(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 202211047386.2 (22)申请日 2022.08.29 (71)申请人 河南大学 地址 475001 河南省开封市明伦街85号 (72)发明人 李军伟　李世杰　连猛猛　 (74)专利代理 机构 郑州联科专利事务所(普通 合伙) 41104 专利代理师 刘建芳 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01) (54)发明名称 基于自适应融合NestedUNet的光学遥感图 像变化检测方法 (57)摘要 本 发 明 公 开 了 一 种基 于自 适 应融 合 NestedUNet的光学遥感图像变化检测方法， 包 括 如下步骤： 首先， 对光学遥感图像进行预处理， 以 获得数据分布一致的遥感图像； 然后， 对经预处 理后的双时相光学遥感图像， 标注图像中更新的 部分， 得到对应的变化标签图； 然后对遥感图像 和对应的标签图进行切割， 得到训练样本； 然后 串联双时相图像， 并将其输入到AFNU Net网络中， 以增强对变化区域整体特征的提取以及变化目 标边缘细节的识别； 待训练结束后， 将模型的所 有参数信息保存 下来； 最后将经过预处理的待测 样本输入至变化检测模型中， 经计算输出检测结 果图， 检测出的变化图整体更加完整， 细节更加 完善。 权利要求书2页 说明书8页 附图2页 CN 115393718 A 2022.11.25 CN 115393718 A 1.基于自适应融合 NestedUNet的光学遥感图像 变化检测方法， 其特 征在于： 包括以下几个步骤： A、 将双时相光学遥感图像依次进行正射校正、 图像配准、 图像拉伸以及图像数值归一 化预处理， 从而得到数据分布一 致的双时相光学遥感图像； B、 将上一步得到的经过预处理后的双时相光学遥感图像， 标注遥感图像中更新的部 分， 得到对应的变化标签图； C、 将从B中得到的变化标签图以及A中获得的预处理过的双时相光学遥感图像， 采用同 一尺寸对其进行切割， 得到训练样本； D、 将训练样本中的双时相遥感图像串联起 来输入到AFNUNet中； E、 将上一步得到的串联双时相遥感图像通过四层基于有效通道注意力的残差块编码 器， 提取具有不同感受野的多尺寸特 征图； F、 将E中的不同感受野的多尺寸特征图进行解码操作； 通过编码器和解码器之间以及 解码器和 解码器之间密集的特征传输， 增强对整体特征 的提取， 使提取到的变化区域更加 完整， 并得到最终的特 征图F1、 F2、 F3； G、 将F中得到的最终特征图F1， F2， F3输入到自适应融合模块中， 以便获得更多变化区域 的细节信息， 并获得 预测的变化图； H、 引入基于布雷克蒂斯距离的损失， 并与二分类交叉熵损失结合形成混合损失函数以 计算步骤G中得到的双时相图像的预测变化图与对应的标签图之间的损失； I、 训练结束后， 将训练好的模型的所有参数信息都保存下来； J、 将待检测的前、 后时相遥感图像依次经正射校正、 图像配准、 图像拉伸以及图像数值 归一化预处理后， 接着采用同一尺寸对其进行切割以获得待测样本； K、 将待测样本 输入至I中得到的变化检测模型中， 经计算输出检测结果图。 2.根据权利要求1所述的基于自适应融合NestedUNet的光学遥感图像变化检测方法， 其特征在于： 所述的步骤E具体包括如下步骤： 首先经过第一个3 ×3的卷积层 对输入的特征 图进行升维操作， 接着经过第二个3 ×3卷积层和第三个3 ×3卷积层分别进 行通道数翻倍和 减半操作。 然后输入改进的有效通道注意力层中， 并与第一个3 ×3卷积层得到的特征图相 加形成残差， 接着通过ReLU层。 最后将包含更多与变化区域有关的特征图进行最大池化层 的下采样操作； 重复上述编码过程四次， 以获得相当于原始图像1/2宽高、 1/4宽高、 1/8宽 高、 1/16宽高尺寸的具有不同感受野的多尺寸特 征图。 3.根据权利要求1所述的基于自适应融合NestedUNet的光学遥感图像变化检测方法， 其特征在于： 步骤G中所述的融合特征Ff由两个模块构成， 其中通道子模块： Fc＝a·F1+b· F2+c·F3， 空间子模块： Fs＝a·F1+b·F2+c·F3， a、 b、 c分别表示经过so ftmax层后获得的软 注意力， 融合特 征Ff＝Fc+Fs。 4.根据权利要求1所述的基于自适应融合NestedUNet的光学遥感图像变化检测方法， 其特征在于： 步骤H中所述的混合损失函为L＝Lbce+Lbcd， 其中， 二分类交叉熵损失 基于布雷克蒂斯距离的损失 权　利　要　求　书 1/2 页 2 CN 115393718 A 2其中 表示预测的变化图中某个像素点为变化像素的概率， yi,j表示对应标签图中某个像 素点为变化像素的概 率， n表示图像 像素级的宽度和高度。权　利　要　求　书 2/2 页 3 CN 115393718 A 3