本技術(shù)涉及影像處理，特別涉及一種遙感影像的變化檢測(cè)方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、遙感影像變化檢測(cè)是通過(guò)對(duì)不同時(shí)期獲取的遙感影像進(jìn)行分析，識(shí)別并量化同一區(qū)域地表覆蓋和土地利用變化的技術(shù)手段，目前在自然災(zāi)害與環(huán)境監(jiān)測(cè)、城市規(guī)劃、農(nóng)業(yè)管理及資源調(diào)查等多個(gè)領(lǐng)域具有廣泛應(yīng)用。

2、相關(guān)技術(shù)中的遙感影像變化檢測(cè)方法依據(jù)的研究對(duì)象包括基于像素、基于對(duì)象、基于場(chǎng)景等的檢測(cè)方法，這些檢測(cè)方法目前還存在一些問(wèn)題，導(dǎo)致對(duì)于遙感影像變化檢測(cè)的準(zhǔn)確率不高。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的主要目的在于提供一種遙感影像的變化檢測(cè)方法、裝置、設(shè)備及介質(zhì)，旨在提高遙感影像變化檢測(cè)的準(zhǔn)確率。

2、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的一方面提出了一種遙感影像的變化檢測(cè)方法，包括以下步驟：獲取前時(shí)相遙感影像和后時(shí)相遙感影像，所述前時(shí)相遙感影像用于表征目標(biāo)區(qū)域在第一時(shí)間點(diǎn)的地表特征影像，所述后時(shí)相遙感影像用于表征所述目標(biāo)區(qū)域在第二時(shí)間點(diǎn)的地表特征影像；將所述前時(shí)相遙感影像和所述后時(shí)相遙感影像輸入編碼器中，得到多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖，其中，所述編碼器中包括特征提取模塊和多個(gè)時(shí)空差異增強(qiáng)模塊，所述特征提取模塊用于提取所述前時(shí)相遙感影像和所述后時(shí)相遙感影像中的特征以生成多個(gè)不同尺度的雙時(shí)相特征圖，多個(gè)所述時(shí)空差異增強(qiáng)模塊用于捕獲多個(gè)不同尺度的所述雙時(shí)相特征圖中變化區(qū)域的遠(yuǎn)程上下文信息和局部跨特征信息用以生成多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖；將多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖輸入解碼器中，通過(guò)所述解碼器對(duì)多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖進(jìn)行邊緣細(xì)化與特征融合，得到包括所述前時(shí)相遙感影像和所述后時(shí)相遙感影像之間變化信息的預(yù)測(cè)二值圖像。

3、在一些實(shí)施例中，所述特征提取模塊包括兩個(gè)平行的特征提取分支，所述將所述前時(shí)相遙感影像和所述后時(shí)相遙感影像輸入編碼器中，得到多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖，包括：將所述前時(shí)相遙感影像和所述后時(shí)相遙感影像分別輸入兩個(gè)平行的特征提取分支，通過(guò)所述特征提取分支中的特征提取網(wǎng)絡(luò)提取出多個(gè)不同尺度的雙時(shí)相特征圖；將多個(gè)不同尺度的所述雙時(shí)相特征圖分別輸入對(duì)應(yīng)的所述時(shí)空差異增強(qiáng)模塊，得到多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖。

4、在一些實(shí)施例中，所述時(shí)空差異增強(qiáng)模塊包括減法分支和通道交替拼接分支，將所述雙時(shí)相特征圖輸入所述時(shí)空差異增強(qiáng)模塊，得到所述時(shí)空差異增強(qiáng)特征圖，包括：將所述雙時(shí)相特征圖輸入所述減法分支，在所述減法分支中計(jì)算所述雙時(shí)相特征圖之間的絕對(duì)差值特征；將所述絕對(duì)差值特征輸入雙重注意力機(jī)制模塊，通過(guò)雙重注意力機(jī)制模塊捕獲所述雙時(shí)相特征圖中變化區(qū)域的遠(yuǎn)程上下文信息，得到空間注意力增強(qiáng)特征圖和通道注意力增強(qiáng)特征圖；將所述空間注意力增強(qiáng)特征圖和所述通道注意力增強(qiáng)特征圖進(jìn)行通道拼接，得到空間通道注意力增強(qiáng)特征圖；將所述雙時(shí)相特征圖輸入所述通道交替拼接分支，將通道交替拼接后的特征圖輸入通道自適應(yīng)增強(qiáng)模塊，增強(qiáng)模型提取跨特征交互信息的能力，得到通道增強(qiáng)特征圖；將所述空間通道注意力增強(qiáng)特征圖與通道增強(qiáng)特征圖相加，得到所述時(shí)空差異增強(qiáng)特征圖。

5、在一些實(shí)施例中，所述雙重注意力機(jī)制模塊包括空間注意力機(jī)制模塊和通道注意力機(jī)制模塊，所述將所述絕對(duì)差值特征輸入雙重注意力機(jī)制模塊，通過(guò)雙重注意力機(jī)制模塊捕獲所述雙時(shí)相特征圖中變化區(qū)域的遠(yuǎn)程上下文信息，得到空間注意力增強(qiáng)特征圖和通道注意力增強(qiáng)特征圖，包括：將所述絕對(duì)差值特征輸入所述空間注意力機(jī)制模塊，通過(guò)所述空間注意力機(jī)制模塊建立局部特征的上下文關(guān)系，得到所述空間注意力增強(qiáng)特征圖；將所述絕對(duì)差值特征輸入所述通道注意力機(jī)制模塊，通過(guò)所述通道注意力機(jī)制模塊建立特征圖通道之間的遠(yuǎn)程依賴關(guān)系，得到所述通道注意力增強(qiáng)特征圖。

6、在一些實(shí)施例中，所述時(shí)空差異增強(qiáng)模塊包括通道交替拼接分支，所述將所述雙時(shí)相特征圖輸入所述時(shí)空差異增強(qiáng)模塊，得到多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖，包括：將所述雙時(shí)相特征圖輸入所述通道交替拼接分支，在所述通道交替拼接分支中對(duì)所述雙時(shí)相特征圖進(jìn)行交替拼接，得到拼接特征；將所述拼接特征輸入通道自適應(yīng)增強(qiáng)機(jī)制模塊，通過(guò)所述通道自適應(yīng)增強(qiáng)機(jī)制模塊增強(qiáng)所述雙時(shí)相特征圖中變化區(qū)域的局部跨特征交互信息，得到通道增強(qiáng)特征圖；將所述通道增強(qiáng)特征圖與空間通道注意力增強(qiáng)特征圖相加，得到所述時(shí)空差異增強(qiáng)特征圖。

7、在一些實(shí)施例中，所述將多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖輸入解碼器中，通過(guò)所述解碼器對(duì)多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖進(jìn)行邊緣細(xì)化與特征融合，包括：將多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖分別輸入多個(gè)對(duì)應(yīng)的邊緣細(xì)化殘差模塊，通過(guò)所述邊緣細(xì)化殘差模塊增強(qiáng)不同尺度下的所述時(shí)空差異增強(qiáng)特征圖中變化區(qū)域的邊緣，得到多個(gè)邊緣細(xì)化特征圖；將多個(gè)所述邊緣細(xì)化特征圖輸入自適應(yīng)雙向特征融合模塊，通過(guò)所述自適應(yīng)雙向特征融合模塊對(duì)所述邊緣細(xì)化特征圖進(jìn)行由上而下和自下而上的逐層融合，得到融合特征圖；對(duì)所述融合特征圖進(jìn)行上采樣及通道調(diào)整，得到包括所述前時(shí)相遙感影像和所述后時(shí)相遙感影像之間變化信息的預(yù)測(cè)二值圖像。

8、在一些實(shí)施例中，所述邊緣細(xì)化殘差模塊包括第一分支和第二分支，所述將多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖分別輸入多個(gè)對(duì)應(yīng)的邊緣細(xì)化殘差模塊，通過(guò)所述邊緣細(xì)化殘差模塊增強(qiáng)不同尺度下的所述時(shí)空差異增強(qiáng)特征圖中變化區(qū)域的邊緣，得到多個(gè)邊緣細(xì)化特征圖，包括：將多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖輸入對(duì)應(yīng)的所述第一分支，通過(guò)所述第一分支將不同尺度下的所述時(shí)空差異增強(qiáng)特征圖的通道數(shù)進(jìn)行統(tǒng)一，得到多個(gè)標(biāo)準(zhǔn)通道特征圖；將多個(gè)所述標(biāo)準(zhǔn)通道特征圖輸入對(duì)應(yīng)的所述第二分支，通過(guò)所述第二分支細(xì)化不同尺度的所述時(shí)空差異增強(qiáng)特征圖，得到多個(gè)細(xì)化特征圖；分別對(duì)多個(gè)所述標(biāo)準(zhǔn)通道特征圖和所述細(xì)化特征圖求和，得到多個(gè)邊緣細(xì)化特征圖。

9、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的另一方面提出了一種遙感影像的變化檢測(cè)裝置，所述遙感影像的變化檢測(cè)裝置包括：獲取模塊，用于獲取前時(shí)相遙感影像和后時(shí)相遙感影像，所述前時(shí)相遙感影像用于表征目標(biāo)區(qū)域在第一時(shí)間點(diǎn)的地表特征影像，所述后時(shí)相遙感影像用于表征所述目標(biāo)區(qū)域在第二時(shí)間點(diǎn)的地表特征影像；特征提取生成模塊，用于將所述前時(shí)相遙感影像和所述后時(shí)相遙感影像輸入編碼器中，得到多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖，其中，所述編碼器中包括特征提取模塊和多個(gè)時(shí)空差異增強(qiáng)模塊，所述特征提取模塊用于提取所述前時(shí)相遙感影像和所述后時(shí)相遙感影像中的特征以生成多個(gè)不同尺度的雙時(shí)相特征圖，多個(gè)所述時(shí)空差異增強(qiáng)模塊用于捕獲多個(gè)不同尺度的所述雙時(shí)相特征圖中變化區(qū)域的遠(yuǎn)程上下文信息和局部跨特征信息用以生成多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖；特征細(xì)化融合模塊，用于將多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖輸入解碼器中，通過(guò)所述解碼器對(duì)多個(gè)不同尺度的所述時(shí)空差異增強(qiáng)特征圖進(jìn)行邊緣細(xì)化與特征融合，得到包括所述前時(shí)相遙感影像和所述后時(shí)相遙感影像之間變化信息的預(yù)測(cè)二值圖像。

10、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的又一方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述遙感影像的變化檢測(cè)方法。

11、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的又一方面提出了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，上述計(jì)算機(jī)程序被一個(gè)或多個(gè)處理器執(zhí)行時(shí)能夠?qū)崿F(xiàn)如上述遙感影像的變化檢測(cè)方法的步驟。

12、本技術(shù)實(shí)施例至少包括以下有益效果：

13、本技術(shù)提供一種遙感影像的變化檢測(cè)方法、裝置、設(shè)備及介質(zhì)，在本技術(shù)實(shí)施例中，首先，獲取前時(shí)相遙感影像和后時(shí)相遙感影像，前時(shí)相遙感影像用于表征目標(biāo)區(qū)域在第一時(shí)間點(diǎn)的地表特征影像，后時(shí)相遙感影像用于表征目標(biāo)區(qū)域在第二時(shí)間點(diǎn)的地表特征影像；然后，將前時(shí)相遙感影像和后時(shí)相遙感影像輸入編碼器中，得到多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖，其中，編碼器中包括特征提取模塊和多個(gè)時(shí)空差異增強(qiáng)模塊，特征提取模塊用于提取前時(shí)相遙感影像和后時(shí)相遙感影像中的特征以生成多個(gè)不同尺度的雙時(shí)相特征圖，多個(gè)時(shí)空差異增強(qiáng)模塊用于捕獲多個(gè)不同尺度的雙時(shí)相特征圖中變化區(qū)域的遠(yuǎn)程上下文信息和局部跨特征信息用以生成多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖；最后，將多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖輸入解碼器中，通過(guò)解碼器對(duì)多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖進(jìn)行邊緣細(xì)化與特征融合，得到包括前時(shí)相遙感影像和后時(shí)相遙感影像之間變化信息的預(yù)測(cè)二值圖像。本技術(shù)實(shí)施例通過(guò)特征提取模塊提取前時(shí)相遙感影像和后時(shí)相遙感影像中的特征以生成多個(gè)不同尺度的雙時(shí)相特征圖，之后，通過(guò)多個(gè)時(shí)空差異增強(qiáng)模塊捕獲多個(gè)不同尺度的雙時(shí)相特征圖中變化區(qū)域的遠(yuǎn)程上下文信息和局部跨特征信息生成多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖，能夠在同一尺度下學(xué)習(xí)雙時(shí)相特征圖之間的全局變化信息和局部細(xì)粒度變化信息，增強(qiáng)編碼器提取的雙時(shí)相影像特征的時(shí)空差異性，通過(guò)解碼器對(duì)多個(gè)不同尺度的時(shí)空差異增強(qiáng)特征圖進(jìn)行邊緣細(xì)化與特征融合，使淺層特征圖中豐富的位置信息與深層特征圖中豐富的語(yǔ)義信息有效融合，進(jìn)而提高了遙感影像變化檢測(cè)的準(zhǔn)確率。

14、本技術(shù)的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本技術(shù)的實(shí)踐了解到。