(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 202210661362.X (22)申请日 2022.06.13 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区八一路 299号 (72)发明人 杨文　陈帅霖　梁烽　张瑞祥　 余淮　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 王琪 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/13(2022.01) G06V 10/50(2022.01) G06V 10/62(2022.01)G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于区域差异的时序SAR图像 建筑区变 化时间点检测方法 (57)摘要 本发明提供的是一种基于区域差异的时序 SAR图像建筑区变化时间点检测方法， 该方法利 用利用建筑区与周围环境的外观的不一致性来 判断是否存在建筑。 本发明采用VQ ‑VAE模型对 SAR图像进行特征提取。 VQ ‑VAE模型的训练是自 监督形式的， 不需要标注样本， 其提取的特征也 更适合聚类， 更富有判别性。 同时， 本方法需要在 每个时间序列中提供一个建筑区的掩膜， 用于划 出建筑区掩膜区域和周围环境区域， 并在每个时 相的SAR图像中分别比较建筑区掩膜和周围环境 掩膜的特征的不相似性。 最后通过滑动平均差检 测法得到发生变化的时间点。 本方法能够有效降 低SAR图像中由于语义相同但外观不同导致的虚 警。 权利要求书2页 说明书6页 附图1页 CN 115131660 A 2022.09.30 CN 115131660 A 1.一种基于区域差异的时序SAR图像建筑区变化 时间点检测方法， 其特征在于， 包括以 下步骤： 步骤1： 数据集 准备， 包括配准 好的SAR时间序列图像和人工标注的建筑区掩膜； 步骤2： 用SAR数据训练VQ ‑VAE模型， 所述VQ ‑VAE模型分为三部分， 编码器ze、 解码器和由 词向量e∈RK×D构成的词表， 其中K 是词的数量， D是每 个词的维度； 步骤3： 计算VQ ‑VAE的损失函数； 步骤4： 在训练好VQ ‑VAE后， 用VQ ‑VAE的编码器对时间序列的所有SAR图像分别提取特 征； 并根据建筑区掩膜构造一个最小外接矩形， 并以外接矩形为基准外扩m个像素， 得到一 个新的矩形， 将这个新的矩形与建筑区掩膜的差集作为周围环境区域； 并对建筑区掩膜和 周围环境区域的所有像素的特征做K ‑Means聚类， 对其中每个像素位置都分配一个类别标 签； 步骤5： 分别统计每张图中掩膜区域和周围环境区域的类别标签直方图， 记为DI， DE， 并 计算他们之间的KL散度 其中DIj和DEj分别为为DI和DE的第j个元 素； 步骤6： 根据每张图中掩膜区域和周围环境区域的KL散度序列di， 构建正向滑动平均序 列 和逆向滑动平均序列 其中i＝1， 2， …， n， n是时间 序列的长度， j取3表示滑动平均窗口 的长度为3； 步骤7： 计算两个滑动平均序列的差的绝对值， 记为区域特征差异序列： ΔMi＝|MUi‑MDi |， 其中i＝1， 2，…， n， 区域特 征差异序列Δ Mi的极大值 点即为建筑区变化的时间点。 2.如权利要求1所述的一种基于区域差异的时序SAR图像建筑区变化 时间点检测方法， 其特征在于： 编码器包括依次连接的卷积层、 批归一化层、 ReLu层、 卷积层、 批归一化层、 ReLu层、 残差块、 批归一 化层、 残差块、 残差块。 3.如权利要求1所述的一种基于区域差异的时序SAR图像建筑区变化 时间点检测方法， 其特征在于： 解码器包括依次连接的残差块、 批归一化层、 残差块、 反卷积层、 批归一化层、 ReLu层、 反卷积层。 4.如权利要求1所述的一种基于区域差异的时序SAR图像建筑区变化 时间点检测方法， 其特征在于： 步骤2的具体实现包括， 输入SAR图像为x， x经过编码器后得到编码器输出ze (x)， 并通过查找词表中和ze(x)最相似的词作为解码器的输入， 记为zq(x)＝ek， 其中k＝ argminj||ze(x)‑ej||2， argminj(f(j))表示使f(j)达到最小值时的j， || ·||2表示2范数， 而 解码器需要将zq(x)恢复为网络的输入 x。 5.如权利要求4所述的一种基于区域差异的时序SAR图像建筑区变化 时间点检测方法， 其特征在于： 步骤3中损 失函数的表达式为 其中sg(·)表示停止梯度反传， β 是人为设定的超参数， 是重建误差， 在反传重 建误差这部分梯度的时候， 直接将ek的梯度赋 给ze(x)。 6.如权利要求1所述的一种基于区域差异的时序SAR图像建筑区变化 时间点检测方法， 其特征在于： 步骤3中总共训练5 0个epoch。 7.如权利要求1所述的一种基于区域差异的时序SAR图像建筑区变化 时间点检测方法， 其特征在于： 步骤4中m的取值 为100。权　利　要　求　书 1/2 页 2 CN 115131660 A 28.如权利要求1所述的一种基于区域差异的时序SAR图像建筑区变化 时间点检测方法， 其特征在于： 还包括步骤8， 采用预测准确率和平均绝对误差作为评价指标对检测效果进 行 评价， 其中准确 率 M为时间序列的数量， δ( ·)为狄利克雷函数， δ(x， y) ＝1当且仅当x＝y， h为所述变化时间点检测方法， 即步骤 1‑步骤7的整体过程， Xi输入的第i 个时间序列， yi为第i个时间序列对应的变化时间点真值； 平均绝对误差 权　利　要　求　书 2/2 页 3 CN 115131660 A 3