(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 202210650216.7 (22)申请日 2022.06.10 (71)申请人 西安建筑科技大 学 地址 710055 陕西省西安市雁塔路13号 (72)发明人 马宗方　郝凡　宋琳　麻瑞　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 王晶 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/762(2022.01) G06V 10/54(2022.01) (54)发明名称 一种基于自监督转换的异质遥感图像变化 检测方法 (57)摘要 本发明公开了一种基于自监督转换的异质 遥感图像变化检测方法， 包括以下步骤； 步骤1)： 对原始遥感图像进行图像像素离散化； 步骤2)： 对步骤1)离散化后的图像进行超像素分割和边 界整合， 超像素特征提取和分析， 得到带标记像 素对； 步骤3)： 根据步骤2)中得到的标记像 素对， 即可靠变化和不变像素对， 将事 前和事后异质遥 感图像转换到一个公共特征空间， 然后通过前向 和后向变化得到两种差异图像； 步骤4)： 将步骤 3)中的差异图像进行证据融合及基于先验扩充 训练数据； 步骤5)： 将步骤4)的训练数据导入训 练分类器模 型生成变化检测结果。 本发明检测精 度高， 不仅考虑了不变像素对的影响， 同时还考 虑到了变化像素对的积极影 响， 可以很好地适应 复杂环境和高噪声环境， 鲁棒 性较高。 权利要求书4页 说明书10页 附图4页 CN 115187511 A 2022.10.14 CN 115187511 A 1.一种基于自监 督转换的异质遥感图像 变化检测方法， 其特 征在于， 包括以下步骤； 步骤1)： 对原 始遥感图像进行图像 像素离散化； 步骤2)： 对步骤1)离散化后的图像进行超像素分割和边界整合， 超像素特征提取和分 析， 得到带 标记像素对； 步骤3)： 根据步骤2)中得到的带标记像素对， 即可靠变化和不变像素对， 将事前和事后 异质遥感图像转换到一个公共特 征空间， 然后通过 前向和后向变化得到 两种差异图像； 步骤4)： 将步骤3)中的两种差异图像进行证据融合， 并基于先验进行扩充， 得到训练数 据； 步骤5)： 将步骤4)的训练数据导入训练分类 器模型生成变化检测结果。 2.根据权利要求1所述的一种基于自监督转换的异质遥感图像变化检测方法， 其特征 在于， 所述 步骤1)具体步骤为： (1)采用K均值算法聚类像素点， 在计算类内像素样本和聚类 中心像素之间的距离时还 考虑到像素 的空间位置信息， 引入加权因子η来融合基于光谱和空间位置信息的类内像素 样本与聚类中心像素之间的距离， 因此， 图像中的第i个像素和簇中心ωc之间的距离可以 表示为： 其中 和 代表光谱和空间位置信息相对应的距 离， η尽可能趋近于1， 进而， 通过 K均值聚类将遥感图像分为C个 类， 称为ω1,ω2,…,ωC； (2)计算样本点与簇中心像素的偏差距离， 对于像素i的第l个通道记为Xil， 计算其与簇 中心ωc的绝对值偏差距离 δil如下所示： 其中， 并且|·|是绝对值 运算的符号， M表示ωc中的像素 数； (3)计算像素光谱特征的校正值， 计算绝对偏差距离δil与数据分布范围的中点之间的 距离， 所以Xil的校正值 由下式给 出： 其中， 并且 和 表示所有像素δ`l的最大值和最小值； (4)更新离 散像素值， 更新每 个像素的离 散化像素值的方法由下式表示：权　利　要　求　书 1/4 页 2 CN 115187511 A 2其中， Xil是指在第l个离散化通道对像素Xi进行图像像素离散化， 为了得到优化的离散 化图像， 采用两种 方式停止迭代， 第一种 是设置最大迭代 次数Z， 另一步是计算平均离散度 3.根据权利要求1所述的一种基于自监督转换的异质遥感图像变化检测方法， 其特征 在于， 所述 步骤2)具体为： (1)超像素分割和边界整合， 首先将步骤1)中离散化后的图像以超像素为单位进行分 割， 以获得高度均匀的超像素图像块， 并且突出了地物对象的边界； 其次， 采用简单的边界 整合策略来 生成边界一 致的超像素对， 即一 致的分割结果； (2)超像素特征提取及 分析， 以超像素为最小的图像分析单元， 通过分析超像素的光谱 和纹理特征的差异， 自动挖掘出一些 带标记像素对； 不同算子的光谱特 征差异映射 集合 由下式得 出： 其中‖·‖是欧几里得距离， 是图像Tt的第j个超像素中包含的第 l个通道中的所有 像素的集 合， f(O)(·)表示算子的相应运 算； 不同算子的纹 理特征差异映射 集合 由下式得 出： 其中f(·)是均值函数， 是图像Tt中第j个超像素的灰度共生矩阵(GLCM)特征图； 得到超像素特征差异图集 然后使用一组阈值来识别 的6个子差异图 的变化和不变区域， 其中6个子差异图分别为： 原图的纹理GLCM均值、 标准差特征差异图， 原 图的光谱均值、 中值、 标准差特征差异图和像素离散化后图像的光谱均值特征差异图， 进而 采用简单 的投票规则来确定超像素是否发生了变化， 特征差值越大， 越有可能是变化的超 像素， 反之， 特征差值越小， 则越有可能是不变的超像素， 简单的投票机制可以表示 为： 其中， σup和σlow是不同子差异图的共同上限和下限， 分别 接近于1和0， σup＝0.9和σlow＝ 0.1；权　利　要　求　书 2/4 页 3 CN 115187511 A 3