(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 202210866783.6 (22)申请日 2022.07.21 (71)申请人 中科天智运控 （深圳） 科技有限公司 地址 518000 广东省深圳市南 山区南头街 道中山园路同乐村3号旭辉产业园果 壳空间C栋1层101-1号 (72)发明人 谢廷峰　吴宝中　常中祥　赵硕　 胡佩　谭湘　 (74)专利代理 机构 北京融智邦 达知识产权代理 事务所(普通 合伙) 11885 专利代理师 董惠文 (51)Int.Cl. G06V 20/13(2022.01) G06T 5/50(2006.01) G06V 10/32(2022.01)G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种遥感影 像变化检测方法及装置 (57)摘要 本发明提供的一种遥感影像变化检测方法 及装置， 通过提取不同时相的特征图， 以及不同 时相特征图的融合变化特征， 通过使用无监督学 习模块来减小不同时相特征图中变化区域特征 的差距， 以加强变化特征， 从而提高变化检测的 精度。 权利要求书1页 说明书4页 附图2页 CN 115272877 A 2022.11.01 CN 115272877 A 1.一种遥感影 像变化检测方法， 其特 征在于， 包括以下步骤： 步骤1： 对同一地区T1时刻和T2时刻的两幅遥感影像进行特征提取， 得到两个不同时相 的特征图F1和F2； 步骤2： 将T1时刻影像和T2时刻影像进行通道维度堆叠后进行特征融合提取融合变化 特征图F3； 步骤3： 将两个不同时相的特征图F1和F2以及融合变化特征图F3输入到神经网络模型进 行特征加强与融合以及二 值化处理得到变化检测结果。 2.根据权利要求1所述 的检测方法， 其特征在于， 提取两个不同时相的特征图F1和F2以 及融合变化特 征图F3的方法是使用主干特 征提取网络 。 3.根据权利要求2所述的检测方法， 其特征在于， 所述主干特征提取网络由三分支的编 码‑解码网络构成， 将T1时刻影像和T2时刻影像分别输入到主干特征提取网络的上下两个 分支的编码 ‑解码网络中进行 特征提取， 得到 两个不同时相的特 征图F1和F2； 将T1时刻影像和T2时刻影像进行通道维度的堆叠后输入到主干特征提取网络的中间 分支的编码 ‑解码网络中进行 特征融合与特 征提取， 得到融合变化特 征F3。 4.根据权利要求1所述的检测方法， 其特征在于， 步骤3所使用的神经网络模型是变化 特征增强网络CFI ‑Net， 所述变化特征增强网络CFI ‑Net的网络结构包括用于对两个时相的 未变化区域特征进行特征加强的无监督学习模块以及用于对差异特征Fc和融合变化特征 图F3进行特征融合的特征融合模块组成， 所述差异特征Fc是指将T1时刻影像提取的特征图 F1和T2时刻影像提取的特 征图F2求差值得到 两个时相的。 5.根据权利要求4所述的检测方法， 其特征在于， 所述无监督学习模块包括一个 Sigmoid分类器、 阈值转换器和两个乘法器， 将融合变化特征F3输入Sigmoid分类器得到分 类结果， 将分类结果输入阈值 转换器进行阈值 转换得到未变 变化特征图Muc； 将未变变化特征图Muc分别与F1和F2进行相乘得到T1时刻和T2时刻的未变化的特征图 Fuc1和Fuc2， 对T1时刻和T2时刻未变化的特征图Fuc1和Fuc2求损失Lmse， 使损失Lmse更小来减小未变化 特征图Fuc1和Fuc2之间的差距。 6.根据权利要求4所述的检测方法， 其特征在于， 所述对差异特征Fc和融合变化特征图 F3进行特征融合的特征 融合模块由两个卷积核大小为3 ×3的反卷积、 一个1 ×1的卷积和一 个Argmax函数构 成， 将差异特征Fc与融合变化特征图F3进行通道维度的堆叠输入到特征融 合模块中进行 特征融合和二 值化处理得到最后的二 值图像。 7.一种遥感影 像变化检测装置， 其特 征在于， 包括以下模块： 不同时相特征提取模块： 用于对同一地区T1时刻和T2时刻的两幅遥感影像进行特征提 取， 得到两个不同时相的特 征图F1和F2； 变化特征图提取模块： 用于对T1时刻影像和T2时刻影像进行通道维度堆叠后， 进行特 征融合并提取融合变化特 征图F3； 检测结果输出模块： 将两个不同时相的特征图F1和F2以及融合变化特征图F3输入到神 经网络模型进行 特征加强与融合得到变化检测结果。权　利　要　求　书 1/1 页 2 CN 115272877 A 2一种遥感影像变化检测方 法及装置 技术领域 [0001]本发明属于卫星遥感技 术领域， 尤其是 涉及一种遥感影 像变化检测方法及装置 。 背景技术 [0002]遥感影像变化检测是通过图像 处理和数学模型， 检测出不同时期同一地理区域的 地表地物变化信息。 遥感图像变化检测在生态环 境监测、 灾害应急管理、 地表覆盖监测等领 域有着广泛的应用。 近年来， 深度学习技术快速发展， 在数字图像识别领域 发挥了重要的作 用。 [0003]在土地执法的实际工作 中， 仍然是以基于人工实地调查取证方法为主， 如 能利用 遥感影像进 行耕地变化检测， 从 中提取耕地上新增的建筑用地， 可大幅减小人力、 时间和财 力成本。 发明内容 [0004]本发明所要解决的技术问题是怎样对遥感图像进行检测分析， 得到不同时刻图像 中耕地与建设用地之间的变化， 提高变化检测的准确度， 提出了一种遥感影像变化检测方 法及装置 。 [0005]为解决上述 技术问题， 本发明所采用的技 术方案是： [0006]一种遥感影 像变化检测方法， 包括以下步骤： [0007]步骤1： 对同一地区T1时刻和T2时刻的两幅遥感影像进行特征提取， 得到两个不同 时相的特 征图F1和F2； [0008]步骤2： 将T1时刻影像和T2时刻影像进行通道维度堆叠后进行特征融合提取融合 变化特征图F3； [0009]步骤3： 将两个不同时相的特征图F1和F2以及融合变化特征图F3输入到神经 网络模 型进行特征加强与融合以及二 值化处理得到变化检测结果。 [0010]进一步地， 提取两个不同时相的特征图F1和F2以及融合变化特征图  F3的方法是使 用主干特 征提取网络 。 [0011]进一步地， 所述主干特征提取 网络由三分支的编码 ‑解码网络构成， 将T1时刻 影像 和T2时刻影像分别输入到主干特征提取网络的上下两个分支的编 码‑解码网络中进 行特征 提取， 得到 两个不同时相的特 征图F1和F2； [0012]将T1时刻影像和T2时刻影像进行通道维度的堆叠后输入到主干特征提取网络 的 中间分支的编码 ‑解码网络中进行 特征融合与特 征提取， 得到融合变化特 征图F3。 [0013]进一步地， 步骤3所使用的神经 网络模型是变化特征增强网络  CFI‑Net， 所述变化 特征增强网络CFI ‑Net的网络结构包括用于对两个时相的未变化区域特征进 行特征加强的 无监督学习模块以及用于对 差异特征Fc和融合变化 特征图F3进行特征融合的特征融合模块 组成， 所述差异特征Fc是指将T1时刻影像 提取的特征图F1和T2时刻影像 提取的特征图F2求差 值得到两个时相的。说　明　书 1/4 页 3 CN 115272877 A 3