(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 202210981364.7 (22)申请日 2022.08.16 (71)申请人 自然资源部国土卫星遥感应用中心 地址 100082 北京市海淀区紫竹院百胜 村1 号 (72)发明人 刘力荣　甘宇航　唐新明　尤淑撑　 罗征宇　莫凡　何芸　杜磊　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 姚大雷 (51)Int.Cl. G06V 20/10(2022.01) G06N 3/04(2006.01) G06T 7/62(2017.01) G06V 10/26(2022.01)G06V 10/762(2022.01) G06V 10/82(2022.01) (54)发明名称 基于遥感影像的推填土变化检测方法、 装置 和终端设备 (57)摘要 本申请提供一种基于遥感影像的推填土变 化检测方法、 装置和终端设备， 该方法包括： 获取 不同时相的遥感影像， 并利用深度孪生神经网络 变化检测模型对不同时相的遥感影像进行变化 检测， 得到像素级推填土变化预测图； 对推填土 变化预测图进行预处理， 得到推填土变化图斑的 初始检测结果及对象级图斑初始置信度； 对初始 检测结果进行综合后处理， 得到所需的推填土变 化图斑； 其中， 综合后处理至少包括利用图斑邻 近度判别模 型和图斑初始置信度进行聚合处理。 利用该方法可在基于神经网络提取的初始预测 结果的基础上进一步提升推填土变化检测的性 能和准确性 等。 权利要求书2页 说明书10页 附图6页 CN 115311569 A 2022.11.08 CN 115311569 A 1.一种基于 遥感影像的推填土变化检测方法， 其特 征在于， 包括： 获取不同时相的遥感影 像； 利用深度孪生神经网络变化检测模型对所述不同时的相遥感影像进行变化检测， 得到 像素级推填土变化预测图； 对所述推填土变化预测图进行预处理， 得到推填土变化图斑的初始检测结果及图斑初 始置信度； 对所述初始检测结果进行综合后处理， 得到所需的推填土变化图斑； 其中， 所述综合后 处理至少包括利用图斑邻近度判别模型和所述图斑初始置信度进行聚合处 理。 2.根据权利要求1所述的基于遥感影像的推填土变化检测方法， 其特征在于， 所述对所 述推填土变化预测图进行预处理， 得到推填土变化图斑的初始检测结果及 对象级图斑的初 始置信度， 包括： 对所述推填土变化预测图中每个像素的变化概率进行概率归一化， 并将大于预设概率 阈值的像素点保留， 得到推填土变化图斑的初始检测结果； 搜索所述初始检测结果中的所有闭合图斑， 并以单个闭合图斑为单位， 计算每个闭合 图斑中像素的平均概 率值， 以作为对应闭合图斑的初始置信度。 3.根据权利要求2所述的基于遥感影像的推填土变化检测方法， 其特征在于， 所述初始 检测结果中的每 个闭合图斑对象的搜索过程， 包括： 从所述初始检测结果中选取一个像素值不为零的点作为种子点， 采用区域增大算法进 行邻域像素点的相似性判断， 并将具有相似性的像素点合并且继续生长， 直到遇到不满足 相似性条件的像素点为止， 得到一个闭合图斑； 继续搜索下一个闭合图斑， 完成整张图像的 遍历， 得到所有的闭合图斑。 4.根据权利要求1所述的基于遥感影像的推填土变化检测方法， 其特征在于， 所述对所 述初始检测结果进行综合后处 理， 包括： 对所述初始检测结果进行转矢量处理所得到的矢量图斑进行边缘简化， 得到边缘简化 后的图斑； 利用所述图斑邻近度判别模型和所述图斑初始置信度对所述边缘简化后的图斑进行 聚合处理， 得到聚合图斑； 对包含所述聚合图斑的图斑检测结果进行筛选及填充， 得到满足要求的推填土变化图 斑。 5.根据权利要求1或4所述的基于遥感影像的推填土变化检测方法， 其特征在于， 利用 所述图斑邻近度判别模型和所述图斑初始置信度进行图斑聚合处 理， 包括： 对边缘简化后的每个图斑设定半径为预设像素大小的缓冲区， 以确定任意两个图斑是 否存在缓冲相交区域； 基于对应图斑的所述初始置信度计算存在缓冲相交区域的两个图斑之间的语义相似 度； 计算所述两个图斑之间的最短空间距离， 并根据所述最短空间距离和预设距离阈值， 计算所述两个图斑之间的空间邻近度； 根据所述缓冲相交区域的面积、 所述两个图斑各自的缓冲区分别与 所述缓冲相交区域 相交部分的面积， 计算缓冲区交叠面积率；权　利　要　求　书 1/2 页 2 CN 115311569 A 2基于所述语义相似度、 所述空间邻 近度和所述缓冲区交叠面积率按照各自的预设权重 计算综合邻近度， 并将所述综合邻近度大于预设聚合阈值的所述两个图斑进行聚合处 理； 其中， 所述综合邻近度的计算公式如下： Pcom[M， N]＝ δ1Psem_pre[M， N]+δ2Pspa_dis[M， N]+δ3Pare_lap[M， N]； 式中， Pcom为图斑M和N之间的综合邻近度； Psem_pre为语义相似度； Pspa_dis为空间邻近度； Pare_lap为所述缓冲区交叠面积率； δ1、 δ2、 δ3分别为三个预设的权 重， 且满足δ1+δ2+δ3＝1。 6.根据权利要求4所述的基于遥感影像的推填土变化检测方法， 其特征在于， 所述对包 含所述聚合图斑的图斑 检测结果进行筛 选及填充， 得到满足要求的推填土变化图斑， 包括： 将所述图斑检测结果中面积小于预设面积阈值的图斑删除， 并根据设定的图斑中孔洞 面积阈值， 填充小于所述孔洞面积 阈值的所述图斑检测结果中的孔洞； 然后输出达到预设 置信度范围的推填土变化图斑。 7.根据权利要求1所述的基于遥感影像的推填土变化检测方法， 其特征在于， 所述深度 孪生神经网络变化检测模型包括编码器和解码器， 其中， 所述编码器采用两个共享权值的 孪生神经网络构成； 所述对所述 不同时相的遥感影 像进行变化检测， 包括： 利用所述编码器对输入的所述不同时相的遥感影像进行多层级影像特征提取及融合， 输出得到多层级特 征差异图； 利用所述解码器对所述多层级特征差异图进行反卷积计算， 得到由每个像素的变化概 率分布所构成的像素级推填土变化预测图。 8.一种基于 遥感影像的推填土变化检测装置， 其特 征在于， 包括： 遥感影像获取模块， 用于获取不同时相的遥感影 像； 变化检测模块， 用于利用深度孪生神经网络变化检测模型对所述不同时相的遥感影像 进行变化检测， 得到像素级推填土变化预测图； 预处理模块， 用于对所述推填土变化预测图进行预处理， 得到推填土变化图斑的初始 检测结果及对象级图斑初始置信度； 综合后处理模块， 用于对所述初始检测结果进行综合后处理， 输出提取的推填土变化 图斑； 其中， 所述综合后处理至少包括利用图斑邻近度判别模型和所述图斑初始置信度进 行聚合处 理。 9.一种终端设备， 其特征在于， 所述终端设备包括处理器和存储器， 所述存储器存储有 计算机程序， 所述处理器用于执行所述计算机程序以实施权利要求1 ‑7中任一项所述的基 于遥感影像的推填土变化检测方法。 10.一种可读存储介质， 其特征在于， 其存储有计算机程序， 所述计算机程序在处理器 上执行时， 实施根据权利要求1 ‑7中任一项所述的基于 遥感影像的推填土变化检测方法。权　利　要　求　书 2/2 页 3 CN 115311569 A 3