利用全局信息和局部信息；区分真实变化和复杂的不相关的变化。

3、最近几年，由于卷积神经网络在计算机视觉的成功应用和在变化检测任务中的优异表现，很多研究者利用基于卷积神经网络的架构从两个时相的影像中提取高层次的语义特征。相比之下，transformer结构设计用于处理序列数据，如文本或时间序列数据，通过建模序列中不同元素之间的关系。transformer使用自注意力机制来捕捉序列元素之间的全局依赖性，因此基于transformer设计变化检测网络能更好地捕捉双时相影像中的语义信息。然而，之前基于transformer的变化检测方法未充分地利用全局和局部信息，造成了目前变化检测方法的低表现力。

技术实现思路

1、本发明解决的技术问题是：针对目前现有技术中，存在的建筑物变化检测手段低表现力的问题，提出了一种基于swinunet的遥感影像变化检测方法。

2、本发明解决上述技术问题是通过如下技术方案予以实现的：

3、一种基于swinunet的遥感影像变化检测方法，包括：

4、根据已有影像构建样本库，于样本库中选取建筑物变化检测训练数据集、建筑物变化检测测试数据集；

5、构建基于swinunet的变化检测模型，利用建筑物变化检测训练数据集进行训练；

6、利用建筑物变化检测测试数据集对训练完成后的变化检测模型进行测试，将通过测试的变化检测模型用于后续测试样本的处理。

7、建立样本库并获取建筑物变化检测训练数据集、建筑物变化检测测试数据集的具体步骤为：

8、将已有影像数据的矢量文件栅格化，转换为与对应影像数据分辨率相同的栅格影像；所述已有影像数据位双时相影像，栅格影像为对应的真实标签数据；

9、将双时相影像栅格影像数据分割为预设大小的切片，对切片进行分类；切片分类包括包含变化图斑类、不包含变化图斑类；

10、将包含变化图斑类、不包含变化图斑类切片混合，根据预设比例组成建筑物变化检测训练集和建筑物变化检测测试集。

11、基于swinunet的变化检测模型包括编码器、中间层、跳跃连接层以及解码器，其中：

12、编码器，通过swin transformer块堆叠而成，用于捕获双时相影像信息，并提取遥感影像中的高层语义特征信息；

13、中间层，对高层语义特征信息进行学习并获得深度特征信息；

14、跳跃连接层，将编码器提取的高层语义特征信息、深度特征信息进行融合；

15、解码器，对融合后的特征信息进行原始图像尺寸恢复，生成最终预测的二值变化图。

16、基于swinunet的变化检测模型通过建筑物变化检测训练数据集进行训练的具体方法为：

17、根据基于swinunet的变化检测模型生成的二值变化图与真实标签数据进行比较，计算差异情况，根据差异情况迭代更新对训练完成后的变化检测模型的模型参数进行更新，直至差异情况显示当前模型为最优变化检测模型。

18、对训练完成后的变化检测模型进行测试的具体方法为：

19、提取建筑物变化检测测试数据集中的指定数量的前时相影像样本、后时相影像样本作为输入，输入最优变化检测模型进行样本处理；

20、对所有样本处理完毕后，生成二值变化图，根据二值变化图内容反映检测结果。

21、所述真实标签数据与已有影像数据的分辨率相同，解码器所得二值变化图的分辨率与输入的双时相遥感影像和真实标签数据的分辨率相同。

22、所述编码器提取的双时相影像信息作为局部特征信息，提取的高层语意特征信息作为全局特征信息，编码器用于实现变化检测模型由局部特征信息至全局特征信息的自注意。

23、所述二值变化图用于反映最优变化检测模型对建筑物变化情况，通过比较二值变化图和真实标签数据，以检测出新建建筑物、拆除建筑物或其他建筑物变化。

24、所述栅格影像分割的切片大小根据变化检测模型的输入大小限制、计算成本因素确定，包含变化图斑类、不包含变化图斑类切片混合后，组成建筑物变化检测训练集和建筑物变化检测测试集的预设比例根据各类切片样本的分布情况和数据量的大小确定。

25、本发明与现有技术相比的优点在于：

26、本发明提供的一种基于swinunet的遥感影像变化检测方法，用于高分辨率遥感影像的建筑物变化检测，能够同时利用全局信息和局部信息进行变化检测。全局信息能够提供场景的整体上下文，帮助识别出全局范围内的变化模式和趋势。而局部信息则能够捕捉到图像中细节和特定区域的变化情况。通过综合考虑这两种信息，该方法能够获得更准确和全面的变化检测结果；并采用了端到端的处理方式，该方法能够直接输出二值变化图，避免了繁琐的后续处理步骤，提高了变化检测的效率和便利性。

技术特征：

1.一种基于swinunet的遥感影像变化检测方法，其特征在于包括：

2.根据权利要求1所述的一种基于swinunet的遥感影像变化检测方法，其特征在于：

3.根据权利要求1所述的一种基于swinunet的遥感影像变化检测方法，其特征在于：

4.根据权利要求1所述的一种基于swinunet的遥感影像变化检测方法，其特征在于：

5.根据权利要求4所述的一种基于swinunet的遥感影像变化检测方法，其特征在于：

6.根据权利要求4所述的一种基于swinunet的遥感影像变化检测方法，其特征在于：

7.根据权利要求6所述的一种基于swinunet的遥感影像变化检测方法，其特征在于：

8.根据权利要求4所述的一种基于swinunet的遥感影像变化检测方法，其特征在于：

9.根据权利要求8所述的一种基于swinunet的遥感影像变化检测方法，其特征在于：

技术总结
一种基于SwinUNet的遥感影像变化检测方法，首先根据已有的影像构建样本库，于样本库中确定建筑物变化检测训练数据集和建筑物变化检测测试数据集；其次构建基于SwinUNet的变化检测模型进行训练，得到可端到端输出二值变化图的变化检测模型；最后利用建筑物变化检测测试集进行模型推理，评估训练网络的性能，得到变化检测结果，用于识别场景中的高层语义信息，充分利用全局信息和局部信息，端到端地输出二值变化图。

技术研发人员：宋宇,乔志远,李敏,杨易鑫,盖彦锋,邵国文,张军杰
受保护的技术使用者：中国四维测绘技术有限公司
技术研发日：
技术公布日：2024/1/22